L’adoption de l’intelligence artificielle par les entreprises progresse plus rapidement que l’infrastructure nécessaire pour la soutenir. Une nouvelle étude commandée par Cloudera révèle que 95 % des organisations interrogées ont retardé ou annulé un projet d’IA au cours de la dernière année en raison de problèmes liés à la gouvernance des données, à la conformité réglementaire ou à la réglementation. Les résultats indiquent un changement moins visible que la course aux GPU : de nombreuses entreprises doivent repenser l’architecture sur laquelle elles stockent, gouvernent et font évoluer leurs données.

Les clés de la restructuration de l’IA d’entreprise en 30 secondes

• 95 % ont retardé ou abandonné des initiatives d’IA en raison de défis en matière de gouvernance, de conformité ou de réglementation.
• Un 72 % considère que leur architecture data nécessite des modifications majeures pour répondre aux besoins futurs en IA.
• 84 % déclarent que les charges d’IA ont augmenté leurs coûts d’infrastructure.
• 66 % ont déplacé des charges du cloud public vers le cloud privé ou leur infrastructure interne.
• L’étude a interrogé 1 500 professionnels spécialisés en architecture, cloud et gestion des données dans neuf marchés, y compris en France, en Espagne et ailleurs.

Les chiffres proviennent de The Great AI Re-Architecture, une enquête menée par Wakefield Research pour Cloudera auprès de responsables techniques de grandes organisations. La recherche s’est déroulée du 5 au 22 juin 2026 en Amérique du Nord, en Europe, en Amérique Latine, en Afrique du Sud, en Asie et en Inde, notamment en Espagne.

Il est important d’interpréter ces pourcentages avec précaution. Cela ne signifie pas que 95 % de toutes les entreprises dans le monde ont suspendu leurs projets d’IA, mais que cette proportion des 1 500 professionnels interrogés a déclaré avoir vécu des retards ou des annulations pour ces raisons.

Malgré cette prudence, ces résultats corroborent ceux d’une autre étude publiée par Cloudera en avril, où près de 80 % des responsables IT mentionnaient que leurs initiatives en matière de données et d’IA étaient freinées par des difficultés d’accès à l’information à travers différents environnements.

Le vrai problème de l’IA d’entreprise n’est plus seulement la disponibilité des GPU

Ces deux dernières années, la majorité des discussions sur l’infrastructure pour l’IA se sont concentrées sur les accélérateurs, les centres de données et l’alimentation électrique. Cependant, une entreprise peut disposer d’une puissance de calcul suffisante et continuer à rencontrer des difficultés pour déployer un système d’IA en production.

Le problème se situe à un niveau plus profond.

En effet, les données d’entreprise sont souvent éparpillées entre bases de données traditionnelles, applications SaaS, stockage d’objets, data lakes, systèmes hérités, différents fournisseurs cloud, centres de données internes et dispositifs en périphérie (« edge »).

Une preuve de concept peut fonctionner avec un volume limité de ces données. Mais pour passer à la production, il faut déterminer qui peut accéder à chaque type de donnée, où elle peut être traitée, pour combien de temps elle doit être conservée, et quelles données un modèle peut réellement utiliser.

C’est là que apparaissent les limites des architectures conçues initialement pour l’intelligence d’affaires, l’analyse classique ou les applications transactionnelles.

Selon cette nouvelle étude, 75 % des participants affirment que l’intégration de l’IA a déjà modifié leurs pratiques de stockage et d’architecture des données. Par ailleurs, 84 % ont constaté une augmentation des coûts d’infrastructure liés à ces charges supplémentaires.

Il n’est donc pas étonnant que 72 % considèrent nécessaire une refonte majeure de leur architecture pour répondre aux besoins futurs.

Cloudera qualifie ce phénomène de The Great AI Re-Architecture. Bien que ce terme provienne de la stratégie commerciale de l’entreprise, il décrit un phénomène technologique reconnu : ajouter un modèle d’IA à une infrastructure existante ne suffit pas toujours à bâtir une plateforme d’IA véritablement d’entreprise.

