Conclusion et recommandations
Les résultats de la 7e édition annuelle du Nutanix Enterprise Cloud Index illustrent les profonds changements dans les stratégies informatiques des entreprises, sous l'effet de l'adoption rapide de la conteneurisation des applications et des solutions d'IA générative.
Les résultats de l'enquête soulignent également les doubles défis et opportunités posés par l'adoption de l'IA générative. Si les entreprises sont désireuses de tirer parti de l'IA générative pour améliorer leur productivité, leur automatisation et leur innovation, elles sont également confrontées à des obstacles considérables en matière de sécurité des données, de déficit de compétences et de modernisation de l'infrastructure informatique. Sur la base des résultats des répondants en France, nous formulons les recommandations suivantes quant à la conteneurisation des applications et la mise en œuvre de l'IA générative :
- Les décideurs informatiques en France devraient mettre à profit la perception positive à long terme du ROI de l'IA générative. Il est recommandé de planifier les projets, les budgets et les mesures sur une période de 1 à 3 ans. Si les attentes en matière de ROI sont établies sur 12 mois, cela risque de déboucher sur une sous-performance ou un échec des projets.
- Nous préconisons d'appliquer la même approche pluriannuelle à la définition des objectifs clés de l'entreprise soutenus par l'IA générative, en particulier s'agissant des attentes en matière de réduction des coûts opérationnels. Alors que 98 % des répondants en France s'attendent à une augmentation de leurs coûts informatiques avec l'IA générative et la modernisation des applications, il est fort probable que toute réduction des coûts opérationnels à court terme induite par les solutions d'IA générative soit compensée par l'augmentation des coûts informatiques nécessaires à leur prise en charge. Cette situation devrait s'équilibrer progressivement à mesure que la technologie d'IA générative et les coûts de mise en œuvre se normalisent.
- Poursuivez les investissements dans la modernisation de l'infrastructure informatique pour faciliter l'adoption de l'IA générative, en veillant à lever les obstacles réglementaires et de conformité liés aux applications et processus existants/obsolètes. N'oubliez pas que 98% des décideurs informatiques en France estiment que leur entreprise pourrait faire davantage pour sécuriser leurs modèles et applications d'IA générative. Des améliorations sont toujours possibles.
- Tenez compte du déficit de compétences associé à l'émergence de l'IA et des charges de travail cloud. Pour soutenir l'IA générative en France, le besoin d'investissement le plus important concerne la formation informatique. Les entreprises doivent rester vigilantes pour éviter de se retrouver face à un manque de compétences grandissant. Cela signifie qu'il faut mettre l'accent à la fois sur la formation et le perfectionnement en interne, ainsi que sur le recrutement externe. Un résultat positif de l'enquête à cet égard est que 75% des entreprises en France déclarent recruter pour des compétences dans le domaine des applications et conteneurs cloud-natifs. Et 67% déclarent rechercher des compétences en IA générative. Ces priorités doivent être maintenues.
Découvrez à quel point il est facile de déployer et protéger les applications GenAI.
Comparaison des résultats nationaux vs résultats mondiaux/régionaux
1. Les entreprises en France tirent parti des conteneurs pour les applications de dev/test et misent sur le déploiement de plusieurs environnements Kubernetes.
La totalité des 100 répondants en France (100 %) indiquent s'être au moins engagés dans le processus de conteneurisation de leurs applications aujourd'hui. Du point de vue du déploiement de la charge de travail, les applications de dev/test sont citées comme étant les applications les plus conteneurisées par les répondants en France. Cependant, les trois premiers choix (dev/test, IA générative et applications de base de données) ne sont séparés que d'un 1% (Q4) (voir la Figure 1).
Applications conteneurisées par les entreprises aujourd'hui : (Q4)
Applications d'IA générative
Applications de dev/test
Applications critiques
pour l'entreprise
(autres que les applications
de bases de données)
Bases de données
Monde
EMEA
France
Figure 1: Applications conteneurisées par les entreprises aujourd'hui : (Q4)
Cette quasi-égalité dans le classement des trois premiers choix indique que les technologies de conteneurisation sont largement applicables aux charges de travail actuelles (dev/test, bases de données) et émergentes (IA générative) des entreprises en France.
