Lors d'une table ronde à huis clos au pavillon d’HCLTech pendant le Forum économique mondial 2026, des membres de la haute direction et des dirigeants principaux ont exploré comment l’innovation, la collaboration écosystémique et l’évolution des modèles d’affaires redéfinissent l’industrie technologique.

La conversation a abordé l’économie de l’IA, les contraintes d’infrastructure, les évolutions du edge et des appareils, la transformation des services et la prochaine frontière de l’IA physique, le tout ancré dans une question commune : que signifie la valeur aujourd’hui et comment les dirigeants doivent-ils l’évaluer à mesure que la technologie s’intègre partout?

Voici sept points saillants parmi les plus importants de la discussion.

1. Le rendement sur investissement (ROI) n’est pas synonyme d’impact, et les dirigeants ont besoin des deux

De nombreuses organisations constatent un impact clair de l’IA : temps gagné, cycles accélérés, meilleures expériences, qualité améliorée. L’étape la plus difficile consiste à transformer cet impact en rendement financier observable. Les dirigeants ont évoqué un schéma récurrent : les gains de productivité ne se traduisent pas automatiquement par des gains économiques sans une refonte délibérée du modèle opératoire.

Une implication concrète se dégage : mesurer le succès de l’IA nécessite une grille d’évaluation plus large que le seul chiffre d’affaires ou résultat net. Les indicateurs d’expérience, comprenant l’efficacité des employés et la satisfaction de la clientèle, la performance des processus, incluant les délais et taux d’erreurs, et la vitesse d’innovation sont essentiels, surtout au début, alors que les responsables financiers réclament de plus en plus la traçabilité entre le temps économisé et la valeur captée.

2. Le modèle de coûts de l’IA devient un enjeu de gouvernance, pas seulement d’approvisionnement

Alors que l’IA passe de licences packagées à une consommation basée sur l’utilisation, la structure des coûts devient plus dynamique et plus difficile à prévoir. Les dirigeants ont décrit une nouvelle réalité : les dépenses liées aux jetons peuvent croître plus rapidement que prévu dès que l’IA s’intègre dans les processus clés et que l’automatisation de type agent-à-agent accélère l’utilisation en coulisses.

Cela bouleverse la gouvernance. Les organisations doivent traiter l’IA comme une ressource gérée, avec des contrôles d’utilisation, de l’observabilité et une analyse de l’économie unitaire, plutôt que comme une simple ligne de logiciel à coût fixe. La conclusion n’est pas d’éviter la consommation, mais de la maîtriser : instaurer des balises de coûts, mesurer le rendement et intégrer de la discipline dans la gestion des agents, des modèles et des flux de travaux.

3. Les gains d’efficacité précèdent les gains de productivité, surtout dans les systèmes réglementés

Un thème récurrent était l’écart entre accomplir le même travail plus rapidement et en faire plus, ou livrer plus de valeur, avec les mêmes ressources. Dans certains secteurs, l’IA réduit déjà le travail en dehors des heures et allège les tâches administratives, mais cela ne mène pas automatiquement à un débit plus élevé ou à une baisse des coûts globaux.

Les dirigeants en expliquent la raison : la réglementation, les attentes en matière de service et les contraintes institutionnelles empêchent souvent de convertir l’efficacité en productivité. Sans refonte des politiques, des incitatifs et des flux de travaux, le bénéfice se manifeste surtout par une réduction des frictions plutôt qu’une hausse de la capacité. Le défi pour la direction consiste à déterminer où cela est acceptable et où l’organisation doit provoquer le changement pour débloquer une productivité mesurable.

4. L’IA force une remise à zéro des services : de la prestation de main-d’œuvre à la refonte des services

Pour les fournisseurs de services et les entreprises clientes, la discussion a mis en lumière une évolution des attentes : il n’est plus question d’offrir un même service à moindre coût, mais plutôt un service entièrement repensé pour de meilleurs résultats. L’IA transforme le coût unitaire aussi bien que l’unité de valeur.

