Principaux points à retenir

• L’AI est désormais incontournable : 87 % des organisations appliquent GenAI ou l’AI agentique dans les opérations TI, mais le taux moyen d’échec prévu pour les grands projets AI lancés au cours des 24 prochains mois est de 43 %. L’écart entre l’ambition et l’impact constitue une question concurrentielle déterminante pour le secteur du commerce de détail et des biens de consommation emballés (CPG).
• Les obstacles ne sont pas uniquement technologiques : Les applications héritées, les données cloisonnées, les frictions interfonctionnelles, les écarts de compétences et les attentes mal alignées de la direction comptent parmi les obstacles structurels que les organisations doivent surmonter.
• Trois impératifs se démarquent : Moderniser les fondations, opérationnaliser une AI responsable et choisir les bons partenaires. Les organisations travaillant avec des partenaires experts dépassent celles qui agissent seules en rapidité, impact, coûts et maturité en AI physique, y compris un taux de déploiement en production de l’AI physique plus de deux fois supérieur (54 % contre 26 %).

En ce moment même, un DSI du secteur du détail entre dans une salle de conférence avec une feuille de route en matière d’AI sous le bras. Le conseil d’administration s’attend à un retour sur investissement rapide. Le DSI sait qu’il y a plus de risques derrière cette attente que ce que la feuille de route laisse présager.

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

Iels présentent tout de même la feuille de route. Et iels ont raison de le faire.

Pour comprendre pourquoi, rappelez-vous la dernière fois que le secteur du détail a connu un changement de cette ampleur. Le secteur du détail a déjà vécu une version semblable de cette histoire. Elle s’appelait le commerce électronique.

Au tournant du millénaire, les détaillants se sont précipités pour établir une présence en ligne. Mais avoir un site web n’était pas la même chose que de bâtir une entreprise de commerce électronique viable. Le lien URL représentait la partie facile. Ce qui était plus difficile, c’était tout ce qui se trouvait derrière : des inventaires qui reflétaient la réalité, une exécution des commandes capable de traiter l’unité unique, et un modèle de profits et pertes qui ne reléguait plus le canal en ligne au rang de projet secondaire.

Ceux et celles qui ont fini par bâtir un avantage durable ont fait bien plus qu’adopter un nouveau canal. Iels ont réorganisé leurs opérations autour de celui-ci.

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

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

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

Comme le souligne le rapport, l’ubiquité est la norme de base, non le principal titre. La question n’est plus simplement de savoir qui dispose de l’AI, mais qui saura transformer l’adoption généralisée en valeur commerciale mesurable.

Kristina Rogers, Chef de la croissance, commerce de détail, biens de consommation emballés 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 fonctionnent, rivalisent et se développent. La prochaine génération de dirigeants ne se distinguera pas simplement par l’adoption de l’AI, mais par leur capacité à intégrer l’intelligence dans l’ensemble de l’entreprise et à transformer l’innovation en valeur commerciale mesurable. »

Et cette fois, la transformation s’accompagne d’un retour sur investissement exigeant dans un délai serré.

Les dépenses en AI s’accélèrent

Dans l’ensemble des organisations interrogées, la part moyenne du budget technologique consacrée 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 soutiendront des projets et initiatives en AI passe de 32 % au cours des 12 derniers mois à 48 % au cours des 12 prochains mois.

Il ne s’agit pas de budgets d’expérimentation. Cela représente un changement important dans la façon dont les entreprises financent leurs priorités technologiques.

Ces investissements répondent à une réalité opérationnelle concrète. Agentic AI, c’est-à-dire des systèmes capables de raisonner, planifier et effectuer des actions, réalise déjà des tâches d’opérations TI selon 78 % des dirigeants TI interrogés, tandis que 59 % des chefs d’exploitation déclarent que cela aide aux opérations de production.

