Principaux points à retenir

• L’AI est désormais incontournable : 87 % des organisations appliquent la GenAI ou l’Agentic AI dans les opérations TI, mais le taux d’échec moyen prévu pour les grands projets d’AI lancés au cours des 24 prochains mois est de 43 %. L’écart entre ambition et impact devient une question concurrentielle clé pour le commerce de détail et les produits de grande consommation (CPG).
• Les obstacles ne sont pas uniquement technologiques : Les applications patrimoniales, la fragmentation des données, la friction entre les fonctions, les écarts de compétences et les attentes mal alignées de la direction figurent parmi les obstacles structurels que les organisations doivent surmonter.
• Trois impératifs se démarquent : Moderniser les fondations, opérationnaliser l’AI responsable et choisir les bons partenaires. Les organisations qui travaillent avec des partenaires experts surpassent celles qui agissent seules en termes de rapidité, d’impact, de coûts et de maturité en AI physique, dont un taux de déploiement en production en AI physique plus de deux fois supérieur (54 % contre 26 %).

Quelque part en ce moment, un DSI du secteur du commerce de détail entre dans une salle de conférence avec une feuille de route pour l’AI sous le bras. Le conseil d’administration attend un retour sur investissement rapide. Le DSI sait que ce que suggère cette attente comporte plus de risques que ne le laisse entendre la feuille de route.

Le rapport d’HCLTech sur le marché de l’AI en entreprise, The AI Impact Imperatives, 2026, révèle que les répondants s’attendent à ce que 43 % des principaux projets AI lancés au cours des 24 prochains mois échouent finalement.

Ils présentent quand même la feuille de route. Et ils ont raison de le faire.

Pour comprendre pourquoi, souvenez-vous de la dernière fois où le secteur du commerce de détail a connu un changement d’une telle ampleur. Le commerce de détail a déjà connu une version de ce scénario. Cela s’appelait le commerce électronique.

Au tournant du millénaire, les détaillants s’empressaient de se doter d’une présence en ligne. Mais avoir un site Web n’était pas la même chose que bâtir une entreprise de commerce électronique viable. L’URL, c’était la partie facile. Ce qui était plus difficile, c’était tout ce qu’il y avait derrière : un inventaire fiable, une exécution capable de préparer des commandes à l’unité et un modèle de revenus et dépenses qui cessait de traiter les ventes en ligne comme un projet secondaire.

Les détaillants qui ont fini par créer un avantage durable ont fait plus qu’adopter le canal. Ils ont modifié leurs opérations autour de celui-ci.

L’adoption de l’AI n’est plus un facteur distinctif

Nos recherches indiquent que l’AI a atteint un moment similaire. L’adoption n’est plus le sujet :

• 87 % des organisations appliquent GenAI ou Agentic AI dans les opérations TI
• 86 % utilisent ces technologies dans le développement logiciel
• 79 % utilisent l’AI dans les environnements physiques et les opérations de production

Comme le dit le rapport, l’ubiquité est la norme, non le titre. La question n’est plus simplement qui possède l’AI, mais qui peut transformer une adoption généralisée en valeur commerciale mesurable.

Kristina Rogers, Chef de la croissance, commerce de détail, CPG et luxe chez HCLTech, met ce changement en perspective :

« Tout comme le commerce électronique a transformé le commerce de détail il y a une génération, l’AI redéfinit la façon dont les organisations opèrent, font concurrence et croissent. La prochaine génération de leaders sera définie non seulement par l’adoption de l’AI, mais par leur capacité à intégrer l’intelligence à l’échelle de l’entreprise et à transformer l’innovation en valeur commerciale mesurable. »

Et cette fois-ci, la transformation s’accompagne d’un retour sur investissement exigeant et rapide.

Les investissements en AI s’accélèrent

Dans l’ensemble des organisations sondées, la part moyenne des dépenses technologiques consacrées à l’AI devrait augmenter d’environ 32 % par rapport aux niveaux actuels au cours des 12 prochains mois. La proportion de répondants estimant que plus de 20 % de leurs investissements technologiques seront consacrés à des projets et initiatives en AI passe de 32 % au cours des 12 derniers mois à 48 % au cours des 12 prochains mois. 

