Le défi avec l’IA en entreprise est passé de l’adoption généralisée à la création d’un impact mesurable. L’IA est déjà incorporée dans les opérations TI, le développement logiciel et les environnements physiques, mais de nombreuses organisations cherchent encore comment la mettre à l’échelle de façon constante, gérer les coûts et convertir leur investissement en valeur.

Le rapport The AI Impact Imperatives, 2026 de HCLTech démontre à quel point l’IA s’est implantée dans l’entreprise. Il met aussi en lumière le fossé d’exécution auquel sont désormais confrontés les chefs d’entreprise et responsables technologiques. Bien que les investissements s’accélèrent et que les attentes augmentent, le taux moyen d’échec prévu pour les principaux projets d’IA lancés au cours des 24 prochains mois est de 43 %.

Combler ce fossé exige plus que le déploiement technologique. Les entreprises ont besoin des bonnes bases, d’une gouvernance et de partenariats adaptés pour faire de l’IA une capacité opérationnelle réplicable. Alors que les organisations passent du pilote à la production, des experts externes peuvent offrir leur expérience, des modèles de prestation réutilisables et une meilleure discipline des coûts pour les programmes d’IA.

Pour Ananth Subramanya, vice-président exécutif, Affaires numériques chez HCLTech, cela change ce que les entreprises attendent des partenaires en IA. L’accent se déplace vers l’exécution axée sur les résultats, la réingénierie des flux de travail et la capacité de mettre à l’échelle l’IA de façon plus cohérente.

Les partenaires deviennent des accélérateurs d’exécution

Les programmes d’IA suscitent de plus en plus des attentes à l’échelle du conseil d’administration. Les entreprises doivent agir rapidement, démontrer la valeur et éviter le risque de coûteuses expérimentations fragmentées.

Le rapport révèle que 80 % des organisations font appel à des experts externes pour faire avancer leurs initiatives en IA. Parmi ces organisations, 90 % affirment que les partenaires accélèrent le temps de démarrage et le délai d’obtention de la valeur pour les projets d’IA.

« Les partenaires ont une vision plus large de ce qui se passe dans l’industrie dont les entreprises souhaitent profiter. Leur propre compréhension se limite peut-être à leurs propres cas d’utilisation et scénarios, mais les partenaires possèdent une perspective plus large pour mener à bien ces projets. »

Cette perspective élargie est importante, car de nombreuses entreprises cherchent maintenant comment agir plus rapidement.

Subramanya souligne aussi l’aspect humain de l’exécution. « La gestion du changement est difficile, alors l’inertie s’installe souvent et les partenaires peuvent apporter un nouveau mode de pensée aux entreprises », dit-il.

Le passage des indicateurs d’activité aux résultats

La conclusion du rapport selon laquelle 89 % des organisations estiment que les partenaires renforcent l’impact commercial des projets d’IA déployés en production reflète un changement plus large dans la prestation en entreprise.

Pendant des années, la prestation technologique était souvent mesurée par la capacité, l’activité et la rapidité. Dans le contexte de l’IA, ces paramètres peuvent être trompeurs s’ils ne sont pas liés aux résultats d’affaires.

« Simplement parce que vous allez plus vite ne signifie pas que vous atteignez votre destination, car cela exige à la fois de la vitesse et de la direction », affirme Subramanya.

Cela devient une différence déterminante entre les modèles de prestation traditionnels et la prochaine phase de partenariats en IA. Les partenaires les plus efficaces n’aident pas simplement les entreprises à déployer des outils ou à accroître la productivité individuelle. Ils aident à définir, en termes commerciaux, ce qu’est le mieux.

« Ce que font les partenaires à succès pour les entreprises, c’est changer la conversation pour l’axer sur les résultats », dit Subramanya. « Je peux livrer un meilleur résultat parce que j’utilise l’IA, ce qui entraîne une meilleure cohérence, une meilleure qualité et une rapidité qui vous permet d’obtenir plus vite vos résultats. »

Pour les dirigeants d’entreprise, cela change le rôle de la mesure de l’IA. L’attention doit aller au-delà du simple usage de l’IA pour se concentrer sur l’amélioration des coûts, de la qualité, de la rapidité, de la résilience ou de l’expérience client.

La reproductibilité devient une discipline de maîtrise des coûts

Le coût de l’IA prend de plus en plus d’importance dans la discussion en entreprise. Le rapport révèle que 86 % des organisations qui collaborent avec des experts externes gèrent mieux les coûts liés à l’IA que celles qui s’y lancent seules.

