La transformation numérique avec l’IA peut offrir divers avantages aux entreprises, allant des économies de coûts à l’amélioration de la prestation des services. L’amélioration de la productivité et de l’efficacité demeure l’avantage le plus souvent observé jusqu’à maintenant : deux tiers (66 %) des organisations déclarent avoir constaté des gains. Parmi les autres avantages mentionnés, on retrouve :

• L’amélioration des analyses et de la prise de décisions (53 %)
• La réduction des coûts (40 %) 
• L’amélioration des relations avec les clients (38 %) 
• L’amélioration des produits/services et la stimulation de l’innovation (20 %)
• L’augmentation des revenus (20 %)

La croissance des revenus demeure un objectif central : 74 % des organisations souhaitent accroître leurs revenus grâce à leurs initiatives en IA à l’avenir, comparativement à seulement 20 % qui y parviennent déjà. Ces données indiquent que l’IA est à un point d’inflexion et qu’elle s’apprête à offrir une gamme d’avantages allant bien au-delà de l’amélioration de l’efficacité et de la productivité. En définitive, la réussite en matière d’IA ne consiste pas uniquement à optimiser l’efficacité ou même à générer des revenus supplémentaires. Elle repose sur la capacité à créer une différenciation stratégique et à obtenir un avantage concurrentiel durable sur le marché.

Un tiers (34 %) des organisations sondées commencent à utiliser l’IA pour transformer en profondeur leurs activités – en créant de nouveaux produits et services ou en réinventant leurs processus et modèles d’affaires fondamentaux. Un autre tiers (30 %) repensent certains processus clés autour de l’IA. Le tiers restant (37 %) utilisent l’IA de façon plus superficielle, avec peu ou pas de changements aux processus existants. 
Bien que tous observent des gains en productivité et en efficacité, seul le premier groupe réinvente véritablement son organisation plutôt que d’optimiser l’existant. 
 
De plus, différents types de technologies d’IA entraînent des attentes différentes quant à l’ampleur et à la nature des retombées. 
 
IA générative : 
Les domaines de l’IA générativeque les dirigeants estiment avoir les retombées les plus importantes dans leurs secteurs sont : 

• La recherche et la gestion des connaissances
• Les assistants virtuels et les agents conversationnels 
• La génération de contenu 
   

IA agentique :
Bien que l’IA agentique soit perçue comme jouant le rôle le plus déterminant dans le soutien à la clientèle, les cas d’utilisation liés à la gestion de la chaîne d’approvisionnement, à la Recherche et Développement (R&D), à la gestion des connaissances et à la cybersécurité sont également considérés comme très prometteurs. Les entreprises que nous avons interrogées déploient déjà des agents autonomes d’IA dans diverses fonctions : 

• Une société de services financiers construit des flux de travail agentiques pour capter automatiquement les actions à entreprendre lors de vidéoconférences, rédiger des communications pour rappeler aux participants leurs engagements et assurer le suivi. 
• Un transporteur aérien utilise des agents d’IA pour aider les clients à effectuer les transactions les plus courantes  – comme la modification d’une réservation ou le réacheminement de bagages  – permettant ainsi aux employés de se concentrer sur des enjeux plus complexes. 
• Un fabricant utilise des agents d’IA pour soutenir des initiatives de développement de nouveaux produits, exploitant l’IA pour trouver le meilleur équilibre entre des objectifs concurrents tels que le coût et le délai de mise en marché. 
• Dans le secteur public, des agents d’IA sont utilisés pour pallier les pénuries de main-d’œuvre, travaillant de pair avec les employés humains pour compléter des processus clés. 
   
  

IA physique : 
Les applications de l’IA physique couvrent un large éventail de contextes industriels et commerciaux.  Parmi les cas d’utilisation les plus courants, on retrouve : 

• Les robots collaboratifs (« cobots ») sur les chaînes de montage 
• Les drones d’inspection avec capacités de réponse automatisée 
• Les bras robotisés pour la saisie et la manipulation d’objets 
• Les chariots élévateurs autonomes 
  
  

L’adoption est particulièrement avancée dans les secteurs de la fabrication, de la logistique et de la défense, où la robotique, les véhicules autonomes et les drones transforment déjà les opérations et créent de nouvelles possibilités d’automatisation. 

À mesure que l’IA passe de l’expérimentation au déploiement, la gouvernance devient l’élément déterminant entre une mise à l’échelle réussie et un ralentissement. Les organisations où la haute direction joue un rôle actif dans la gouvernance de l’IA dégagent une valeur d’affaires nettement supérieure à celles qui confient cette responsabilité uniquement aux équipes techniques. Une véritable gouvernance fait de la supervision le rôle de toutes et tous – en intégrant ces attentes dans les cadres d’évaluation du rendement afin que, plus l’IA exécute de tâches, plus les humains assurent une supervision active et éclairée. 

