Ali Ghodsi, cofondateur et PDG de Databricks, a un message pour les dirigeants qui investissent massivement dans les derniers modèles d'IA de pointe : la technologie n'est pas le goulot d'étranglement. Selon lui, le problème de la plupart des entreprises n'est pas que l'IA manque d'intelligence, mais qu'on ne lui a rien communiqué d'utile sur l'activité qu'elle est censée servir.

Lors d'une apparition sur Bloomberg Tech, Ghodsi a soutenu que la génération actuelle de modèles d'IA dépasse déjà ce que la plupart des entreprises peuvent pratiquement exploiter. L'écart entre ce que ces systèmes peuvent faire et ce que les entreprises en retirent réellement, a-t-il expliqué, tient à un facteur unique : le contexte.

Le paradoxe des 90 %

Ghodsi a cité un décalage frappant qu'il a observé en interrogeant son public lors de ses conférences de 2026. Seuls 10 % des répondants environ estiment que l'intelligence artificielle générale est arrivée. Pourtant, environ 90 % déclarent que les modèles d'IA qu'ils utilisent quotidiennement sont déjà plus intelligents que la plupart de leurs collègues.

« Nous n'avons pas besoin que l'IA devienne plus intelligente », a déclaré Ghodsi. « Il lui manque simplement du contexte. »

Le contexte qu'il décrit est ce qu'il appelle le « contexte d'entreprise » : les données propriétaires, le savoir institutionnel, les flux de prise de décision et la logique métier qui rendent les opérations d'une entreprise uniques. Autrement dit, les modèles sont à usage général ; l'ingrédient manquant est la connaissance spécifique à l'activité qu'ils ne peuvent pas connaître d'eux-mêmes.

L'argument de l'infrastructure de données

Databricks bâtit son activité en aidant les entreprises à organiser, gérer et activer leurs données. Sa clientèle comprend AT&T, Rivian, Adidas, Mercedes-Benz, Unilever, Virgin et Bayer.

Ghodsi a souligné que les entreprises doivent construire leur propre « contexte d'entreprise » et leur « ontologie » — une carte structurée des relations entre les données, les entités et les processus d'une entreprise — plutôt que de supposer qu'elles peuvent simplement acheter une solution d'IA clés en main. Dans son optique, l'investissement décisif en IA n'est pas l'accès à un modèle plus intelligent, mais le travail interne qui permet à un modèle d'agir selon le fonctionnement réel de l'activité. Dricks développe des outils conçus précisément à cette fin. Sa plateforme Genie, par exemple, se présente comme un moyen de capturer les données, décisions et flux de travail d'entreprise dont les systèmes d'IA ont besoin pour passer des démonstrations impressionnantes à l'automatisation réelle.

Il a ajouté que même si l'avancée de l'IA s'arrêtait complètement aujourd'hui, la plupart des entreprises disposeraient encore d'années de gains de productivité simplement en mettant leurs données existantes en ordre.

Une décennie de chirurgie organisationnelle

Selon l'estimation de Ghodsi, l'adoption complète de l'IA en entreprise pourrait prendre jusqu'à une décennie, même pour les entreprises centrées sur la technologie. Ce calendrier reflète la réalité selon laquelle intégrer l'IA dans une activité n'est pas une simple installation logicielle. Il s'agit d'un projet de réingénierie organisationnelle qui touche les processus, les rôles, les incitations et la culture.

Pour les entreprises qui évaluent cet argument, la question à court terme n'est pas de savoir quel modèle exploiter, mais à quelle vitesse leurs données peuvent être organisées, connectées et rendues utilisables par les systèmes d'IA. La manière dont les entreprises répartissent leurs dépenses en IA entre l'accès aux modèles et la préparation interne des données sera un indicateur de la montée en puissance de la vision de Ghodsi.

En septembre 2026, Ghodsi a continué de défendre ce message, faisant valoir que les entreprises devraient se concentrer sur les défis pratiques de l'IA plutôt que sur les risques existentiels.

Source : CryptoBriefing