La fatigue liée à l'intelligence artificielle touche les équipes de développement, confrontées à une pression constante pour évaluer une multitude de nouvelles tendances et d'outils d'IA. Cette situation s'aggrave par la nécessité de gérer le code généré par l'IA aux côtés des systèmes existants, créant un sentiment de perte de contrôle similaire aux vagues technologiques précédentes, mais accéléré par la progression rapide des grands modèles de langage.
Une majorité d'experts en technologie, près de trois quarts, ressentent une pression significative pour explorer chaque nouvelle tendance en IA malgré des ressources limitées. Pour y faire face, il est conseillé de comprendre l'objectif métier derrière l'adoption d'une technologie d'IA, plutôt que de viser la maîtrise de chaque outil. Il est également acceptable d'admettre son ignorance d'un outil spécifique et de privilégier une veille générale des tendances pour sélectionner plus tard des outils prometteurs.
De plus, plus de la moitié des leaders technologiques éprouvent des difficultés à évaluer de manière cohérente les technologies d'IA selon des critères de gouvernance, de sécurité et opérationnels. Une approche consiste à appliquer les cadres d'évaluation existants pour les fournisseurs de services technologiques, notamment en matière de gestion des données et de conformité. Des tests à faible risque, tels que des études pilotes courtes dans des environnements isolés et avec des données simulées, permettent de comprendre le comportement, le coût et les compromis d'un outil avant une éventuelle adoption à plus grande échelle.