En ce qui concerne le déploiement de Kubernetes, l'utilisation de plusieurs environnements est la tendance dominante, 93% des répondants en France déclarant utiliser plusieurs environnements. Cette moyenne est bien supérieure aux taux mondiaux et EMEA de déploiement multi-environnement, respectivement de 80% et 78% (Q5) (voir la Figure 2).
Nombre d'environnements Kubernetes déployés aujourd'hui : (Q5)
Un seul
Deux
Trois
Quatre
Cinq
Six
Sept
N'utilise pas d'environnements Kubernetes
Monde
EMEA
France
Figure 2: Nombre d'environnements Kubernetes déployés aujourd'hui : (Q5)
Il est à noter que 51% des répondants en France déclarent utiliser deux environnements Kubernetes, ce qui est bien supérieur à la moyenne mondiale (36%) et EMEA (36%) pour le même choix et peut traduire une préférence de déploiement au niveau national (Q5).
Enfin, nous avons interrogé les répondants en France sur les difficultés qu'ils rencontrent en matière de conteneurisation et de gestion des conteneurs d'applications. Les résultats indiquent des difficultés liées à la modernisation de l'infrastructure informatique, au développement d'applications conteneur-natives, aux silos de données et à la portabilité des applications (voir la Figure 3).
Principales difficultés des entreprises dans le cadre de la conteneurisation des applications :
des – estiment que leur infrastructure informatique actuelle doit être améliorée pour prendre pleinement en charge les applications et les conteneurs cloud-natifs (Q23).
des entreprises en France trouvent difficile le développement d'applications cloud-natives/conteneur-natives (Q7).
des répondants en France considèrent que les silos de données (systèmes de stockage de données isolés qui empêchent un accès et un partage transparents des données entre les différentes parties de l'entreprise) présentent des difficultés (Q7).
des entreprises en France considèrent que la portabilité des applications entre le cloud et les systèmes sur site est problématique (Q7).
Figure 3: Principales difficultés des entreprises dans le cadre de la conteneurisation des applications :
Affichage des résultats pour la France uniquement (n=100)
Toutes les entreprises en France ayant participé à l'enquête mettent en œuvre une stratégie d'IA générative, et beaucoup d'entre elles cherchent à améliorer leur productivité et à réduire leurs coûts opérationnels.
90% des répondants en France déclarent que leur entreprise a mis en place une stratégie d'IA générative. Toutefois, le plus impressionnant est le taux élevé de mise en œuvre active de la stratégie d'IA générative, qui s'élève à 57 %, soit un taux supérieur à la moyenne mondiale et EMEA (voir la Figure 4).
État actuel du développement/de la mise en œuvre de la stratégie d'IA générative pour les entreprises : (Q9)
Nous avons une stratégie en place et nous la mettons activement en œuvre
Nous avons une stratégie en place mais nous n'avons pas encore commencé à la mettre en œuvre
Nous en sommes aux premières étapes de l'élaboration de notre stratégie
Nous n'avons pas encore commencé à planifier notre stratégie
Nous n'allons pas élaborer de stratégie
Monde
EMEA
France
Figure 4: État actuel du développement/de la mise en œuvre de la stratégie d'IA générative pour les entreprises : (Q9)
des répondants en France déclarent que leur entreprise a mis en place une stratégie d’IA générative.
Qu'est-ce qui explique un taux aussi élevé de mise en œuvre de la stratégie d'IA générative en France ? Les résultats de l'enquête soulignent une nuance importante qui peut aider à apporter une réponse à cette question : en France, les deux principaux objectifs/stratégies soutenus par l'IA générative pour les entreprises sont l'augmentation de la productivité et la réduction des coûts opérationnels (voir la Figure 5).