L’étude a révélé que 15 % des répondants indiquent que 100 % des concurrents dans leur secteur utilisent déjà des systèmes autonomes d’AI pour des tâches critiques. En tenant compte de ceux qui s’y attendent d’ici les 12 prochains mois, ce chiffre passe à 77 %.

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

Vijay Guntur, chef de la direction technologique et chef des écosystèmes chez HCLTech, décrit la situation sans détour :

« L’AI est passée d’une initiative technologique à une réalité opérationnelle pour l’entreprise. Ce que les dirigeants doivent maintenant gérer, ce n’est plus de savoir si l’AI peut générer de la valeur, mais comment adapter les structures de l’organisation, les droits décisionnels et la tolérance au risque pour suivre le rythme. »

Pour le commerce de détail et les biens de consommation emballés, le seuil pour tous ces nouveaux investissements est clair. Corrado Azzarita, DSI mondial de The Kraft Heinz Company, affirme :

« Au final, il n’y a que trois indicateurs qui comptent en affaires : les revenus, les coûts et les risques. Si un fournisseur ne peut pas expliquer clairement comment une solution affecte au moins l’un d’eux, alors tout le reste n’est que du bruit. »

Les dirigeants doivent comprendre plus globalement les risques liés à l’AI

Nous avons demandé aux dirigeants responsables de l’avancement de l’AI, y compris les directeurs de l’AI, les directeurs de l’information, les directeurs technologiques, les directeurs des données et leurs équipes, dans quelle mesure leurs PDG et conseils d’administration comprennent ce qu’implique le leadership en matière d’AI.

• 87 % ont déclaré que leur PDG et leur conseil d’administration ont d’importantes lacunes dans la 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 nettement améliorer leur compréhension du fait qu’être à la tête de l’AI pourrait imposer une pression sur la marge à moyen terme en raison des investissements en capital
• 83 % ont déclaré que leur PDG et leur conseil d’administration ne comprennent pas suffisamment que sous-investir dans l’AI pourrait créer un risque existentiel pour l’organisation

Ces constats révèlent un déficit plus large de compréhension au sein du leadership. Les dirigeants doivent avoir une vision plus claire de ce qu’exige une adoption réussie de l’AI, y compris les risques liés aux investissements, les attentes réalistes en matière de rendement et les changements organisationnels nécessaires pour passer à l’échelle avec l’AI.

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

Pour les organisations de détail et de produits de grande consommation (CPG) qui gèrent des marges serrées, des pics saisonniers, des cycles promotionnels et une demande des consommateurs en constante évolution, cela crée une équation difficile : un délai de rendement agressif fixé par des dirigeants qui n’ont pas évalué le risque, combiné à un taux moyen d’échec prévu de 43 % pour les grands projets d’AI lancés au cours des 24 prochains mois.

Jill Kouri, chef du marketing mondial chez HCLTech, identifie ce qui peut se cacher derrière ces échecs :

« Chaque initiative d’AI est, au fond, 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 autrement. »

Pour comprendre comment les organisations peuvent changer les résultats, les dirigeants doivent aller au-delà des projets individuels et regarder les systèmes et les personnes qui se trouvent entre le laboratoire et la mise en marché.

Les fondations patrimoniales freinent l’AI

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

Lorsque nous avons examiné ce qui limite l’adoption de l’AI, les principaux coupables techniques n’étaient pas les modèles. Ils étaient :

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

Une pénurie d’expertise interne en AI arrive plus bas dans le classement, à 22 %.

Dans l’ensemble des fonctions sondées, les répondants estiment que près de la moitié des applications en production sont héritées. Selon la recherche, 96 % affirment que ces applications créent 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 % affirment que leur environnement de données est modernisé et opérationnel.

Pour la vente au détail et le 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 de l’entreprise déconnectée des applications plus récentes ou des outils de gestion des promotions commerciales fonctionnant avec des informations fragmentées.

Le même problème peut survenir dans la prévision de la demande, les médias de détail, la planification des stocks et les opérations de la chaîne d’approvisionnement. L’AI peut être en mesure 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 du 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 à partir de signaux obsolètes.

