Les règles de l'industrie financière sont en train d'être réécrites grâce à l'IA et à l'IA générative. Dans leur conversation pour The Bridge, Joffrey Martinez, Managing Partner & Global Lead for Financial Services, et Alexis Baufine-Ducrocq, Partner & Lead Financial Services, discutent de la course à la redéfinition de la performance financière grâce à l'IA.
Le capital-investissement entre dans une nouvelle ère de transformation accélérée par l'IA. Dans cette conversation pour The Bridge, Elina Ashkinazi-Ildis, Partner & Lead Private Equity, et Jérôme Petit, Managing Partner, explorent comment l'IA redéfinit la création de valeur des portefeuilles, les opérations des fonds et les stratégies d'investissement.
Le nouvel ebook de Artefact, intitulé « L’avantage de l’IA agentique dans le secteur de la santé : accélérer le marketing pharmaceutique centré sur les professionnels de santé, de l’idée à la réalisation », démontre que l’IA agentique constitue une avancée majeure pour relever ces défis. Alors que l’IA générative traditionnelle se concentre sur la création de contenu, l’IA agentique est capable d’agir. Il reçoit des objectifs et des contraintes, raisonne de manière stratégique et exécute des tâches de manière autonome dans le respect des règles de conformité et des sources data approuvées. L'AI agentique fait passer l'AI du statut d'outil de productivité à celui de moteur de performance commerciale.
Au cours de la dernière décennie, le développement durable est passé d’un aspect périphérique de la réputation des entreprises à un élément central de leur performance. Le nouvel ebook de Artefact, intitulé « ESG in Action : Comment intégrer les critères environnementaux, sociaux et de gouvernance (ESG) data en intelligence économique, retrace cette transition à travers des entretiens semi-structurés avec des dirigeants de grandes entreprises internationales telles qu’Accor, Legrand, Tarkett, Ardian, Heineken, Siplec et Schenker, ainsi que des analyses de l’OCDE et des experts en développement durable et data de Artefact.
Alors que les entreprises s'empressent de mettre en œuvre le modèle AI, la plupart d'entre elles se rendent compte que leur infrastructure data n'a jamais été conçue pour le raisonnement autonome. Aujourd'hui, jusqu'à 80 % du temps de mise en œuvre de la AI est consacré à la gestion de la data et à l'alignement des schémas, ce qui témoigne d'infrastructures conçues pour le stockage, et non pour la compréhension. Sans une base permettant de saisir les relations et le sens, les agents resteront puissants, mais aveugles. À mesure que les agents AI deviennent des participants actifs dans les flux de travail des entreprises, la nature et l'ampleur des requêtes data évoluent.
De nombreux responsables marketing sont confrontés au même paradoxe : malgré des investissements considérables dans l'IA générative, les retombées attendues en termes de coûts, de rapidité et de performances ne se concrétisent pas. Pourquoi ? Parce que la plupart des IA se contentent de “ réfléchir ”, sans agir. L'IA agentique change la donne.
Au cours des 18 derniers mois, l''IA générative" a dominé toutes les séances de stratégie des cadres supérieurs. Mais que se passe-t-il si ce n'est pas déjà la fin de la conversation ? Dans les secteurs de l'énergie et de l'industrie, le débat passe rapidement de l'IA générative à l'IA agentique. Il ne s'agit pas d'une simple mise à jour incrémentale, mais d'un nouveau paradigme, qui passe de la simple augmentation des tâches à la réinvention complète des processus industriels de base.
Lorsque OpenAI a annoncé Atlas, son nouveau navigateur basé sur ChatGPT, l'entreprise n'a pas simplement lancé un nouveau produit. Elle a ouvert une porte qui mène à la prochaine ère de l'interaction homme-machine et, inévitablement, à de nouveaux horizons pour la publicité.
La plupart des entreprises ne sont pas prêtes à remplacer la pile data de l'ère des tableaux de bord par une pile IA. La dernière étude State of Data & Analytics de Salesforce indique que 84% des leaders en matière de data et d'analyse déclarent que leurs stratégies nécessitent une refonte complète avant que les ambitions en matière d'IA ne puissent aboutir. Les dirigeants estiment que 26% de leur data n'est pas fiable, que seuls 43% font état de cadres data governance formels et qu'environ 50% ne sont pas confiants dans leur capacité à générer et à fournir des informations en temps voulu. Dans le même temps, 70% pensent que les informations les plus précieuses sont enfermées dans data non structuré. La conclusion est simple : l'obstacle n'est pas l'enthousiasme mais les fondations, et ces dernières doivent être modifiées avant que les systèmes agentiques puissent s'étendre.
