L’AI est facile. L’impact est difficile.
Malgré des investissements records et un déploiement généralisé, l’écart entre l’adoption de l’AI et la réelle valeur d’affaires s’élargit, et les dirigeants qui pilotent ces programmes peinent à suivre le rythme.
The AI Impact Imperatives, 2026 est notre rapport sur le marché de l’AI en entreprise, fondé sur les perspectives de 467 dirigeants seniors au sein d’organisations G2K dans 10 pays.
La recherche permet de comprendre précisément pourquoi l’impact de l’AI est plus difficile que son adoption, où les programmes échouent et ce que font différemment les organisations qui comblent cet écart.
Highlights
L’AI a dépassé le stade de l’expérimentation et est désormais intégrée aux opérations TI, au développement logiciel et aux environnements physiques, l’AI agentique devenant une couche fondamentale au sein des architectures technologiques d’entreprise.
La croissance du marché continue de surpasser presque toutes les autres catégories d’entreprise, renforçant le rôle central de l’AI dans la compétitivité future.
La question a évolué. Il ne s’agit plus de savoir s’il faut adopter l’AI. Il s’agit de comprendre pourquoi, à ce niveau d’investissement, l’impact ne suit pas le rythme et ce qu’il faudra pour combler cet écart.
Les dirigeants d’entreprise sont de plus en plus frustrés par la lenteur avec laquelle les TI livrent des initiatives d’AI à fort impact. Inversement, les responsables des TI s’inquiètent toujours des risques liés à l’adoption non supervisée ou fragmentée par les équipes d’affaires.
La tension va bien au-delà d’un simple désalignement entre les TI et l’entreprise. Au niveau du conseil d’administration, l’échec des initiatives d’AI est systématiquement sous-estimé, tant en fréquence, qu’en risque et en conséquences financières lorsqu’une erreur se produit. Cette zone aveugle prive les organisations de l’occasion de prendre les devants.
Perspectives de nos clients
Nous n’avons fait qu’effleurer le potentiel de l’AI. Les possibilités sont infinies. Le principal obstacle dans la chaîne de l’innovation sera la capacité humaine à imaginer.»
Kanda Natarajan
Vice-président TI
GSK
Au final, seulement trois indicateurs comptent en affaires : les revenus, les coûts et les risques. Si un fournisseur ne peut pas expliquer clairement l’impact qu’a une solution sur au moins un de ces éléments, tout le reste n’est que du bruit.»
Corrado Azzarita
CIO mondial
The Kraft Heinz Company
Automatiser les mauvaises applications ou les mauvais processus détruit la valeur ; les services applicatifs doivent miser sur une modernisation pragmatique axée sur de réels impacts d’affaires, et non sur une automatisation uniquement guidée par la technologie.»
Michael Löchle
Conseiller exécutif auprès du chef numérique et du chef de la sécurité
Hitachi, Ltd.
L’adoption de l’AI s’accélère rapidement, et ASML prévoit intégrer l’AI dans toute la TI cette année, mais il faudra gérer prudemment les risques liés à la sécurité et au contrôle des exportations.»
Sven van Lieshout
Vice-président TI
ASML
L’AI entraînera une transformation majeure en affaires, pas seulement en TI, mais le succès dépend de la collaboration étroite et intégrée entre les équipes internes et les partenaires.»
Dimitri Van Dyck
Directeur
Stratégie et gouvernance TI
Achmea
Les impératifs d'impact : Combler l'écart entre ambition et impact
La bonne fondation
La bonne gouvernance de l’AI
Les bons partenaires
Les impératifs d'impact
Les organisations générant un réel impact de l’AI ne traitent pas ces aspects comme des flux de travail distincts. Elles les abordent comme un seul programme. Celles qui ne le font pas sous-performent systématiquement par rapport à celles qui le font.
La bonne fondation. La bonne gouvernance. Les bons partenaires. En manquer un, et les deux autres ne vous sauveront pas.
La bonne fondation
Plus de la moitié des applications d’entreprise fonctionnent encore sur une architecture qui n’a jamais été conçue pour l’AI. Ce n’est pas une simple note de bas de page technique, c’est un plafond structurel qui limite ce qu’une initiative d’AI peut accomplir avant même d’atteindre l’échelle.