Reconstruire cette fondation a un coût. Selon la recherche, le coût de main-d’œuvre d’une modernisation typique d’application est estimé à environ 807 000 $ CAD, basé sur un médian 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 changer a aussi un coût : 52 % des organisations affirment qu’elles sont déjà désavantagées sur le plan concurrentiel parce qu’elles ne peuvent pas moderniser leurs applications assez rapidement.

Pawan Vadapalli, vice-président principal et chef mondial, Digital Business Services chez HCLTech, résume les enjeux et l’occasion :

« Lorsque la moitié de votre parc applicatif a été construite avant l’émergence des exigences modernes de l’AI, vous ne portez pas seulement une dette technique, vous opérez sous un plafond de performance AI. Le changement survient quand vous réalisez que l’AI, qui exige une infrastructure moderne, est aussi la voie la plus rapide pour la bâtir. Ce qui prenait auparavant quatre ans peut maintenant en prendre 12 mois ou moins. »

Ce lien entre la modernisation et l’AI devient important, car les organisations cherchent à poursuivre les deux en même temps.

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 s’accordent à dire que les dirigeants d’entreprise sont frustrés par ce qu’ils perçoivent comme un déploiement lent des projets d’AI très en vue par les TI 
• 68 % déclarent que les responsables TI s’inquiètent du fait que les équipes d’affaires font progresser des projets d’AI sans supervision ni gouvernance appropriées 

Les deux préoccupations sont légitimes. Ensemble, elles peuvent créer un cercle difficile : les équipes d’affaires avancent parce qu’elles perçoivent la gouvernance comme un frein au progrès, tandis que l’informatique devient plus prudente, car les déploiements non contrôlés augmentent les risques.

Les préoccupations liées à l’AI responsable influencent déjà la livraison. 76 % des personnes sondées déclarent que leur organisation a fréquemment ou parfois retardé le déploiement de l’AI en raison de préoccupations liées à l’AI responsable. 

Mais la recherche démontre également pourquoi la solution n’est pas de réduire la gouvernance.

Et l’écart est plus profond que l’organigramme. La coordination interfonctionnelle (40 %) ainsi que la gestion du changement organisationnel et de la résistance (30 %) devancent l’obtention d’un financement adéquat (26 %). Le rapport identifie également les écarts de compétences comme obstacles, renforçant le besoin d’aborder les enjeux humains et le changement organisationnel en parallèle avec la technologie.

Voici le point bas de l’histoire. C’est aussi exactement là où les données changent de cap.

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

Une AI responsable bien mise en œuvre ne se limite pas à atténuer les risques. Elle peut contribuer à instaurer la confiance requise pour déployer l’AI plus largement.

Pour les marques grand public, c’est important. La personnalisation, la prise de décision automatisée et les expériences client intelligentes reposent toutes sur les données et la confiance. L’AI responsable peut devenir un facteur de différenciation concurrentielle, et non simplement une fonction de conformité.

Trois impératifs pour améliorer les chances de succès

Cette attente d’un taux d’échec de 43 % ne doit pas être interprétée comme une condamnation de l’AI elle-même. La recherche pointe plutôt vers des enjeux structurels concernant les bases, l’alignement d’affaires, la gouvernance et la préparation organisationnelle.

En s’attaquant à ces conditions, les organisations sont mieux placées pour transformer l’adoption de l’AI en impact mesurable.

Nos recherches font ressortir trois impératifs.

1. La bonne fondation

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

   La recherche a révélé que 75 % des répondants affirment qu’ils compteront sur les outils d’AI pour débloquer la productivité et l’efficacité nécessaires pour atteindre leurs objectifs de modernisation des applications. Quatre répondants sur cinq s’accordent également à dire que tant les applications héritées que modernisées nécessiteront d’importantes réécritures pour répondre aux exigences 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 accélérer le développement de la fondation sur laquelle elle dépend ultimement.

