L’adoption de l’IA s’accélère dans le secteur des télécommunications et les industries adjacentes, mais le panel au kiosque de HCLTech à Mobile World Congress 2026 a établi une distinction claire : les gains d’efficacité ne sont qu’un début. La réelle transformation s’opère lorsque l’IA cesse d’être simplement superposée aux systèmes existants et commence à remodeler le fonctionnement des entreprises en profondeur.

Animée par Dr. Saikat Chaudhuri, professeur, UC Berkeley, la discussion a réuni Loh John Wu, chef de l’exploitation chez Axiata Digital Labs ; Pavan Ramkishan Bachwal, chef des services mobiles financiers chez Ericsson et Hari Nair, vice-président principal et chef des partenariats stratégiques chez HCLTech. À travers leurs points de vue, une vérité commune s’est dégagée : la transformation native à l’IA concerne moins les outils que la refonte des données, des processus, de la culture et des modèles d’affaires.

Des gains de productivité à la croissance des revenus

Pour Wu, tout commence par des gains d’efficacité concrets. Au sein des équipes de développement d’Axiata Digital Labs, permettre aux ingénieurs d’utiliser AI afin de réduire la quantité de code rédigé a été porteur, l’organisation constatant « environ 20, 30 %... de gains d’efficacité » dans ses propres centres de développement. Ce saut de productivité, toutefois, n’est pas une finalité. Il s’agit d’une étape charnière.

L’impact stratégique réside dans la personnalisation et la croissance des revenus. Sur les marchés à faible ARPU en Asie du Sud-Est, l’accent a été mis sur la façon de hausser l’ARPU par des plans et produits plus ciblés. Wu cite le succès obtenu au Cambodge, où la personnalisation propulsée par l’IA a permis d’atteindre « presque 5 $ de plus… ARPU », une étape marquante pour un télécom asiatique.

Au-delà de la segmentation de la clientèle, Wu a expliqué comment l’IA démocratise la création de capacités elle-même. Ce qui avait débuté comme une place de marché d’API traditionnelle a évolué vers un modèle de création d’applications propulsé par l’IA, où « la prochaine version de ce produit… App Maker, est désormais propulsée par l’IA », permettant aux entreprises d’utiliser le langage naturel pour décrire ce qu’elles veulent bâtir.

Le natif à l’IA ne concerne pas que l’efficacité interne. C’est aussi la réduction des frictions afin que davantage d’acteurs de l’écosystème puissent créer et monétiser de la valeur plus rapidement.

Vitesse, sécurité et segmentation

Bachwal a abordé l’impact sous deux angles : les opérations internes et les services destinés à la clientèle.

Du côté opérationnel, l’IA a considérablement raccourci les cycles de correction. Des processus qui prenaient auparavant des semaines ont été transformés.

La sécurisation des vulnérabilités « prenait trois semaines », explique-t-il. Mais « maintenant, c’est trois jours ».

La modernisation comme effet papillon

Nair a ramené la conversation vers l’architecture d’entreprise. Un des changements de mentalité les plus puissants qu’il a observés chez les DSI passe par la modernisation des applications patrimoniales. Il est maintenant possible de compresser le calendrier d’un chantier de transformation pluriannuel « à l’aide de GenAI ». Cette accélération change l’économie et la faisabilité des programmes de modernisation.

La suite, avance-t-il, est un effet cascade. À mesure que les paysages applicatifs s’effritent, les opérations se simplifient, les écosystèmes de fournisseurs se réduisent et les infrastructures s’allègent. Il a qualifié cette dynamique « d’effet papillon », soulignant qu’une « simple modernisation d’application patrimoniale peut transformer le modèle d’exploitation au complet ».

Nair insistait cependant : le passage à l’échelle des capacités natives à l’IA dépend moins des outils que de la préparation organisationnelle. S’il y a un levier à privilégier, c’est la gestion du changement.

« Concentrez-vous sur la gestion du changement. C’est l’aspect unique qui facilitera l’adoption et le passage à l’échelle de l’IA. »

La technologie abonde, mais l’adoption exige confiance, adaptation et recul de la part des personnes.

