Un décalage entre les capacités techniques et l’adoption par les utilisateurs finaux influence actuellement les décisions en matière d’IA et d’infrastructure chez les fournisseurs de services managés et les responsables informatiques. Alors que des entreprises comme Broadcom, Perplexity, Apple et NVIDIA lancent des équipements et des plateformes destinés au traitement de l’IA sur site et en local, le principal facteur de création de valeur reste l’adoption organisationnelle plutôt que la technologie disponible. Les coûts et les investissements en infrastructure sont déterminés par la manière dont les utilisateurs adoptent ces outils — et par le fait qu’ils les utilisent ou non.
Les données les plus significatives proviennent de Voya Financial, où une formation de cinq heures sur l’IA dispensée à 11 000 employés a entraîné un taux d’adoption et d’utilisation régulière de 98 %, sans aucune modification de la technologie sous-jacente. Les données du secteur citées montrent que, bien que l’IA générative concerne désormais 80 % des professions, seules 2,8 % des tâches affichent un taux d’utilisation supérieur à 50 %, et aucune n’atteint 70 %. Cela indique une large sensibilisation, mais un transfert limité du travail réel vers l’IA, ce qui signifie que les dépenses actuelles reflètent principalement une adoption superficielle plutôt qu’une transformation opérationnelle profonde.
Parmi les autres évolutions figure une nette orientation du secteur vers des infrastructures d’IA détenues en propre, comme le montrent les récents lancements de produits ainsi que l’attention continue portée par NVIDIA aux capacités de calcul louées dans le cloud. Gartner prévoit que le stockage basé sur la consommation et spécifiquement destiné à l’inférence connaîtra une forte croissance d’ici 2029, mais ces estimations reposent sur un niveau d’adoption actuel limité, soulignant le décalage entre la préparation des infrastructures et les besoins immédiats.
Pour les MSP et les fournisseurs de services informatiques, le risque consiste à investir excessivement dans l’infrastructure d’IA avant que les clients ne soient prêts. La véritable opportunité réside dans des programmes d’adoption structurés pour les outils d’IA existants : identifier les collaborateurs capables de transmettre leurs connaissances, tester des formations en interne et se concentrer sur l’augmentation de l’utilisation chez les clients. Reporter les projets d’infrastructure d’IA sur site jusqu’à ce que l’adoption par les clients et les signaux économiques soient alignés est présenté comme une approche plus sûre et plus pragmatique.