Une nouvelle étude révèle que la couche de données IA de Denodo génère un ROI de 290 % et permet de déployer des agents 3 fois plus rapidement dans les entreprises
PALO ALTO, Californie, 21 oct. 2026 (GLOBE NEWSWIRE) -- Denodo, entreprise spécialisée dans les couches de données pour l’IA, a annoncé les résultats d’une étude indépendante approfondie menée par le cabinet de recherche Veqtor8. Intitulé « The ROI of an AI Data Layer for Agentic AI » (« Le ROI d’une couche de données IA pour l’IA agentique »), ce rapport révèle que le déploiement d’une couche de données IA gouvernée au sein des entreprises génère un retour sur investissement (ROI) de 290 % sur trois ans, permet de déployer les agents 3 fois plus rapidement et entraîne une réduction de 68 % des coûts d’exploitation de l’IA.
Alors que les entreprises passent de projets pilotes expérimentaux d’IA générative à des populations d’agents autonomes et semi-autonomes en production, l’accès fiable à des données d’entreprise actualisées, gouvernées et sémantiquement cohérentes est devenu un obstacle majeur. S’appuyant sur des entretiens approfondis avec des professionnels du secteur, des hyperscalers et des partenaires technologiques issus de grandes banques internationales, de groupes de télécommunications, de fabricants de produits chimiques et d’acteurs majeurs de la logistique, l’étude de Veqtor8 quantifie les avantages économiques et opérationnels de la mise en œuvre de la couche de données IA de Denodo, par rapport à des architectures fragmentées développées sur mesure.
Principales conclusions et impact économique
L’étude s’appuie sur un modèle financier composite représentant la taille moyenne des entreprises interrogées. Ce modèle passe de 100 agents en première année à 900 agents en troisième année, répartis sur 100 sources de données d’entreprise distribuées. Sur une période de trois ans, les principaux résultats quantitatifs sont les suivants :
- 2,9 fois plus de valeur commerciale générée par les initiatives d’IA : ce résultat englobe à la fois les coûts nets évités et la valeur commerciale totale créée.
- Déploiement des agents 3 fois plus rapide : les agents atteignent la production trois fois plus rapidement grâce à l’utilisation de produits de données préconçus et réutilisables, plutôt qu’au développement d’intégrations sur mesure pour chaque déploiement.
- Réduction de 68 % des coûts d’exploitation de l’IA : en acheminant directement les requêtes vers la couche de données IA et en filtrant les données avant leur ingestion par les modèles, le volume de contexte transmis pour chaque tâche passe d’environ 18 000 à environ 5 760 jetons. Les coûts de calcul diminuent dans des proportions similaires.
- Plus de 75 % des coûts d’intégration et de gouvernance évités : la solution élimine la prolifération des connecteurs et la multiplication incontrôlée des serveurs MCP, réduisant les coûts de maintenance de 79 % et les efforts consacrés à l’administration des politiques de 76 %.
Relever le défi de la prolifération des serveurs MCP
En l’absence d’une couche de données logique unifiée, les agents d’entreprise nécessitent des serveurs MCP (Model Context Protocol), des pipelines RAG (génération augmentée par récupération) et des contrôles de sécurité propres à chaque agent pour chaque source de données sous-jacente. Dans les secteurs réglementés, où un seul agent en production peut interagir avec 30 à 50 systèmes distincts, qu’ils soient hébergés dans le cloud, issus du SaaS, hérités ou opérationnels, cette approche entraîne d’importantes difficultés d’intégration et des vulnérabilités en matière de gouvernance.
« L’efficacité des agents dépend directement des données auxquelles ils peuvent accéder », a déclaré Andrew Milroy, analyste en chef chez Veqtor8 et auteur du rapport. « Connecter un système individuel est relativement simple, mais orchestrer des dizaines de systèmes pour créer un flux de travail cohérent et fiable, soumis à des politiques de sécurité uniformes, est extrêmement complexe. La couche de données IA de Denodo fait abstraction de cette complexité : les entreprises peuvent ainsi profiler les données une seule fois et réutiliser des produits de données gouvernés pour tous les agents autorisés à y accéder. »
« Les entreprises ne peuvent pas se permettre de choisir entre rapidité, gouvernance et maîtrise des coûts lorsqu’elles développent leurs usages de l’IA », a indiqué Alberto Pan, directeur de la technologie chez Denodo. « En unifiant l’accès aux données, leur sémantique et l’application centralisée des politiques à l’ensemble des environnements de données distribués, sans nécessiter de vastes opérations de déplacement des données, la plateforme Denodo fournit le socle indispensable à des agents d’IA fiables et adaptés aux exigences des entreprises. »
Disponibilité du rapport de recherche
Pour télécharger gratuitement le rapport complet de Veqtor8, intitulé « The ROI of an AI Data Layer for Agentic AI », veuillez consulter le site denodo.com.
À propos de Denodo
Denodo est une entreprise spécialisée dans les couches de données pour l’IA. Maintes fois primée, la plateforme Denodo alimente des agents et des applications fiables, en transformant les données d’entreprise en informations pertinentes pour l’analyse et le libre-service. Pour en savoir plus, consultez le site denodo.com.
À propos de Veqtor8
Veqtor8 est une plateforme indépendante de conseil et d’analyse spécialisée dans l’IA, la gestion des données, la cybersécurité et les infrastructures cloud. Veqtor8 aide les organisations à se préparer à l’IA, à optimiser leurs stratégies en matière de données et à renforcer leur résilience numérique grâce à des travaux de recherche indépendants et pratiques, des ateliers destinés aux dirigeants, des rapports et des présentations.
Contact presse
pr@denodo.com
Legal Disclaimer:
EIN Presswire provides this news content "as is" without warranty of any kind. We do not accept any responsibility or liability for the accuracy, content, images, videos, licenses, completeness, legality, or reliability of the information contained in this article. If you have any complaints or copyright issues related to this article, kindly contact the author above.