Principaux objectifs/stratégies soutenus par l'IA générative pour les entreprises : (Q18)
Augmenter la productivité
Augmenter l'automatisation et l'efficacité
Améliorer l'innovation
Fidéliser et accompagner les clients
Réduire les coûts opérationnels
Intégrer les employés
Se démarquer de la concurrence
L'IA générative ne soutient pas/n'a pas pu soutenir les objectifs/stratégies globaux de l'entreprise
Monde
EMEA
France
Figure 5: Principaux objectifs/stratégies soutenus par l'IA générative pour les entreprises : (Q18)
Cette sélection présente une dichotomie assez intéressante. D'une part, les entreprises en France s'attendent à ce que l'IA générative augmente la productivité de l'entreprise, et ce résultat pourrait être rapidement atteint puisque 55% des décideurs du pays affirment que l'IA générative augmentera leur productivité et leur efficacité, ce qui en fait le choix plébiscité en ce qui concerne les progrès de l'IA générative (Q16). Logiquement, des travailleurs plus productifs se traduisent par une entreprise plus productive, ce qui rend cet objectif tout à fait réalisable.
D'autre part, les entreprises en France s'attendent également à ce que l'IA générative réduise leurs coûts opérationnels. Cela pourrait ne pas être tout aussi facile à atteindre à court terme, étant donné que 45% des répondants en France estiment que leur entreprise doit investir dans des formations informatiques supplémentaires pour soutenir les initiatives d'IA générative (Q17). Ajoutez à cela les 44% de répondants qui déclarent que leur entreprise doit investir dans l'infrastructure informatique et les fonctionnalités de cybersécurité pour soutenir l'IA générative (Q17). Bien entendu, lorsqu'il s'agit de dépenses liées à l'IA générative, les investissements de démarrage et de mise en œuvre peuvent impacter négativement et/ou différer les avantages en termes de coûts opérationnels obtenus par les solutions/produits eux-mêmes. C'est pourquoi il est vivement recommandé de considérer la réduction des coûts opérationnels sur le long terme.
La perception du retour sur investissement (ROI) généré par l'IA générative en France est plus positive que la moyenne de la zone EMEA et s'améliore de manière constante sur le long terme (1 à 3 ans).
Pour mieux comprendre les tendances des dépenses liées à l'IA générative et les résultats commerciaux attendus, les répondants ont été interrogés spécifiquement sur les attentes de leur entreprises vis-à-vis du ROI des projets d'IA générative. Dans l'ensemble, la grande majorité des entreprises en France (88%) s'attendent à ce que leurs projets d'IA générative atteignent le seuil de rentabilité ou génèrent des gains sur une période de 1 à 3 ans (Q13). En observant l'évolution de la perception du retour sur investissement dans le temps, les données de l'enquête révèlent que :
- 30% des répondants en France s'attendent à atteindre le seuil de rentabilité ou à enregistrer une perte sur les projets d'IA générative au cours de la prochaine année, ce qui est inférieur à la moyenne de 38% (Q13) dans la région EMEA.
- 19% des répondants en France s'attendent à atteindre le seuil de rentabilité ou à enregistrer une perte sur les projets d'IA générative au cours des 1 à 3 prochaines années, ce qui est inférieur à la moyenne de 27% (Q13) dans la région EMEA.
Ces données mettent en évidence une tendance importante dans le pays : plus les projets d'IA générative sont mis en œuvre sur le long terme, plus les répondants en France sont confiants dans leur capacité à réaliser des gains faibles, modérés ou importants. Cet optimisme à long terme concernant le succès de l'IA générative et, in fine, le ROI est significatif pour deux raisons. Tout d'abord, cela montre que les décideurs français sont déterminés à mesurer le succès financier des projets d'IA générative sur plusieurs années, et ne cherchent pas seulement des gains rapides dans les 12 prochains mois. Ensuite, cette stratégie à long terme permettra de gérer les revers et les ajustements. De nombreux projets d'IA générative se heurteront à des obstacles de mise en œuvre et de fonctionnement. Une approche à long terme laissera la place à l'échec et à la réévaluation et, en fin de compte, réduira le taux d'abandon des projets.