Les systèmes autonomes accentuent aussi les besoins en gouvernance des données et de la cybersécurité. Les organisations doivent définir où les humains doivent conserver le contrôle, comment les décisions automatisées seront vérifiées, et quels registres du comportement du système doivent être conservés. 

Sur le plan réglementaire, une gouvernance efficace s’intègre aux structures existantes de gestion des risques et de supervision, plutôt que de créer des fonctions parallèles ou « fantômes ». Elle vise à repérer les applications à risque élevé, à appliquer des pratiques de conception responsable et à assurer une validation indépendante lorsque nécessaire. Les organisations les plus avancées surveillent de manière proactive l’évolution des exigences légales et bâtissent des systèmes capables de démontrer leur sécurité, leur équité et leur conformité. 

En ce qui concerne les données, les architectures héritées ne peuvent pas soutenir une IA autonome ou en temps réel. À mesure que les capacités de l’IA s’étendent au‑delà des logiciels pour toucher les appareils, les machines et les environnements en périphérie, les organisations doivent évaluer si leurs fondations technologiques sont prêtes à soutenir de futurs déploiements d’IA physique. Les efforts de modernisation devraient mener à la création d’une « ossature IA vivante » – un système organisationnel en temps réel, capable de s’adapter dynamiquement aux changements d’affaires et réglementaires. 

Voici quelques idées clés présentées dans le rapport : 

• Les organisations chefs de file déploient des plateformes modulaires, infonuagiques et natives du nuage qui connectent, gouvernent et intègrent en toute sécurité tous les types de données. Elles éliminent les silos grâce à des produits de données détenus par les domaines et intègrent la confidentialité, la souveraineté et la sécurité dès la conception, tout en appliquant des normes organisationnelles en matière de qualité, d’interopérabilité et de traçabilité. 
• Une stratégie de données unifiée et fiable est indispensable. Les organisations tournées vers l’avenir convergent les flux de données opérationnelles, expérientielles et externes, et investissent dans des plateformes évolutives capables d’anticiper les besoins de l’IA émergente. 

Selon les dirigeants sondés, le principal obstacle à l’intégration de l’IA dans les flux de travail actuels demeure l’insuffisance des compétences des employés. Voici les principales façons dont les organisations ajustent leur stratégie de talents en matière d’IA : 
 

• Sensibiliser l’ensemble de la main-d’œuvre afin d’accroître la maîtrise générale de l’IA (53 %) 
• Concevoir et mettre en œuvre des stratégies de perfectionnement et de requalification (48 %) 
• Évaluer les besoins en acquisition de talents et recruter des spécialistes pour mener les initiatives en IA (36 %) 
• Redéfinir les parcours professionnels et les stratégies de mobilité de carrière (33 %) 
• Évaluer les changements anticipés dans l’offre et la demande de compétences (30 %) 
• Offrir des incitatifs à la performance pour encourager l’utilisation de l’IA (30 %) 
• Combiner ou repenser les structures organisationnelles en fonction des nouveaux modèles découlant de l’utilisation de l’IA (30 %) 
• Mesurer la confiance et l’engagement des employés (30 %) 
• Modifier l’équilibre entre employés à temps plein, contractuels et travailleurs autonomes (19 %) 

 
Bien que la majorité se concentre sur la formation, peu d’organisations repensent en profondeur les rôles, les flux de travail et les parcours de carrière. Les organisations les plus performantes réimaginent les emplois afin de combiner harmonieusement les forces humaines et les capacités de l’IA  – s’assurant ainsi que chaque dimension soit utilisée à son plein potentiel. De nouveaux rôles émergent : gestionnaires des opérations en IA, spécialistes de l’interaction humain‑IA, responsables de la qualité, et autres. Ils témoignent d’une transformation profonde : l’IA devient une composante structurelle de l’organisation du travail. Les organisations chefs de file simplifient les processus que l’IA peut exécuter de bout en bout, tandis que les humains se concentrent sur le jugement, la gestion des exceptions et la supervision stratégique. L’objectif n’est pas de remplacer les humains ni de simplement les assister, mais de créer des partenariats de travail complémentaires entre humains et IA  – où le résultat combiné dépasse ce que l’un ou l’autre pourrait accomplir seul. 
 
Les structures organisationnelles commencent à s’aplatir à mesure que l’IA prend en charge les tâches d’exécution. Certaines entreprises fusionnent les fonctions technologiques et les ressources humaines afin de faire évoluer simultanément les systèmes et la conception de la main-d’œuvre. Le rythme de la gestion du changement varie selon le secteur, mais la direction demeure la même : les rôles, les compétences et les parcours de carrière doivent être repensés, et non simplement ajustés.  En somme, les organisations doivent redéfinir le travail dans son ensemble, plutôt que d’ajouter l’IA à des processus existants.