Les dirigeants ont décrit un passage de l’optimisation incrémentale à des engagements de rupture fondés sur de nouveaux modèles de prestation, où automatisation, agents et outils sont intégrés dans le service lui-même. Cela transforme aussi l’évaluation des partenaires par les clients : moins d’attention portée à la planification des effectifs, plus sur les résultats mesurables, l’adoption et la preuve que l’apprentissage et les comportements changent à l’interne, au-delà des cours suivis ou des tableaux de bord.

5. La stratégie d’infrastructure devient une stratégie de compétitivité

Le groupe est souvent revenu à l’idée que l’emplacement du calcul sera déterminé par la latence, la localité des données, la fiabilité et l’économie, non par l’idéologie. L’IA promeut un modèle plus distribué : le cloud, le centre de données, la périphérie et l’appareil importent tous, et la meilleure architecture dépend du cas d’usage.

En même temps, les dirigeants soulignent que l’économie de l’IA ne porte pas uniquement sur l’efficacité du calcul. Les coûts de l’énergie et de la mémoire, et leur répartition mondiale inégale, sont de plus en plus décisifs. Les régions qui possèdent des avantages structurels en énergie attirent plus rapidement les investissements et la capacité, tandis que les contraintes d’approvisionnement en mémoire et une concentration de l’écosystème peuvent générer de la volatilité. La conclusion : la planification d’infrastructure n’est plus un sujet de TI en coulisses; il s’agit désormais d’un levier pour le conseil d’administration, visant la résilience, la maîtrise des coûts et la rapidité de création de valeur.

6. La souveraineté s’associe moins à l’autosuffisance qu’à la résilience

La conversation a remis en cause la vision simpliste d’une IA souveraine axée sur une construction entièrement indépendante. Dans une chaîne d’approvisionnement interconnectée, l’autosuffisance totale est irréaliste pour la plupart des acteurs. Les dirigeants ont plutôt insisté sur la résilience : la diversification des dépendances, une posture de risque plus claire et la capacité à opérer sous contrainte.

Cela rebat les cartes concernant le choix d’emplacement d’exécution des charges de travail, la gouvernance des données, les partenariats stratégiques, et les parties de la pile nécessitant plus de contrôle. Les dirigeants voient la souveraineté non pas comme l’isolement, mais comme une approche pragmatique de la continuité, de la conformité et du positionnement concurrentiel dans un environnement géopolitique fragmenté.

7. L’IA physique passe du concept à la catégorie et va transformer la question du travail

Au-delà des flux numériques, la discussion s’est tournée vers l’IA physique : robots, autonomie guidée par capteurs et systèmes réels combinant perception, planification et action. Les dirigeants constatent l’émergence de nouvelles catégories de produits, et non de simples mises à niveau, rendues possibles par des modèles embarqués plus petits, l’inférence en périphérie et une plus grande intégration matériel-logiciel.

C’est ici que la discussion sur la valeur se complexifie. L’IA physique soulève des questions d’acceptation : confiance, sécurité, responsabilité et acceptabilité culturelle ; souvent plus que des questions de capacité technique. Cela accentue aussi l’impact sur la main-d’œuvre : lorsque l’autonomie sort du logiciel pour toucher des tâches physiques, le déplacement et la refonte du travail pourraient s’accélérer dans de nouveaux secteurs, comme la logistique, l’hôtellerie et les opérations industrielles. Le rôle de la direction est de concevoir l’IA physique autour des tâches à accomplir et des résultats attendus; puis de concevoir systèmes, protections et programmes de changement en conséquence.

Redéfinir la valeur à mesure que l’IA devient invisible

À travers ces thèmes, la table ronde a convergé vers un message : l’IA s’intègre désormais, elle n’est plus facultative, ce qui implique de revoir la façon de définir et de capter la valeur. Les organisations gagnantes seront celles qui verront dans l’IA un changement de modèle d’exploitation, liant l’utilisation aux résultats, repensant services et flux de travail, investissant dans une infrastructure résiliente et se préparant à la vague d’IA physique avec la sécurité et la gouvernance intégrées dès le départ.