Parallèlement, seule une petite proportion d’organisations ont réussi à moderniser entièrement leur patrimoine de données, et ce malgré une reconnaissance généralisée du fait que la maturité des données est le principal facteur déterminant l’exactitude des modèles, l’évolutivité et la conformité à une AI responsable. La modernisation n’est pas une priorité future. C’est le prérequis essentiel pour un impact significatif.
La bonne gouvernance de l’AI
AI responsable s’impose à la fois comme un enjeu et un facteur de différenciation, les préoccupations liées à la sécurité et à la gouvernance figurant désormais parmi les principaux obstacles à l’adoption de l’AI d’entreprise. La majorité des organisations ont déjà retardé des déploiements en raison de ces enjeux, illustrant la complexité de concilier innovation et gestion des risques à grande échelle.
Cependant, la recherche révèle une réalité plus importante. Les organisations qui ont intégré une gouvernance dès le départ ne vont pas plus lentement, elles avancent plus vite, avec une plus grande confiance des parties prenantes et moins d’exposition. L’AI responsable, conçue dans l’architecture dès le premier jour, n’est pas une contrainte. C’est le fondement d’une échelle durable.
Les bons partenaires
Neuf organisations sur dix affirment que des partenaires externes comme les intégrateurs de systèmes accélèrent leur retour sur investissement. Mais la recherche met en lumière un aspect plus précis : le bon partenaire apporte des cas d’usage prévalidés, une reconnaissance des modèles intersectoriels et une responsabilité qui va au-delà du passage en production.
Leur influence est particulièrement manifeste dans des domaines avancés comme AI Agentique et AI physique, où les organisations ayant des partenaires expérimentés sont plus susceptibles de passer de l’expérimentation à la production. Dans ces environnements, le bon partenaire n’est pas un avantage. C’est la différence entre piloter et passer à l’échelle.
Perspectives de nos leaders
L’AI n’est plus seulement une initiative technologique; elle est devenue une réalité opérationnelle pour l’entreprise. Ce à quoi les leaders font face aujourd’hui, ce n’est plus de savoir si l’AI peut générer de la valeur, mais comment les organisations adaptent leurs structures, droits de décision et tolérance au risque pour suivre le rythme. La pression d’agir vite est bien réelle, mais sans un bon investissement dans les gens, à les aider à comprendre, à faire confiance à l’AI et à travailler efficacement avec elle, la rapidité peut aussi bien amplifier l’échec que le succès.
Vijay Guntur
CTO & Head of Ecosystems
HCLTech
Chaque initiative d’AI est fondamentalement une initiative de gestion du changement. La technologie échoue rarement. Ce qui échoue, c’est l’architecture humaine autour d’elle : les comportements, la confiance, la volonté de travailler différemment.
Jill Kouri
Global Chief Marketing Officer
HCLTech
Lorsque la moitié de votre parc applicatif a été développée avant que les exigences modernes de l’AI existent, vous ne faites pas que porter une dette technologique – vous fonctionnez sous un plafond de performance AI. La rupture survient lorsque l’on comprend que la même AI qui impose une infrastructure moderne est aussi le moyen le plus rapide de la bâtir. Ce qui prenait quatre ans peut maintenant prendre 12 mois ou moins.
Pawan Vadapalli
Corporate Vice President and Global Head
Digital Business Services
HCLTech
L’AI est désormais profondément intégrée à l’ingénierie, au développement de produits et aux opérations de fabrication. Cependant, comme le démontrent les données, les organisations qui ont le plus d’impact sont celles qui abordent l’AI comme une discipline de l’ingénierie, et non comme une simple expérimentation technologique. Cette rigueur permet de transformer les preuves de concept en systèmes à échelle, de niveau entreprise.
Hari Sadarahalli
Corporate Vice President and Global Head
Engineering and R&D Services
HCLTech
Nous entrons dans une phase où les entreprises seront définies par leur capacité à fonctionner et à évoluer de façon autonome. Ce futur ne sera pas alimenté par l’AI seule, mais par une fondation numérique qui réunit applications, données, cloud et sécurité pour créer des systèmes toujours intelligents, toujours adaptatifs et toujours actifs.