Déjà plusieurs mois auparavant, Cloudera mettait en garde contre le fait que les premiers expérimentations en IA se faisaient souvent sur des environnements de données fragmentés, dépourvus de gouvernance et de sécurité adaptées pour une opération à grande échelle.

Le stockage hybride revient au centre de l’architecture

Une des constatations les plus intéressantes concerne la localisation d’exécution de ces charges.

66 % des répondants ont indiqué avoir déplacé ces dernières années des charges d’IA depuis des clouds publics vers des clouds privés ou une infrastructure interne.

Ce déplacement ne signifie pas pour autant un retrait systématique du cloud public.

Au contraire, les entreprises continuent d’utiliser plusieurs environnements et de faire circuler l’information entre eux. 97 % des participants assurent que leurs données transitent entre différentes infrastructures au moins une fois par mois.

Ce qui émerge, c’est une architecture plus répartie.

Certaines charges sont plus adaptées à des environnements hyperscalaires, pour leur élasticité et leur disponibilité immédiate d’accélérateurs. D’autres conviennent mieux à une infrastructure dédiée, lorsqu’elles nécessitent une utilisation constante, un traitement de gros volumes de données, ou sont soumises à des contraintes de souveraineté, de sécurité ou de conformité réglementaire.

De plus, cette répartition peut évoluer au cours du cycle de vie d’un projet. Il devient techniquement possible de former ou d’expérimenter dans un environnement, puis d’effectuer l’inférence dans un autre, à condition que les plateformes de gestion des données et des modèles assurent une interopérabilité suffisante.

C’est pourquoi le concept de « hybride » ne doit pas simplement impliquer le maintien de serveurs internes combinés à l’utilisation d’AWS, Azure ou Google Cloud.

Le vrai défi consiste à mettre en place des politiques cohérentes d’identité, de sécurité, de catalogage, de gouvernance et d’accès aux données, quel que soit l’endroit où s’exécute chaque charge.

Cloudera a un intérêt commercial direct dans cette tendance, sa plateforme étant précisément conçue pour combiner centres de données et environnements cloud. L’entreprise a annoncé en avril de nouvelles fonctionnalités visant à étendre la capacité locale vers le cloud et à partager des tables Apache Iceberg sans dupliquer les données.

Il est important de garder cette position à l’esprit lors de l’analyse de l’étude.

Mais cela ne résout pas tous les problèmes identifiés.

Le gouvernance des données devient une infrastructure d’IA

Ce chiffre probablement le plus frappant du rapport n’est pas directement lié aux serveurs.

73 % des répondants estiment que l’IA a complexifié la gouvernance des données, et 55 % déclarent avoir retardé ou annulé plus de six projets au cours des douze derniers mois pour des raisons de gouvernance, conformité ou réglementation.

Cela modifie considérablement la conception de ce que signifie être « prêt pour l’IA ».

Posséder un compte d’entreprise sur un fournisseur d’IA, avoir accès à des GPU ou une équipe capable de développer des applications ne garantit plus qu’un projet pourra être déployé sur des données d’entreprise réelles.

Une organisation doit savoir précisément quelles données elle utilise, leur provenance, les autorisations, ce que le modèle peut recevoir comme entrée, et ce qu’il advient des résultats.

De plus, l’IA générative complique cette situation, car elle travaille souvent avec des données non structurées : documents, e-mails, conversations, images, enregistrements, fichiers PDF ou dépôts de code.

Le défi s’accroît encore avec les architectures RAG (Retrieval-Augmented Generation), les agents et outils capables d’interroger des systèmes d’entreprise. Le modèle ne se limite plus à un dataset préalablement préparé, mais doit consulter différentes sources en temps réel.

Plus un agent peut utiliser d’outils, plus il devient crucial de maîtriser son identité et ses permissions.

Les résultats du Data Readiness Index de Cloudera illustrent cette contradiction : bien que de nombreuses entreprises aient confiance en leurs données, moins d’une cinquième d’entre elles affirme que leurs données sont complètement gouvernées.

