Qlik : la génération de valeur IA nécessite une approche disciplinée

Introduction

Les priorités des directeurs financiers ont évolué. La valeur de l'IA est désormais une réalité à défendre plutôt qu'une promesse à faire. Pour la plupart des entreprises, la livraison de cette promesse reste cependant évasive.

Contexte Technique

Le principal défi n'est pas le manque d'ambition en matière d'IA, mais plutôt l'absence d'une fondation de données fiable et gérée capable de convertir cette ambition en résultats répétitifs. Selon Mike Capone, PDG de Qlik Technologies Inc., les entreprises doivent disposer d'une plateforme de données de confiance pour utiliser l'IA de manière responsable.

Une étude menée par Qlik en 2025 a révélé que 97 % des entreprises ont alloué un budget à l'IA, mais seulement 19 % disposent d'un cadre de retour sur investissement défini. Cette lacune est au cœur du problème de la valeur de l'IA. Les entreprises doivent apprendre à gouverner leurs déploiements d'IA et à mesurer leur impact sur les affaires.

Analyse et Implications

Les entreprises qui parviennent à créer de la valeur à partir de l'IA sont celles qui ont établi des pipelines de données fiables et qui ont mis en place des mécanismes de gouvernance et de contrôle de la qualité. L'utilisation de l'IA pour améliorer la logistique et la chaîne d'approvisionnement est un exemple de la manière dont les entreprises peuvent créer de la valeur à partir de l'IA.

Le cas de HelloFresh, une entreprise de livraison de repas à domicile, illustre cette approche disciplinée. En utilisant Qlik Predict pour gérer les exceptions logistiques, HelloFresh a pu identifier les livraisons à risque et déclencher des actions de récupération automatiques, ce qui a permis de convertir les insights de l'IA en résultats mesurables en termes de rétention des clients.

Perspective

Les entreprises doivent surveiller de près leur approche en matière d'IA et veiller à ce qu'elles disposent d'une fondation de données solide pour soutenir leurs initiatives d'IA. Les limites de l'analyse incluent la nécessité d'une gouvernance et d'une surveillance continues pour garantir que les déploiements d'IA sont alignés sur les objectifs de l'entreprise et que les résultats sont mesurés de manière appropriée.