30%
prévoient de clôturer le bilan des projets de GenAI avec un seuil de rentabilité ou une perte au cours de la prochaine année (Q13).
Résumé des conclusions
pays : France
La conteneurisation des applications est appelée à se généraliser en France, tous les répondants du pays (100 sur 100) déclarant que leur entreprise s'est au moins engagée dans le processus de conteneurisation des applications (Q2). Cette tendance pourrait s'expliquer par le fait que 99% des répondants en France conviennent que leur entreprise retire des avantages de l'adoption d'applications et conteneurs cloud-natifs (Q25). Cette perception positive de la conteneurisation est un catalyseur de changement immédiat, 29% des répondants en France déclarant que toutes les nouvelles applications sont conteneurisées (Q2).
Si l'adoption de la conteneurisation en France va dans la bonne direction, il reste des défis à relever. Par exemple, un cinquième des répondants en France estiment qu'ils ne possèdent pas les compétences nécessaires pour prendre en charge les applications et conteneurs cloud-natifs (Q24). Par ailleurs, 85% des répondants en France considèrent que leur infrastructure informatique actuelle nécessite au moins une amélioration modérée pour prendre pleinement en charge les applications et conteneurs cloud-natifs, ce qui est supérieur à la moyenne de la zone EMEA, qui est de 79% (Q23). Il est clair que des efforts supplémentaires sont nécessaires, tant sur le plan du personnel que de la technologie, pour accélérer les taux d'adoption des conteneurs en France.
Les indicateurs d'adoption de l'IA générative sont également bons, 90% des répondants en France indiquant que leur entreprise a déjà mis en place une stratégie d'IA générative, tandis que 10% déclarent qu'ils en sont aux premières étapes de l'élaboration de leur stratégie (Q9). Fait impressionnant, 57% des répondants en France déclarent qu'ils déploient activement leur stratégie d'IA générative. Ce taux d'implémentation est supérieur à la moyenne mondiale, à 55%, et à la moyenne EMEA, à 54% (Q9). En ce qui concerne les applications et charges de travail déployées aujourd'hui, 57% des répondants en France déclarent utiliser des solutions d'assistance et d'expérience client basées sur l'IA générative (par exemple, des chatbots), tandis que 52% affirment utiliser des applications de cybersécurité, de détection des fraudes et de prévention des pertes basées sur l'IA générative (Q8).
Malgré des niveaux apparemment élevés de mise en œuvre de stratégies et de déploiements de solutions d'IA générative, les entreprises françaises notent un certain nombre de défis et d'obstacles potentiels concernant le développement et le déploiement de solutions d'IA générative, notamment:
- 95% des répondants en France admettent qu'ils sont confrontés à des difficultés lorsqu'ils font évoluer les charges de travail de l'IA générative du développement à la production, le problème numéro 1 étant la visibilité du coût de possession/retour sur investissement (ROI) (Q19).
- 95% des répondants en France s'accordent à dire que l'IA générative bouleverse les priorités de leur entreprise, la sécurité et la confidentialité devenant des priorités plus importantes (Q25).
- 98% des répondants en France conviennent également que leur entreprise pourrait faire davantage pour renforcer la sécurité de ses modèles et applications d'IA générative (Q25).
- La principale difficulté rencontrée par les entreprises françaises pour exploiter l'IA générative ou en étendre l'utilisation est la question de la confidentialité et de la sécurité en cas d'utilisation de données d'entreprise sensibles par les LLM (Q26).
- La deuxième difficulté rencontrée par les répondants en France en ce qui concerne l'utilisation de l'IA générative est le manque de cas d'utilisation (Q26).
Ce rapport présente plusieurs de ces résultats au niveau national plus en détail et les compare aux résultats mondiaux et régionaux pour les mettre en contexte.
