Openai bat à nouveau des records en 2025. Mais derrière le buzz, près de la moitié de tous les projets d’IA d’entreprise sont abandonnés, selon un rapport récent.
Passez de la preuve de concept à une large adoption est la partie difficile. Cependant, les entreprises du SaaS, des FinTech, des communications et de la logistique poussent dans la création du succès des startups de l’IA – des outils spécifiques à l’industrie conçus à des fins.
En décembre dernier en décembre dernier, Flare a levé 30 millions de dollars pour lutter contre le vol de crédibilité. La startup SaaS suit les connexions volées sur les canaux Web sombres illicites en temps réel et réinitialise les mots de passe avant que les pirates puissent encaisser. L’industrie fintech a vu la plate-forme de prêt embarquée, Jifitti Launch Tap Now, Pays plus tard ™, un outil qui laisse tomber les fonds approuvés directement dans les portefeuilles numériques, éliminant la friction.
Pendant ce temps, dans la logistique, Transmetrics aide les petits opérateurs de fret – les 96% qui fonctionnent avec 10 camions ou moins et manquent de technologies d’entreprise – itinéraires et optimiser les flottes à l’aide d’une IA. Le fondateur Asparuh Koev le Tinge davantage, en utilisant des modèles de données pour lutter contre le coût du carbone du fret routier.
Les startups d’IA les plus efficaces ne réinventent pas les workflows; Ils les disparaissent. Ils alimentent les données extérieures et fournissent de la valeur en résolvant la friction dans des espaces ciblés.
Quand il s’agit de tirer parti de l’IA, voici quatre rappels pour que les fondateurs de startup puissent garder à l’esprit en 2025.
Invisible ux est roi
L’épuisement professionnel augmente rapidement – 69% des travailleurs déclarent le ressentir. Les dirigeants peuvent à peine planifier à l’avance lorsque chaque jour fait un nouveau jeu de boules de courbe. Les points de basculement pour la maturité technologique continuent également à rétrécir: les téléphones portables ont pris 18 ans pour aller grand public, le Web a pris 7, WhatsApp 3.5, Tiktok 9 mois – Tent Chatgpt l’a fait en seulement 2. Dès que le public ajoute à un système, un nouveau perturbateur prend. Pour une large adoption d’IA, les outils doivent s’adapter de manière transparente dans le quotidien existant des utilisateurs.
Le SaaS mène avec UX-Tirst Ai. Nate MacLeitch, PDG de Communications SaaS Provider, QuickBlox, exprime: «La meilleure IA n’est pas quelque chose que les utilisateurs – c’est quelque chose qu’ils ressentent. Un transfert plus lisse, un écran de moins pour basculer, une question de patient répondue avant qu’il n’atteigne la boîte de réception. L’adoption mince se produit lorsque la technologie s’écarte et laisse les gens se concentrer sur les soins.»
Les leaders fintech se confondment également avec des données très sensibles et hautement réglementées et des transactions moins de friction peuvent être les différentes en ce que un utilisateur complète un achat, renforce la confiance dans la marque ou abandonne complètement.
«Dans les prêts, le moment de la vérité est le deuxième long. Si un client frappe les frictions, vous les perdez», déclare Yacov Martin, PDG de Jifiti. « Le défi n’est pas seulement en train d’approuver le crédit, il incorpore cette décision de manière invisible dans la journée d’achat. Lorsque l’IA travaille dans les coulisses pour évaluer, approuver et déconcerter – sans interrompre l’expérience – c’est à ce moment que l’adoption monte en flèche. »
Les boucles de rétroaction en temps réel sont importantes
Au premier semestre de 2025 seulement, plus de 29 millions de personnes ont fait compromettre leurs données dans les violations des soins de santé. Ceci est un rappel brutal que lorsque les systèmes d’IA ne peuvent pas obtenir de rétroaction opportune dans des contextes critiques comme la cybersécurité, les soins de santé ou la fintech, ils présentent des marques à des dommages financiers et de réputation.
«En cybersécurité, le temps réel a été la base de référence», explique Mathieu Lavoie, PDG de Flare. «Au moment où une alerte est une odeur, une attaque pourrait déjà se déplacer latéralement. Si nous détectons les informations d’identification divulguées mais attendez d’agir, les dégâts sont causés. La valeur vient de ce qui se passe ensuite – confiant la menace, prendre des mesures et en apprendre. Cette rétroaction AI gagne son donjon.»
C’est une histoire similaire dans les soins de santé, où une communication retardée peut conduire à Miss Care, à du travail en double ou à la frustration des patients.
«L’IA peut générer des informations, mais si elles sont piégées dans un silo ou livrées trop tard, elles perdent un impact», ajoute MacLeitch. «L’IA ne fonctionne que lorsqu’elle reste en synchronisation avec les humains qui l’utilisent. Si un système signale un risque de patient mais que personne ne le voit à temps, vous venez d’automatiser un retard. Les commentaires en temps réel ne sont pas seulement une question de vitesse, il s’agit de soulever. Les équipes doivent voir, le moment est toujours important.»