Ce ne sont pas des fonds d’expérimentation. Il s’agit d’un changement important dans la manière dont les entreprises financent leurs priorités technologiques.

Ces investissements correspondent à une réalité opérationnelle concrète. AI agentique, c’est-à-dire des systèmes capables de raisonner, de planifier et d’exécuter des actions, réalise déjà des tâches en opérations TI selon 78 % des leaders TI interrogés, tandis que 59 % des responsables des opérations affirment qu’elle appuie les opérations de production. 

La recherche a révélé que 15 % des répondants affirment que 100 % des concurrents de leur secteur utilisent déjà des systèmes d’AI autonome pour des tâches hautement stratégiques. Si on inclut ceux qui s’attendent à cela d’ici 12 mois, ce chiffre atteint 77 %. 

En 2025, Omdia prévoit également que le marché des logiciels d’AI agentique passera de 1,5 milliard $ US en 2025 à 41,8 milliards $ US d’ici 2030. 

Vijay Guntur, chef de la direction technologique et responsable des écosystèmes chez HCLTech, résume ainsi la situation :

« L’AI est passée d’une initiative technologique à une réalité opérationnelle d’entreprise. Ce à quoi les dirigeants sont confrontés maintenant, ce n’est pas de savoir si l’AI peut générer de la valeur, mais la façon dont les organisations adaptent leurs structures, leurs droits décisionnels et leur tolérance au risque pour suivre la cadence. »

Dans le secteur du commerce de détail et des biens de consommation emballés, l’objectif de tous ces nouveaux investissements est clair. Corrado Azzarita, directeur mondial des TI de The Kraft Heinz Company, affirme :

« Au bout du compte, seulement trois mesures comptent en affaires : le chiffre d’affaires, les coûts et les risques. Si un fournisseur ne peut expliquer clairement comment une solution a un impact sur au moins l’un de ces éléments, tout le reste n’est que du bruit. » 

Les leaders doivent mieux comprendre les risques liés à l’AI

Nous avons demandé aux dirigeants responsables de faire avancer l’AI, incluant les chefs de l’AI, les chefs de l’information, les chefs de la technologie, les chefs des données et leurs équipes, dans quelle mesure leurs PDG et conseils d’administration comprennent ce que le leadership en AI exige.

• 87 % ont indiqué que leur PDG et leur conseil d’administration ont d’importantes lacunes dans leur compréhension du fait que l’AI comporte un niveau élevé de risque d’investissement et que toutes les initiatives ne porteront pas leurs fruits.
• 85 % ont déclaré que leur PDG et leur conseil d’administration doivent considérablement améliorer leur compréhension du fait qu’être un chef de file dans l’AI peut occasionner une pression sur la marge à moyen terme en raison des dépenses en capital.
• 83 % ont indiqué que leur PDG et leur conseil d’administration ne comprennent pas adéquatement que le sous-investissement dans l’AI pourrait faire courir un risque existentiel à l’organisation.

Ces constatations révèlent une lacune plus large dans la compréhension des dirigeants. Les leaders ont besoin d’une vision plus claire de ce qu’exige une adoption réussie de l’AI, y compris le risque d’investissement, des attentes réalistes en matière de rendement et les changements organisationnels nécessaires pour déployer l’AI à grande échelle.

La période médiane de retour sur investissement attendue pour les principales initiatives en AI est d’environ 18 mois.

Pour les entreprises du commerce de détail et des biens de consommation (CPG) qui gèrent des marges serrées, des pics saisonniers, des cycles promotionnels et une demande des consommateurs en constante évolution, cela pose une équation complexe : un délai de rendement agressif fixé par des dirigeants qui n’ont pas évalué les risques, jumelé à un taux d’échec moyen prévu de 43 % pour les principaux projets d’AI lancés au cours des 24 prochains mois.