Culture, confiance et changement de mentalité

Dans l’ensemble du panel, la culture est ressortie comme la principale contrainte.

Wu a réfléchi à la façon dont même les équipes non techniques doivent repenser leur mode de travail, évoquant comment la sensibilisation marketing se faisait manuellement alors qu’« on pourrait utiliser un agent IA » pour filtrer et prioriser l’engagement. Le défi n’est pas l’accès à l’IA, mais l’habitude.

Bachwal a évoqué la transition des effectifs : des ingénieurs chevronnés, riches de décennies d’expérience en programmation, doivent apprendre à intégrer l’IA sans craindre d’être remplacés, tandis que les nouveaux venus doivent maîtriser l’IA tout en consolidant leurs compétences fondamentales. Allier ces cultures est aussi crucial que de moderniser l’infrastructure.

Pour Nair, la transformation requiert un changement plus profond de la confiance. Si l’IA automatise la cognition et soutient la prise de décision, les dirigeants doivent accepter qu’elle occupe un rôle plus central. Sans cette acceptation culturelle, même les déploiements les plus raffinés resteront lettre morte.

Gouvernance, énergie et partenariat

Interrogés sur ce qui permettrait d’accélérer les progrès, leurs réponses ont bien montré à quel point la transformation native à l’IA est multidimensionnelle.

Bachwal a soulevé un enjeu d’infrastructure très concret : la transition des CPU vers les GPU et les répercussions sur les coûts et la consommation d’énergie. Le défi n’est pas simplement de « tout arracher et remplacer », mais de concevoir un modèle transitoire soutenable et compatible avec l’exécution de charges IA à grande échelle.

Wu a mis l’accent sur la gouvernance. Avec la prolifération des outils, modèles et plateformes, les organisations risquent la fragmentation. Les garde-fous – qu’ils prennent la forme de passerelles LLM ou de standards partagés – sont essentiels pour éviter que les équipes ne s’éparpillent et compromettent la simplicité à long terme.

Et Nair est revenu sur l’alignement de l’organisation. Même dans un monde de modèles puissants, la réussite dépend de la focalisation des dirigeants et du changement coordonné.

De l’efficacité à la réinvention

En conclusion, une synthèse claire s’est dégagée et Chaudhuri l’a bien résumée. L’industrie est à un tournant, mais il reste un important chemin à parcourir. L’IA a déjà démontré sa capacité à générer économies et gains de productivité. Mais l’objectif ultime est de passer de la réduction des coûts à la croissance des revenus, et de l’automatisation à la création de valeur inédite.

Surtout, le panel a rappelé que la technologie n’est pas la principale contrainte. Les modèles avancent vite. Les infrastructures évoluent. Les défis majeurs sont stratégiques et organisationnels : refondre les modèles d’affaires, remodeler les processus, harmoniser les écosystèmes et piloter le changement culturel.

Culture et mentalité sont revenus sans cesse comme les principaux obstacles. Sans conviction des dirigeants ni adhésion du personnel, même les déploiements IA les plus ambitieux échoueront. En même temps, la confiance ne se résume pas à une question d’éthique. Des données fiables, des systèmes robustes et une gouvernance solide sont des prérequis à toute prise de décision éclairée. Si les entreprises ne peuvent se fier aux résultats, elles hésiteront à intégrer l’IA à leur cœur d’activité.

Enfin, on ne passera pas à l’échelle en cherchant à tout transformer en même temps. Le progrès exige de la concentration : choisir quelques cas d’usage à fort impact, collaborer avec les bons partenaires, bâtir délibérément les écosystèmes et itérer avec discipline.

Les entreprises natives à l’IA n’émergeront pas du jour au lendemain. Mais celles qui dépasseront les expériences ponctuelles pour refondre les fondations, les modèles d’exploitation et les chaînes de valeur définiront la prochaine ère sur toutes les plateformes, réseaux et industries.