À mesure que les modèles de consommation de l’IA évoluent, la gestion des coûts devient un enjeu de conception. Des invites, agents et flux de travail mal conçus peuvent augmenter l’utilisation sans accroître la valeur.

« Aujourd’hui, tous les fournisseurs de modèles dans le monde ont migré de la tarification par abonnement vers la tarification fondée sur les jetons », explique Subramanya. « Des invites ou des agents mal rédigés vous coûteront très cher pour très peu de précision dans les résultats. »

C’est là que la reproductibilité devient plus qu’un principe de prestation. Elle devient une façon d’améliorer le coût, la précision et la cohérence à l’échelle de l’entreprise.

« Comme les partenaires voient une variété de cas d’utilisation, ils sont en mesure de déterminer le bon équilibre entre la précision et le coût par jeton », dit-il. « Tant que vous pouvez utiliser ces modèles de façon cohérente, vous obtiendrez des résultats similaires sans avoir à répéter les mêmes apprentissages. »

L’IA physique élève l’exigence de partenariat

Le rapport décrit l’IA physique comme l’application de l’IA, incluant la GenAI, l’IA agentique, l’apprentissage machine et les systèmes autonomes de prise de décision, pour percevoir, comprendre et agir sur les environnements physiques et les processus opérationnels du monde réel.

S’il est vrai que 90 % des répondants croient que l’IA physique constituera une évolution technologique importante à maîtriser au cours des trois prochaines années, le déploiement demeure inégal. Les partenariats semblent jouer un rôle clé dans la maturité de l’IA physique. Selon le rapport, 54 % des organisations collaborant avec des experts externes ont des systèmes d’IA physique en production, comparativement à 26 % de celles n’utilisant pas de partenaires.

La raison est que l’IA physique dépend d’un écosystème plus vaste que la plupart des cas d’utilisation d’IA numérique. Elle requiert l’intégration de matériel, de dispositifs périphériques, d’algorithmes, de plateformes et de connaissances opérationnelles propres au secteur.

« Dans l’univers de l’IA physique, les partenaires de prestation ne sont pas les seuls qui comptent, explique Subramanya. Ceux-ci ont développé de bien meilleurs partenariats avec différents fournisseurs d’IA physique, qu’il s’agisse d’entreprises de puces comme NVIDIA, de produits destinés aux consommateurs comme les fournisseurs de caméras ou les fabricants d’appareils. »

Il donne l’exemple de la sécurité portuaire, où l’IA peut être intégrée dans les caméras afin d’identifier les événements indésirables et d’alerter les équipes avant que les perturbations n’affectent les opérations.

« L’écosystème de solutions que j’apporte grâce au fournisseur de matériel, à l’algorithme et à la plateforme rend beaucoup plus probable la réussite d’un modèle de partenariat en IA physique, explique-t-il. Sinon, les entreprises devront tout construire elles-mêmes, ce qui peut être long et coûteux. »

Industrialiser l’IA comme capacité d’affaires

Pour que l’IA devienne une capacité d’affaires plutôt qu’un projet technique, les entreprises doivent repenser la façon d’effectuer le travail.

« Ce n’est pas parce que nous travaillons aujourd’hui d’une certaine façon que ce sera la façon de travailler avec l’IA », dit Subramanya. « On a tendance à optimiser les processus existants dans un premier temps lors de l’implantation de l’IA, mais cela apporte très peu de valeur. »

La véritable occasion consiste à repenser les flux de travail autour de l’IA, plutôt qu’à accélérer les processus existants à l’aide de l’IA. Dans les opérations technologiques, par exemple, l’IA peut détecter un problème, créer elle-même des corrections, exécuter ces correctifs dans une chaîne de traitement et impliquer un développeur dans le flux pour la révision.

Subramanya affirme que l’industrialisation repose sur trois priorités : repenser les flux de travail, créer des modèles d’entreprise réplicables et mesurer les résultats.

« L’IA devient un outil que tout le monde utilise, un outil dont tous prétendent accroître leur productivité. Vous recevez une facture, elle est salée, mais je ne crois pas que ça change les résultats pour l’entreprise », précise-t-il. « Il devient donc essentiel de mesurer le résultat. »

Le message aux entreprises est clair : la valeur de l’IA ne se crée pas simplement par une activité accélérée. L’industrialisation découle plutôt de flux de travail réimaginés, de modèles d’entreprise reproductibles et de résultats d’affaires mesurables.