Jill Kouri, directrice marketing mondiale chez HCLTech, identifie les causes qui peuvent expliquer ces échecs :

« Chaque initiative AI est, à sa base, une initiative de gestion du changement. Ce n’est que rarement la technologie qui échoue. Ce qui échoue, c’est l’architecture humaine qui l’entoure : les comportements, la confiance, la volonté de travailler différemment. »

Pour comprendre comment les organisations peuvent modifier les résultats, les dirigeants doivent aller au-delà des projets individuels et porter attention aux systèmes et aux personnes qui se trouvent entre le laboratoire et le marché.

Les fondations existantes freinent l’AI

C’est ici que les initiatives prometteuses en AI peuvent s’arrêter. Pas nécessairement dans le modèle lui-même, mais dans les systèmes vieillissants qui les relient.

Lorsque nous avons analysé ce qui limite l’adoption de l’AI, les principaux obstacles techniques n’étaient pas les modèles. Il s’agissait plutôt de :

• Vulnérabilités de sécurité propres aux systèmes d’AI (34 %)
• Défis d’intégration entre plusieurs systèmes d’AI (30 %)
• Qualité, quantité et accessibilité des données (29 %)
• Dette technique et difficulté de modernisation des applications existantes et des sources de données (28 %)

Une pénurie d’expertise interne en AI se classe plus bas, à 22 %.

Dans l’ensemble des fonctions sondées, les répondants estiment qu’environ la moitié des applications en production sont des applications existantes. La recherche a révélé que 96 % affirment que ces applications posent des défis tels que des coûts de gestion élevés, des limitations de performance, des problèmes d’intégration, des vulnérabilités de sécurité et des cycles de développement lents.

Seulement 21 % indiquent que leur parc de données est modernisé et opérationnel.

Pour le commerce de détail et les biens de consommation courante (CPG), les implications sont faciles à reconnaître : une plateforme de marchandisage installée il y a des décennies, un système de point de vente incapable d’échanger des données en temps réel, une plateforme de planification des ressources d’entreprise déconnectée des nouvelles applications ou des outils de promotion commerciale fonctionnant sur des informations fragmentées.

Le même problème peut survenir dans la prévision de la demande, les médias de détail, la planification des inventaires et les opérations de la chaîne d’approvisionnement. L’AI peut être capable d’agir en temps réel, mais elle ne peut pas prendre de bonnes décisions lorsqu’elle n’a pas un accès fiable aux données. Du côté des CPG, la détection de la demande peut manquer d’accès aux données des détaillants, tandis que les médias de détail peuvent être forcés de travailler avec des signaux obsolètes.

Rebâtir cette fondation a un coût. La recherche modélise le coût du travail pour une modernisation typique d’application à environ 807 000 $, basé sur une médiane de 8,5 développeurs équivalents temps plein et environ 39,5 semaines de travail. Le coût réel variera selon l’application, ses dépendances et la complexité de l’environnement.

Mais ne rien faire a aussi un coût : 52 % des organisations affirment qu’elles sont déjà désavantagées au niveau concurrentiel parce qu’elles ne peuvent pas moderniser leurs applications assez rapidement.

Pawan Vadapalli, vice-président principal et chef mondial, Services d’affaires numériques chez HCLTech, présente ainsi les enjeux et l’opportunité :

« Lorsque la moitié de votre parc applicatif a été construit avant l’émergence des besoins modernes en AI, vous ne portez pas seulement une dette technique, vous opérez sous un plafond de performance AI. Le changement s’opère lorsqu’on réalise que la même AI qui exige une infrastructure moderne est aussi le moyen le plus rapide de la bâtir. Ce qui prenait jadis quatre ans peut maintenant se faire en 12 mois ou moins. »

Ce lien entre la modernisation et l’AI devient important puisque les organisations tentent de mener ces deux démarches en parallèle.