Les préoccupations concernant la sécurité signifient également que l’adoption de l’IA est limitée dans les cas d’utilisation des entreprises et des entreprises. Les outils de productivité de l’IA comme Chatgpt sont souvent interdits en raison des préoccupations concernant la propriété intellectuelle et les données d’entreprise sensibles. Rajat Mishra, PDG de Prezent, estime que nous avons besoin d’un passage à des modèles spécialisés pour ces utilisateurs professionnels.
«Les modèles contextuellement intelligents peuvent également être formés sur des ensembles de données propriétaires sans compromettre la sécurité. Compte tenu de la vague de poursuites en matière de droit d’auteur contre OpenAI, Microsoft et autres, ce qui est crucial pour les entreprises qui gèrent des données sensibles», a-t-il expliqué.
Les données propriétaires construisent des douves
En 2025, seulement 12% des organisations affirment que leurs données sont d’une qualité et d’une accessibilité suffisantes à une utilisation efficace de l’IA de soutien. Pendant ce temps, 64% citent la qualité des données comme leur plus grande obstacle à l’utilisation de systèmes basés sur les données, et 67% admettent qu’ils font pleinement confiance aux données alimentant leurs décisions.
«L’IA standard ne peut aller que si loin. Ce qui sépare les startups AI qui créent un impact à partir de la sortie générique, c’est la qualité et l’unicité des données alimentant le système», commente Martin. «Dans toutes les industries, les entreprises ayant accès à des données profondes et spécifiques au domaine, ainsi que la capacité de la structurer, sont en mesure de former des modèles qui reflètent nouvellement les décisions en désordre et à enjeux élevés que prennent leurs entreprises.»
Cette distinction devient particulièrement claire dans des secteurs comme la logistique, où les connaissances opérationnelles sont profondes mais sont rarement capturées dans une forme structurée.
«Dans la logistique, nous avons juste besoin d’informations, nous avons besoin des bonnes informations, nettoyées et façonnées par le contexte», explique Asparuh Koev, PDG de Transmetrics. «Beaucoup de petits opérateurs de flotte connaissent leur entreprise à l’envers. Ils peuvent charger un camion rapidement que n’importe quel algorithme; ils connaissent chaque tour de l’itinéraire, les bizarreries de chaque client. Cette connaissance reste dans la tête des gens, mais c’est une nouvelle dans les antécédents de données, les journaux de carburant, les heures de chargement.
Les dernières adoptions d’IA visent encore plus larges, qui se présente parfaitement en conjonction avec les technologies rendant cette technologie plus accessible aux personnes. Pour JD Raimondi, le responsable de la science des données de Making Sense, une société de développement de logiciels de la Silicon Valley, a déclaré: «Cela, espérons-le, abaissera la barre pour l’adoption et l’utilisation de la technologie. L’un des grands succès de l’IA est que presque aucune compétence ne sera requise pour l’utiliser. Population, il est susceptible d’ouvrir des portes à un nouveau flot d’informations et de possibilités, pour répondre aux préoccupations sociales.»
L’économie de l’IA doit s’aligner sur la valeur
Pour que l’IA colle, il doit le lire est place dans les opérations quotidiennes et dans l’esprit de ses utilisateurs, une bataille qui devient plus difficile à gagner. Près de 47% des organisations du monde entier pilote actuellement des agents d’IA ou explorent de nouveaux cas d’utilisation, mais seulement 2% ont des déploiements entièrement mis à l’échelle. Cont contribué à l’écart est la confiance dans l’IA autonome, qui est passé de 43% à 27% dans le monde, soulignant la nécessité de prouver la valeur tôt et de gagner l’adhésion des utilisateurs.
«Les dirigeants doivent résoudre des problèmes que les équipes se soucient déjà et intégrent l’entraînement dans les routines quotidiennes sans les perturber. Dans des secteurs comme la logistique, où les marges sont pensées et chaque litre de comptes de carburant, il y a peu de patience pour l’expérience», ajoute Koev.
«Les gens ont fait don d’adoption de l’IA parce que c’est excitant, ils l’adoptent parce que cela permet d’économiser du temps, de l’argent ou des tracas d’une manière qu’ils peuvent se sentir bien», poursuit Koev. « Vous ne commencez pas par une grande vision de la transformation. Vous commencez par une victoire rapide. Cela pourrait être d’optimiser la capacité, de prédire les retards, de réduire les déchets, selon la qualité des données de votre entreprise, et vous créez la confiance à partir de là. Les équipes IFS n’apprécient pas tôt, la technologie l’a gagnée le mois dernier. »
L’approche de cette technologie devrait être simple: l’IA ne devrait jamais remplacer; Il doit être adopté pour améliorer les opérations et doit fonctionner en permanence sous la supervision et le jugement humain, Christian STRIVE, PDG et cofondateur de Fracttal, la plate-forme de maintenance intégrée de l’IA basée en Europe, dit: «Je crois que l’intelligence artificielle ne redéfinit pas ce qu’est l’intelligence, mais elle repense des relations avec elle.
Ce que nous voyons, c’est que le véritable bord n’est pas dans l’algorithme, c’est dans la façon dont il s’intègre tranquillement et efficacement dans le travail qui compte déjà. Les startups qui gagnent ne seront pas les plus bruyantes; Les succès des startups AI seront ceux qui résolvent de vrais problèmes avec les bonnes données et aux bons endroits.
Co-auteur de l’article d’Emily Singleton
Photo de crédit: Unplash
