Il ne le conteste pas. Il l'explique. Et ses trois causes n'ont rien à voir avec la qualité des modèles.
La vidéo de cet épisode n'est pas encore publiée. Écouter le passage en attendant.
Tout le monde veut de l'IA
Aujourd'hui, l'IA, c'est un phénomène de mode. Tout le monde veut l'IA, tout le monde veut utiliser l'IA. Mais finalement, on n'utilise pas forcément les bons moyens pour la mettre en place.
Donc la première cause est une cause de décision, pas d'ingénierie. Le projet existe parce qu'il fallait un projet. Il ajoute un facteur qu'on entend rarement : toutes les industries ne s'y prêtent pas, et des conditions comme la géographie ou la fracture numérique pèsent sur le résultat.
Submergées de données
La deuxième cause est la plus concrète. Les entreprises ont installé des systèmes qui collectent beaucoup. Trop.
Elles sont submergées de données, qu'elles ne savent plus vraiment trier — ce qui est positif ou ce qui est négatif. Des sociétés qui ont une quantité de données, qui ont implémenté l'IA, qui ne savent pas quoi en faire, qui ne savent pas traiter, et finalement le projet est un peu abandonné.
Ce que le chiffre ne dit pas
La nuance compte quand on signe un budget. Aucun impact mesurable sur le compte de résultat, ça ne veut pas dire que le modèle se trompe. Ça veut dire que personne n'a su relier l'outil à une ligne financière.
Et souvent parce que le projet n'avait ni périmètre, ni cas d'usage précis, ni donnée propre au départ.
Anthony le dira autrement trente minutes plus tard, à la fin de l'épisode : les projets ne meurent pas à cause de la technologie, ils meurent parce qu'ils sont mal cadrés et mal budgétés. Un chiffrage à trois semaines qui bascule à neuf, personne ne l'avait prévu.