Jagadeshwar Gattu
President
Digital Foundation Services
HCLTech
AI physique : la prochaine frontière
Les trois impératifs ne s’arrêtent pas à la limite de l’environnement virtuel. La frontière la plus en émergence dans l’AI en entreprise est physique et les mêmes règles s’appliquent.
Alors que l’AI a déjà révolutionné les environnements virtuels, permettant aux systèmes intelligents d’analyser des données, de générer du code, de déployer et de mettre à l’échelle des actifs TI et d’interagir directement avec les utilisateurs d’applications : l’AI physique représente un bond dans le monde réel.
- 90 % des dirigeants d’entreprise affirment que l’AI physique sera essentielle dans trois ans, mais la plupart des organisations n’en sont encore qu’aux projets pilotes.
- Là où elle est en production, les résultats sont mesurables et significatifs : réduction des coûts de R-D, amélioration de la posture de sécurité, meilleure utilisation des ressources et augmentation du temps de disponibilité de la production.
- Les organisations qui s’appuient sur des partenaires expérimentés sont plus de deux fois plus susceptibles d’avoir l’AI physique en production et surperforment systématiquement pour chaque mesure de résultat. L’impératif des partenaires ne change pas. Il s’accélère.
Thought Leadership
Découvrez les dernières tendances et insights de nos leaders
Le rapport The AI Impact Imperatives, 2026 de HCLTech démontre que le succès de l’AI en entreprise dépend de la bonne base, de la bonne gouvernance de l’AI et des bons partenaires.
L’AI physique peut aider les entreprises à améliorer la productivité, la résilience et la performance opérationnelle, mais la réussite dépend de la combinaison à grande échelle de l’ingénierie, de l’OT, de l’IT et de l’AI responsable.
Les partenariats, les modèles de prestation reproductibles et la refonte des flux de travail deviennent essentiels pour faire passer l’IA de l’expérimentation à une valeur commerciale à l’échelle de l’entreprise
Alors que l’IA d’entreprise passe au déploiement essentiel aux missions, des solutions validées par l’industrie qui s’intègrent à l’ensemble des flux de travail seront essentielles pour réduire les défaillances, accélérer la mise à l’échelle et offrir un retour sur investissement
À mesure que l’IA s’intègre dans les flux de travail essentiels à l’entreprise, les organisations doivent associer le bon modèle à la bonne tâche tout en maîtrisant les coûts, les risques et la complexité
L’IA physique fait passer l’IA d’entreprise à des opérations concrètes, où des systèmes intelligents peuvent capter, décider et agir afin d’améliorer la sécurité, l’efficacité et la résilience
Australie
L’exécution est la principale contrainte dans les plus grandes entreprises australiennes. Malgré une forte ambition en matière d’AI et des investissements importants de la part des conseils d’administration et des dirigeants, les organisations ont de la difficulté à transformer cet élan en retombées tangibles à l’échelle de l’entreprise. Le rapport sur le marché de l’AI en entreprise, The AI Impact Imperatives, 2026, démontre que la valeur ne suit pas le rythme du déploiement.
Pour les dirigeants, la conclusion est claire. Le succès de l’AI ne dépend plus du lancement d’initiatives, mais de la réduction de l’écart entre le déploiement et la création de valeur.
Singapour
En dépit d’investissements importants et d’un leadership engagé, les organisations ont de la difficulté à transformer l’activité liée à l’AI en valeur constante et à l’échelle de l’entreprise.
Le rapport sur le marché de l’AI en entreprise, The AI Impact Imperatives, 2026, montre que les résultats restent souvent localisés plutôt que reproductibles à grande échelle.
L’écart se situe au niveau de la maturité d’exécution. Les modèles opérationnels, la gouvernance et les capacités de base n’évoluent pas au même rythme que l’ambition, ce qui limite l’impact durable. Ce résumé examine les points où l’exécution échoue et ce qu’il faut pour convertir l’ambition en matière d’AI en une valeur mesurable.
Technologie
Les organisations qui développent des solutions natives en AI et intègrent l’AI dans leurs produits existants renforcent les fondements nécessaires pour aider les clients à adopter et à mettre à l’échelle l’AI. Leur approche couvre l’investissement et la préparation à l’AI, l’AI responsable, la modernisation des infrastructures et les partenariats d’écosystème pour opérationnaliser l’AI et offrir des solutions aux clients finaux.
