La croissance deAU Elle progresse rapidement, mais la capacité des entreprises à accompagner cette évolution reste limitée. Une nouvelle étude mondiale organisée par Services d'analyse de Harvard Business Review Pour Cloudera montre en effet que seul le 7% des organisations disposent de données véritablement prêtes à alimenter les applications d’IA. La suite progresse au travers d’expérimentations, d’architectures hétérogènes et d’un cadre de gouvernance encore en construction, tandis que la pression réglementaire s’accentue.
L'étude, réalisée en octobre 2025 sur un échantillon de plus de 230 professionnels responsables des décisions en matière de données, met en évidence un écart évident entre les initiatives et les capacités opérationnelles. L’IA accélère, mais ne trouve pas de bases adéquates : le 27% des personnes interrogées déclarent que leurs données sont mal ou pas du tout préparées, un indicateur qui remet en question la pérennité de la transformation dans les années à venir.
Le contexte italien amplifie le problème. Selon leObservatoire de l'Intelligence Artificielle de l'École Polytechnique de Milan, le marché national a touché 1,8 milliards d'euros en 2025 avec une augmentation de 50%, mais seulement le 6% des entreprises ont stratégiquement intégré l’IA dans leurs processus. Le taux d'adoption global s'élève à 8,2%, soit cinq points en dessous de la moyenne européenne. L’arrivée de l’AI Act, pleinement applicable dès 2 août 2026ajoute une urgence supplémentaire.
L’asymétrie entre ambition et maturité
Le rapport de Harvard montre combien d’entreprises démarrent des projets d’IA sans stratégie de données adéquate. Les fondations restent fragiles et les processus manquent d’uniformité. Le 73% des personnes interrogées estiment que la qualité des données devrait devenir une priorité, tandis qu'une proportion identique signale des difficultés à les préparer et à les intégrer pour alimenter les modèles et les applications.
Les organisations opèrent dans des environnements de plus en plus distribués qui incluent le cloud, les centres de données et la périphérie, mais les données critiques restent souvent sur site pour des raisons de sécurité, de souveraineté et de coût. La difficulté de connecter ces mondes génère des ralentissements, des inefficacités et des risques opérationnels. Les entreprises reconnaissent la valeur de l’IA, mais peinent à créer une base cohérente sur laquelle la faire fonctionner.
Deuxième Sergio Gago, directeur de la technologie de Clouderasurmonter ce blocage nécessite un changement de paradigme. « L’IA est aussi puissante que les données qui l’alimentent », explique-t-il. « Pour passer du projet pilote à la production, les organisations ont besoin d'un accès 100 % sécurisé à 100 % de leurs données, où qu'elles se trouvent. Apporter l'IA aux données, plutôt que déplacer les données vers l'IA, est ce qui sépare l'expérimentation de l'impact à l'échelle de l'entreprise.
Le nœud structurel des silos
La fragmentation apparaît comme le principal obstacle. Le 56% des participants ont indiqué que les silos d’informations constituent l’obstacle le plus critique. La présence de sources non intégrées et de plateformes hétérogènes complique le travail de préparation, augmente les risques d’incohérences et rend la gouvernance plus complexe.
De nombreuses entreprises ont des architectures héritées accumulées au fil du temps, sans une conception organique permettant la convergence des ensembles de données. Les stratégies sont encore immatures : seules les 23% des personnes interrogées déclarent disposer d'un plan consolidé pour gérer les données du point de vue de l'IA, tandis que le 53% déclare être en phase de définition.
L'Italie ne fait pas exception. Comme il le souligne Fabio Pascali, Vice-président régional de Cloudera pour l'Italie, la Grèce et Chypre, « plus de la moitié des organisations indiquent que le cloisonnement des données est le principal obstacle. Il s'agit d'un problème structurel en Italie : architectures héritées, systèmes hétérogènes, gouvernance fragmentée ». Pascali précise que la solution ne consiste pas à déplacer des informations sensibles au risque de les exposer. « La réponse n’est pas de déplacer les données vers l’IA, même au prix de les faire sortir du périmètre de sécurité de l’entreprise : il s’agit d’amener l’IA aux données où qu’elles se trouvent, avec un lignage, une qualité et une gouvernance unifiées ».
La pression réglementaire de l’AI Act
Le facteur réglementaire accélère la nécessité d’intervenir sur les fondements des données. Le 2 août 2026 représente une échéance cruciale : à partir de cette date, les obligations de la loi IA pour les systèmes à haut risque entreront pleinement en application. Les entreprises devront garantir la transparence, la traçabilité, la surveillance humaine, la robustesse et la gestion des risques.
La sanction attendue peut aller jusqu'à 7% du chiffre d'affaires annuel mondialun impact significatif pour ceux qui n’ont pas encore mis en place une gouvernance efficace. L’adaptation nécessite une vision unifiée du patrimoine informationnel, une qualité de données constante et la possibilité de certifier les processus qui alimentent les modèles. Les entreprises moins matures risquent de se retrouver en difficulté.
La poussée de l’IA agentique
Dans le même temps, les attentes à l’égard de l’IA dite agentique augmentent. Le 65% des personnes interrogées pensent que de nombreux processus métiers seront transformés par des agents intelligents au cours des deux prochaines années. Les nouveaux modèles fonctionnent de manière autonome sur des tâches complexes et nécessitent des données parfaitement intégrées, continues et vérifiables.
Selon le 47% de l’échantillon, des agents intelligents pourraient même contribuer à améliorer la qualité des données en automatisant certaines tâches de nettoyage et de normalisation. Cependant, sans une base cohérente, les agents risquent d’amplifier les erreurs et les préjugés plutôt que de les atténuer. L’évolutivité dépend donc de l’intégration et de la gouvernance.
Une transformation qui nécessite des architectures et des choix clairs
L’analyse montre un écosystème industriel déjà conscient du rôle des données, mais encore loin de la maturité nécessaire pour faire évoluer l’IA. La transformation passe par des architectures hybrides intégrées, une gouvernance unifiée et des processus qualité cohérents. Les entreprises doivent identifier leurs priorités opérationnelles et construire une base solide pour rendre l’IA fiable, sûre et transparente.
En Italie, la capacité technologique ne manque pas, mais un saut organisationnel est nécessaire pour combler l'écart avec la moyenne européenne et se préparer aux délais réglementaires. Les entreprises qui savent renforcer leurs fondations sauront transformer la pression réglementaire en avantage concurrentiel et consolider l’IA comme levier central de la modernisation.