Certains des plus grands obstacles à l’adoption de l’AI sont organisationnels

Les affaires et l’informatique tirent dans des directions différentes

• 62 % des répondants conviennent que les dirigeants d'entreprise sont frustrés par ce qu'ils perçoivent comme une lenteur dans la livraison des projets d'AI de grande visibilité par les TI 
• 68 % disent que les responsables TI s'inquiètent du fait que les équipes d'affaires font avancer des projets d'AI sans surveillance ni gouvernance adéquates 

Les deux préoccupations sont légitimes. Ensemble, elles peuvent engendrer un cercle difficile : les équipes d’affaires poussent vers l’avant parce qu’elles perçoivent la gouvernance comme un frein à la progression, tandis que les TI deviennent plus prudentes, car un déploiement non contrôlé augmente les risques.

Les préoccupations liées à AI responsable influencent déjà la prestation. 76 % des répondants affirment que leur organisation a fréquemment ou parfois retardé des déploiements d’AI en raison de préoccupations liées à l’AI responsable. 

Cependant, la recherche démontre aussi pourquoi la réduction de la gouvernance n’est pas la solution.

Et l’écart va bien au-delà de l’organigramme. La coordination interfonctionnelle (40 %) et la gestion du changement organisationnel ainsi que de la résistance (30 %) se classent toutes deux avant l’obtention d’un financement adéquat (26 %). Le rapport identifie également des écarts de compétences comme un obstacle, ce qui renforce la nécessité d’aborder les enjeux humains et le changement organisationnel parallèlement à la technologie.

Voici le point bas du récit. C’est aussi précisément là où les données se renversent.

Les organisations ayant des pratiques d’AI responsable très matures rapportent nettement moins de difficultés à équilibrer l’innovation en AI et les considérations éthiques que celles ayant des approches immatures : 24 % contre 41 %. 

Une bonne mise en œuvre de l’AI responsable ne fait pas que réduire les risques. Elle peut aider à créer la confiance requise pour déployer l’AI à plus grande échelle.

Pour les marques s’adressant aux consommateurs, c’est important. La personnalisation, la prise de décisions automatisée et les expériences clients intelligentes reposent toutes sur la donnée et la confiance. L’AI responsable peut devenir un facteur de différenciation concurrentielle, et pas seulement une fonction de conformité.

Trois impératifs pour améliorer les chances de succès

La prévision d’un taux d’échec de 43 % ne doit pas être interprétée comme un verdict contre l’AI elle-même. La recherche met plutôt en lumière des défis structurels liés aux fondations, à l’alignement d’affaires, à la gouvernance et à la préparation organisationnelle.

En agissant sur ces facteurs, les organisations sont mieux placées pour transformer l’adoption de l’AI en résultats mesurables.

Notre recherche met en lumière trois impératifs.

1. La bonne fondation

   Les organisations se tournent également vers l’AI pour le défi de modernisation lui-même.

   La recherche a révélé que 75 % des répondants affirment qu’ils compteront sur des outils d’AI pour débloquer la productivité et l’efficacité nécessaires à l’atteinte de leurs objectifs de modernisation des applications. Quatre répondants sur cinq s’accordent également à dire que les applications héritées comme les applications modernisées exigeront d’importantes réécritures pour répondre aux besoins de l’AI.

   Cela signifie que les dirigeants n’ont pas à traiter la modernisation et l’adoption de l’AI comme des priorités distinctes. L’AI peut contribuer à accélérer le développement de la fondation sur laquelle elle finit par reposer.

   Pour le commerce de détail et les biens de consommation, les retombées pourraient se manifester dans des domaines tels que la prévision de la demande reposant sur des signaux plus complets, des décisions d’inventaire plus réactives, et de l’intelligence en périphérie capable d’agir sur les données opérationnelles près de l’étagère, du magasin ou de l’usine.

2. La bonne gouvernance

   L’AI responsable doit passer des politiques à l’exploitation quotidienne.

   Les organisations dotées de pratiques très matures en matière d’AI responsable font état de moins de conflits entre innovation et considérations éthiques, ainsi que de moins d’enjeux liés à la responsabilité, à la transparence et aux politiques en matière d’AI responsable.