Le déplacement constant des données n’est pas sans coût

L’étude soulève aussi la question économique.

Si 97 % des entreprises déplacent des données entre environnements au moins une fois par mois, une simple analyse des coûts GPU ne suffit plus pour évaluer l’infrastructure IA.

Le transfert de gros volumes de données engendre des coûts en réseau, stockage, réplication et opérations. Il peut aussi introduire de la latence et créer des copies supplémentaires qui nécessitent leurs propres contrôles de sécurité et gouvernance.

Dans certains cas, il peut être plus judicieux d’apporter le modèle aux données plutôt que de déplacer continuellement les données vers le modèle.

Cette approche est particulièrement pertinente dans les secteurs manipulant d’énormes quantités d’informations ou soumis à de strictes contraintes réglementaires.

Par exemple, en télécommunications, une étude publiée par Cloudera en juin dernier indique que 90 % des responsables interrogés ont rencontré des limitations opérationnelles dues à la performance de leur infrastructure, malgré leur connaissance de l’emplacement de leurs données.

Le problème ne réside pas seulement dans la localisation des données, mais aussi dans la capacité à y accéder efficacement, à appliquer des politiques adéquates et à assurer la viabilité économique de ces accès.

La prochaine étape de l’IA d’entreprise sera moins perceptible

Si la première phase de l’IA générative a été surtout centrée sur les modèles, l’arrivée des GPU et des centres de données pour le calcul et l’entraînement, la prochaine étape sera bien différente : réorganiser toute une infrastructure technologique pour permettre à ces modèles de travailler avec des données d’entreprise réelles.

Cela implique la modernisation des data lakes, la réduction des silos, la création de catalogues, la gestion des identités, l’observabilité, la révision des réseaux, la détermination des lieux d’exécution de l’inférence, et la gestion de la sortie des données dans chaque infrastructure.

Il faut également remettre en question une idée répandue lors des premiers mois de l’IA générative : que connecter un modèle puissant à des données d’une entreprise suffisait à générer de la valeur.

En production, des exigences apparaissent et ne peuvent pas être ignorées, même si une simple démonstration ne les révèle pas toujours.

L’étude de Cloudera illustre cette différence entre expérimentation et opération à grande échelle : 77 % des organisations interrogées utilisent déjà l’IA, mais une majorité pense que leur architecture doit évoluer en profondeur.

Le vrai frein ne réside pas forcément dans l’adoption d’un modèle plus avancé, mais dans la capacité à rendre ses données accessibles, gouvernables et exploitables à travers différents environnements sans en perdre le contrôle.

Questions fréquemment posées

Les 95 % d’entreprises ont-elles réellement arrêté leurs projets d’IA ?

Les 95 % des professionnels interrogés par Cloudera ont indiqué que leur organisation avait retardé ou annulé des initiatives au cours de l’année écoulée en raison de difficultés liées à la gouvernance des données, à la conformité ou à la réglementation. Il s’agit d’un échantillon spécifique et cette statistique ne doit pas être automatiquement extrapolée à toutes les entreprises.

Pourquoi déplacer des charges d’IA depuis le cloud public ?

66 % des répondants ont déclaré avoir migré certaines charges vers des clouds privés ou leur infrastructure interne. Les facteurs influant sur cette décision incluent le coût, la performance, la gouvernance, le contrôle des données et les exigences réglementaires.

Les entreprises abandonnent-elles le cloud ?

Pas forcément. Les résultats illustrent plutôt une architecture hybride : cloud public, privé, data centers et edge utilisés en fonction des besoins spécifiques de chaque charge.

Combien d’entreprises ont participé à l’étude ?

Wakefield Research a mené cette enquête pour Cloudera auprès de 1 500 architectes d’entreprise, responsables d’infrastructure cloud et architectes de données dans neuf marchés, dont l’Espagne, entre le 5 et le 22 juin 2026.

source : Cloudera