   Pour le commerce de détail et les biens de consommation emballés (CPG), les retombées pourraient apparaître dans des domaines tels que la prévision de la demande qui perçoit un signal plus complet, les décisions d’inventaire qui réagissent plus rapidement et l’intelligence en périphérie capable d’agir sur les données opérationnelles plus près de l’étagère, du magasin ou de l’usine.

2. La bonne gouvernance

   L’AI responsable doit passer de la politique aux opérations quotidiennes.

   Les organisations ayant des pratiques très matures en matière d’AI responsable signalent moins de conflits entre l’innovation et les considérations éthiques, ainsi que moins de défis liés à la responsabilité, à la transparence et aux politiques d’AI responsable. 

   Pour les organisations du commerce de détail et du CPG qui traitent des données de consommateurs, d’employés, de produits et commerciales, cela peut faire de la confiance un moteur de l’adoption de l’AI plutôt qu’un obstacle.

3. Les bons partenaires

   Il s’agit de l’un des schémas les plus évidents dans la recherche.

   En ce qui concerne la rapidité, l’impact, les coûts et la maturité de l’AI physique, les organisations travaillant avec des partenaires de conseil pour faire avancer l’AI obtiennent de meilleurs résultats que celles qui agissent seules. Parmi les organisations utilisant déjà une expertise externe en AI, 90 % affirment que les partenaires accélèrent l’intégration et le délai de rentabilité, 89 % indiquent que les partenaires augmentent l’impact commercial des initiatives mises en production et 86 % déclarent que les partenaires aident à gérer les coûts liés à l’AI. 

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

   Ces capacités sont particulièrement pertinentes pour le commerce de détail et le CPG. Dans l’échantillon global de la recherche, les répondants identifient la logistique et la gestion de la chaîne d’approvisionnement (63 %) et la fabrication (55 %) parmi les domaines opérationnels pouvant bénéficier de l’AI physique. Parmi les organisations l’ayant déjà déployée, 62 % signalent une amélioration du temps de disponibilité de la ligne de production. 

   Hari Sadarahalli, Vice-président principal et chef mondial, Ingénierie et services de R-D chez HCLTech, explique la différence :

   « Les organisations qui ont le plus d’impact 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 aux AI Labs de HCLTech, nous avons accueilli des centaines de clients de tous secteurs et à différents stades de leur parcours AI, les aidant à surmonter ces défis.

Ce que le conseil d’administration demandera ensuite

Le CIO n’a pas à commencer par la feuille de route. Il peut commencer par les probabilités : 43 %. Puis vient la question qui recadre la discussion : Allons-nous traiter l’AI comme un autre déploiement technologique ou rebâtir l’organisation autour de ce qu’elle rend possible, 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 changer.

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

• Les organisations qui réussissent le mieux et collaborent avec des experts externes en AI consacrent 31,2 % de leurs budgets technologiques à l’AI, contre 24 % pour celles qui agissent seules.
• Quatre répondants sur cinq affirment que les applications patrimoniales et modernisées devront toutes deux subir d’importantes transformations pour répondre aux exigences de l’AI.
• Les constats sur l’AI physique révèlent une nette préférence pour des modèles ajustés pour l’entreprise et des outils conçus à des fins précises, au lieu de modèles AI gratuits à usage général.
• Lorsque les organisations choisissent des partenaires en AI, elles recherchent plus que de l’expertise en AI : elles s’intéressent aussi à des compétences connexes comme le cloud, la modernisation des applications, la sécurité et la conformité.

Les 43 % représentent une attente moyenne des répondants, plutôt qu’une prévision pour chaque organisation, et indiquent l’ampleur du risque d’exécution.

Pour les dirigeants du secteur de la vente au détail et des biens de consommation, l’occasion est de comprendre ce qui se cache derrière ce risque et de bâtir les bases, la gouvernance et les partenariats nécessaires pour transformer l’adoption généralisée de l’AI en impact d’affaires durable.