   Pour les organisations de vente au détail et de biens de consommation qui gèrent des données de consommateurs, d’employés, de produits et commerciales, cela peut faire de la confiance un véritable levier d’adoption de l’AI plutôt qu’un obstacle.

3. Les bons partenaires

   C’est l’un des constats les plus évidents de la recherche.

   En ce qui concerne la rapidité, l’impact, les coûts et la maturité de l’AI physique, les organisations qui travaillent avec des partenaires conseils pour faire progresser l’AI surpassent celles qui agissent seules. Parmi les organisations utilisant déjà une expertise externe en AI, 90 % affirment que les partenaires accélèrent le lancement et le délai de rentabilité, 89 % disent que les partenaires augmentent l’impact commercial des initiatives en production, et 86 % affirment qu’ils aident à maîtriser les coûts liés à l’AI.

   La différence s’étend aussi à l’AI physique. Les organisations qui travaillent avec des partenaires externes sont plus de deux fois plus susceptibles d’avoir l’AI physique en production, soit 54 % contre 26 %.

   Ces compétences sont particulièrement pertinentes pour le commerce de détail et les biens de consommation. Au sein de l’ensemble de l’échantillon de recherche, les répondants citent la logistique et la gestion de la chaîne d’approvisionnement (63 %) ainsi que la fabrication (55 %) parmi les secteurs opérationnels qui pourraient bénéficier de l’AI physique. Parmi les organisations l’ayant déjà déployée, 62 % signalent une amélioration du temps de disponibilité des chaînes de production.

   Hari Sadarahalli, vice-président principal et chef mondial des services d’ingénierie et de R&D chez HCLTech, explique la différence :

   « Les organisations qui obtiennent l’impact le plus important sont celles qui considèrent l’AI comme une discipline d’ingénierie, et non comme une expérience technologique. Cette rigueur est ce qui transforme les preuves de concept en systèmes évolutifs de qualité entreprise. »

   Grâce à HCLTech AI Labs, nous avons accueilli des centaines de clients de divers secteurs et à différentes étapes de leur parcours AI, afin de les aider à relever ces défis.

Ce que le conseil d’administration demandera ensuite

Le CIO n’a pas besoin de commencer par la feuille de route. Il peut commencer par les probabilités : 43 %. Puis vient la question qui recompose la discussion : allons-nous considérer l’AI comme un autre déploiement technologique ou allons-nous reconstruire l’organisation autour de ce qu’elle permet, comme l’ont fait les détaillants les plus performants avec le commerce électronique ?

La feuille de route est la façon dont ces conditions commencent à évoluer.

Et le rapport complet fournit des points de référence qui peuvent aider à orienter cette conversation. Parmi eux :

• Les organisations qui connaissent le plus de succès et qui s’associent à des experts tiers en AI consacrent 31,2 % de leur budget technologique à l’AI, contre 24 % pour celles qui choisissent de faire cavalier seul.
• Quatre répondants sur cinq affirment que les applications existantes et modernisées nécessiteront d’importantes transformations pour répondre aux exigences de l’AI. 
• Les conclusions sur l’AI physique révèlent une forte préférence pour les modèles spécifiquement adaptés à l’entreprise et les outils conçus à des fins précises, plutôt que pour les modèles d’AI gratuits à usage général. 
• Lorsqu’elles sélectionnent des partenaires AI, les organisations vont au-delà de l’expertise en AI et recherchent des compétences dans des domaines connexes, notamment le cloud, la modernisation des applications, la sécurité et la conformité. 

Le 43 % représente une attente moyenne parmi les répondants, plutôt qu’une prévision pour chaque organisation, et indique l’ampleur du risque d’exécution.

Pour les leaders du commerce de détail et des biens de consommation courante, l’occasion consiste à comprendre ce qui se cache derrière ce risque et à bâtir les bases, la gouvernance et les partenariats nécessaires pour transformer l’adoption généralisée de l’AI en un impact d’affaires durable.