Stratégie

Ne pas lâcher les investissements cloud pour l'IA

Seuls 14% des décideurs IT interrogés dans une étude NTT Data estiment avoir une maîtrise du cloud optimale pour réussir leur stratégie d'IA. (Image : Unsplash/Growtika)

Selon une enquête de NTT Data, les DSI s'inquiètent de ce que les investissements de leurs entreprises basculent du cloud vers l'IA. Un paradoxe qui conduit à une erreur stratégique, car la seconde ne peut réussir sans le premier.

PublicitéPour tirer pleinement parti de l'IA, mieux vaut une stratégie cloud des plus avancées. Paradoxalement, selon une enquête de l'ESN japonaise NTT Data menée auprès de plus de 2 300 décideurs IT de haut niveau dans 33 pays et 13 secteurs d'activité, la majorité des DSI n'auraient plus ni les compétences dans leurs équipes ni les budgets pour continuer de développer le cloud. Or, si les investissements basculent massivement vers l'IA au détriment des opérations cloud, cela risque d'aggraver la situation.

Seuls 14% des décideurs IT interrogés dans l'étude NTT Data estiment maîtriser le cloud de façon « optimale » pour réussir leur stratégie d'IA. Ce niveau de maturité qualifié d'optimal se traduit par de l'innovation axée sur le cloud et le déploiement de services cloud natifs pour doper la transformation. 34% des répondants considèrent leur approche du cloud comme « mature », soit le niveau juste inférieur, avec une utilisation importante et stratégique du cloud dans toutes les business units, une gouvernance solide, des pratiques exemplaires et des workloads qui passent à l'échelle. Le reste des décideurs interrogés, soit plus de la moitié des entreprises, se juge cependant à la traîne : plus d'un quart se considère simplement « compatibles avec le cloud » et près d'un quart s'estime encore novices.

Déshabiller le cloud pour habiller l'IA

Et même si c'est bel et bien le développement de l'IA qui tire les investissements dans le cloud, 84% des responsables IT interrogés indiquent que ceux-ci sont restés stables en 2025. Près de neuf sur dix (88%) craignent ainsi qu'un manque d'investissement dans le cloud ne compromette leurs projets d'IA, mais aussi de cloud natif et plus largement, de modernisation des processus.

De plus, si l'étude indique que les investissements cloud basculent vers l'IA, elle semble aussi suggérer que cette réaffectation de fonds cible non pas des déploiements opérationnels à l'échelle, mais des projets pilotes. Selon Charlie Li, président et responsable mondial du cloud et de la sécurité chez NTT Data, commanditaire de l'étude, certains de ses clients disposent bien du budget nécessaire pour mener des dizaines de ces projets pilotes d'IA, mais n'ont plus aucun financement nouveau à consacrer aux services cloud. Un paradoxe, puisque « l'IA nécessite des volumes de données et une puissance de calcul colossaux, rappelle-t-il. Ce sont d'ailleurs ces deux paramètres qui ont véritablement permis l'émergence de l'IA générative. Impossible de la déployer avec une centaine de serveurs dans son propre datacenter. Sans oublier que, sans une stratégie ni une implémentation cloud matures, les données restent éparpillées dans l'entreprise. Des données de mauvaise qualité ou une gouvernance data défaillante compromettent la précision des modèles entraînés. »

PublicitéPas de réussite IA sur des clouds sans gouvernance

D'autres experts du cloud et de l'IA s'accordent à dire que le cloud joue un rôle crucial dans la réussite des déploiements d'IA. « Le lien est très direct, affirme Adnan Masood, Chief AI architect du prestataire de services d'IA californien UST. Je n'ai encore jamais vu de programme d'IA fonctionner correctement sur une infrastructure cloud désorganisée. Certes, cela suffit pour une démo. Mais c'est en production que les problèmes de gouvernance des données, d'intégrations fragiles, de faible visibilité et d'explosion des coûts de calcul se font sentir. » L'étude de NTT Data confirme les observations du consultant, pour qui si les projets d'IA sur site peuvent fonctionner dans certaines circonstances, notamment pour les entreprises fortement réglementées, la plupart des organisations ont intérêt à privilégier une approche cloud.

« Les entreprises peuvent s'initier à l'IA sans stratégie cloud robuste - généralement avec un chatbot intégré, une couche de recherche interne ou un flux d'automatisation limité -, mais les chances de réussir à passer à l'échelle sont faibles, complète Adnan Masood. En pratique, l'infrastructure sur site ne fonctionne que si la couche de gestion est mature - données prêtes pour l'IA, orchestration, déploiement des modèles, observabilité, sécurité, reprise après incident et gouvernance - et c'est là que la plupart des entreprises accusent encore un retard. »

Un cloud avec une architecture unifiée

Pour Quais Taraki, directeur technique du fournisseur de plateformes d'IA et de données EnterpriseDB , « les entreprises les plus matures sur le cloud disposent généralement d'une architecture de données plus moderne, d'une meilleure gouvernance, d'une interopérabilité renforcée entre les environnements et d'une infrastructure capable de supporter des workloads en production sans s'effondrer sous les contraintes fortes de concurrence et de volume de données ».

Pour autant, certaines entreprises ayant investi massivement dans le cloud peinent également à déployer leurs projets pilotes d'IA en production. Dans ce cas, il faut blâmer l'absence d'une architecture de données adaptée aux workloads temps réel et multi-environnements, architecture requise par l'IA en production. « Le transfert des workloads vers le cloud ne simplifiera pas une architecture déjà fragmentée, ajoute Quais Taraki. Ce que nous constatons régulièrement, c'est que l'investissement dans le cloud est bénéfique lorsqu'il sert à créer une infrastructure plus unifiée, flexible et gouvernée, sur laquelle les données et l'IA peuvent fonctionner ensemble sans cloisonnement. »

Attention à une architecture cloud trop complexe

L'investissement dans le cloud peut aller jusqu'à entraver le développement de l'IA lorsqu'il crée une complexité opérationnelle accrue, lorsqu'il inclut des modèles de tarification qui rendent l'analyse avancée et l'IA imprévisibles pour la mise à l'échelle, et lorsque les dépendances envers les fournisseurs limitent leur capacité à répondre aux nouvelles exigences. « Quand l'architecture de gouvernance des données et des systèmes des environnements cloud est fragmentée, les équipes passent trop de temps à déplacer des données entre les systèmes, à absorber des coûts imprévisibles et à gérer des frictions opérationnelles qui s'aggravent dès que l'IA devient proactive et commence à agir sur les données au lieu de simplement les interroger », explique Quais Taraki.