Pour la septième année consécutive, Nutanix a commandité une étude mondiale pour connaître l'état des déploiements cloud dans les entreprises dans le monde, les tendances en matière de conteneurisation des applications et l'adoption des applications d'IA générative. À l'automne 2024, le cabinet d'étude britannique Vanson Bourne a interrogé 1 500 décideurs en informatique et en ingénierie DevOps/plateforme dans le monde entier. L'échantillon de répondants couvrait plusieurs secteurs d'activité, différentes tailles d'entreprises et les zones géographiques suivantes : l'Amérique du Nord et du Sud ; l'Europe, le Moyen-Orient et l'Afrique (EMEA) ; et la région Asie-Pacifique-Japon (APJ).
Le présent rapport complète les résultats mondiaux de la 7e édition annuelle de l'Enterprise Cloud Index (ECI) et met en évidence les principaux résultats d'enquêtes menées auprès de 100 professionnels de l'informatique en France. Il met également en évidence les différences entre les résultats obtenus en France et ceux obtenus dans le reste de la région EMEA et les moyennes mondiales.
Les considérations de confidentialité et de sécurité des données liées à l'IA générative vont freiner la mise en œuvre et l'expansion de ces technologies en France.
Les résultats de l'enquête ECI de cette année mettent en évidence certaines des complications concrètes associées aux exigences réglementaires et de conformité de l'IA générative, un problème qui est souvent exacerbé dans des pays comme la France en raison des exigences croissantes du pays concernant la souveraineté et la localisation des données dans le cadre du cloud computing (par exemple, le RGPD).
Les résultats de l'enquête révèlent que 67% des répondants en France considèrent déjà que la confidentialité des données constitue un défi pour leur entreprise (Q7). L'ajout d'initiatives d'IA générative risque de compliquer encore davantage la gestion, la gouvernance et la sécurité des données. Interrogés sur les difficultés rencontrées pour exploiter les charges de travail d'IA générative ou en étendre l'utilisation, les répondants en France ont cité en premier lieu la question de la confidentialité et de la sécurité en cas d'utilisation de données d'entreprise sensibles par les LLM (Q26) (voir la Figure 6).
Difficultés rencontrées pour exploiter les charges de travail d'IA générative ou en étendre l'utilisation aujourd'hui (Q26)
Préoccupations en matière de confidentialité et de sécurité liées à l'utilisation de données sensibles de l'entreprise par les LLM
Complexité et manque d'expertise pour créer un environnement d'IA générative à partir de zéro
Manque de cas d'utilisation de l'IA générative
Aucun des éléments ci-dessus ne pose/pourrait poser de difficultés
Tous les éléments ci-dessus posent/pourraient poser des difficultés de même importance
Monde
EMEA
France
Figure 6: Difficultés rencontrées pour exploiter les charges de travail d'IA générative ou en étendre l'utilisation aujourd'hui (Q26)
Remarque : les réponses qui sont arrivées en tête sont affichées
Les préoccupations en matière de sécurité et de confidentialité des données apparaissent encore plus clairement lorsque 96% des répondants en France estiment que la confidentialité des données est/serait une priorité pour leur entreprise lors de la mise en œuvre de l'IA générative (Q25).
Comme dans de nombreux pays étudiés cette année, la sécurité et la confidentialité des données sont des obstacles à la mise en œuvre de l'IA générative au sein des entreprises françaises. Ces défis peuvent potentiellement être surmontés/atténués par des investissements continus dans la modernisation des infrastructures informatiques et les compétences du personnel, une recommandation relayée par les répondants. Pour preuve, 87% des décideurs en France déclarent que leur infrastructure informatique actuelle nécessite des améliorations au moins modérées pour assurer pleinement la sécurité des données (Q23). Parallèlement, la formation informatique et la cybersécurité figurent en tête des domaines dans lesquels il est nécessaire d'investir pour améliorer la prise en charge de l'IA générative (Q17).