L’IA a déjà transformé le travail numérique. Elle peut générer du code, automatiser les flux de travail informatiques, appuyer les équipes de service et accélérer la prise de décision à l’échelle de l’entreprise. La prochaine frontière de l'IA physique apporte l’intelligence dans les environnements où sont fabriqués les produits, où les actifs sont entretenus, où les marchandises sont déplacées et où l’infrastructure est exploitée.

Le rapport Les impératifs de l’impact de l’IA, 2026 de HCLTech définit l’IA physique comme « l’application de l’IA, incluant l’IA générative, l’IA agentique, l’apprentissage machine et les systèmes de prise de décision autonomes, pour percevoir, comprendre et agir sur les environnements physiques et les processus opérationnels dans le monde réel. » Elle englobe des systèmes intelligents à travers la fabrication, les opérations industrielles, la logistique, l’infrastructure et les opérations sur le terrain qui peuvent observer les conditions, prendre des décisions autonomes et exécuter des actions pour atteindre les objectifs d’affaires.

Dans une récente discussion sur les constats du rapport, Mark Beccue, analyste principal – IA chez Omdia, s’est entretenu avec Tamas Foldi, vice-président principal, Kinetic AI chez HCLTech, à propos des raisons pour lesquelles l’IA physique gagne en élan et comment les entreprises peuvent passer de l’expérimentation à la production.

L’IA physique, c’est l’intelligence en action

« L’IA physique, c’est de l’IA qui interagit directement avec le monde physique, » a dit Foldi. « Il y a deux dimensions à cela. L’une concerne les opérations physiques, et vous pouvez penser à tous ces secteurs verticaux qui opèrent traditionnellement dans le monde physique, comme la fabrication, l’aérospatiale, les dispositifs médicaux, l’entreposage et la logistique. »

La première dimension est l’intelligence opérationnelle. Cela inclut l’amélioration de la productivité, du rendement, de la santé des actifs et du temps de fonctionnement dans les environnements physiques. La seconde est le transfert de l’intelligence dans les machines, incluant la robotique, les systèmes autonomes et les véhicules autonomes.

« C’est là que la robotique, les systèmes autonomes et les véhicules autonomes entrent en jeu, » a dit Foldi. Ces systèmes peuvent « percevoir, décider à partir de la réalité perçue du monde physique et agir. »

C’est ce qui distingue l’IA physique. Elle rapproche l’intelligence de l’action concrète, là où les systèmes peuvent appuyer les décisions dans les environnements où le travail se fait.

« Avec l’IA physique, on ne fait pas qu’améliorer les flux de travail numériques, » a dit Foldi. « On dote son système de plus d’intelligence. »

L’occasion est grande, mais la maturité est inégale

Le rapport indique que 90 % des répondants ont convenu que l’IA physique sera essentielle ou importante pour le succès organisationnel au cours des trois prochaines années. Toutefois, il révèle également que les répondants dans les organisations n’explorant pas encore l’IA physique, la recherchant ou l’évaluant, la pilotant et déployant seulement les premiers systèmes en production sont plus nombreux que ceux ayant de nombreux systèmes d’IA physique en production dans un ratio de plus de quatre pour un (81 % contre 19 %).

Ce fossé entre l’ambition et la maturité est important. Les entreprises voient l’opportunité, mais beaucoup cherchent encore comment mettre l’IA physique à l’échelle de façon sûre et efficace.

« L’IA physique est l’une des plus grandes occasions inexploitées pour les entreprises, » a dit Foldi. « Tout le monde est hyper focalisé sur l’IA numérique. »

L’élan s’accélère parce que plusieurs facteurs convergent en même temps. Les modèles deviennent plus performants. L’IA agentique et les modèles du monde peuvent mieux comprendre les environs, soutenir le raisonnement spatial et orchestrer des actions. La simulation et les données synthétiques réduisent également les obstacles à l’entrée.

« Autrefois, collecter des données coûtait extrêmement cher, parfois c’était risqué, » a dit Foldi. « Maintenant, avec ces capacités de simulation, on peut générer ou augmenter ses données, ce qui réduit le temps de mise en marché et diminue les coûts. »

Cela compte, car l’IA physique repose sur l’apprentissage issu des systèmes physiques. La simulation, le déploiement sur le terrain et la rétroaction opérationnelle peuvent créer une boucle d’amélioration continue, aidant les organisations à tester, perfectionner et mettre à l’échelle des systèmes propulsés par l’IA avec plus de confiance.

L’IA physique peut transformer la performance opérationnelle

L’IA physique est pertinente dans plusieurs domaines opérationnels. Le rapport indique que la majorité des répondants ont choisi la logistique et la gestion de la chaîne d’approvisionnement (63 %), les opérations sur le terrain (59 %), la gestion des installations (56 %) et la fabrication (55 %) comme secteurs pouvant profiter du déploiement de l’IA physique.

Les avantages vont aussi au-delà des gains d’efficacité habituellement liés à l’IA numérique. Le rapport avance que l’efficience opérationnelle accrue est le bénéfice le plus communément observé (56 %). Il souligne également des avantages uniques à l’IA physique, comme la modernisation et l’allongement de la durée de vie des actifs physiques (47 %), l’atteinte des objectifs de durabilité (46 %) et l’amélioration de la sécurité physique (46 %).

Foldi voit un fort potentiel dans le contrôle de la qualité, la détection de défauts, la maintenance prédictive, l’optimisation des processus, la logistique intelligente, la gestion des entrepôts et la robotique.

« La maintenance prédictive, c’est énorme, » a-t-il dit. « On peut aussi recourir à l’automatisation robotique, comme l’utilisation de drones ou de plateformes mobiles pour entrer dans des usines ou des mines, chercher les problèmes et effectuer des interventions correctives. »

La plus grande opportunité vient lorsque l’IA physique va au-delà de la détection et de la recommandation. Un système peut identifier un problème de performance d’un actif, déterminer la bonne réponse et exécuter lui-même l’intervention corrective.

« Traditionnellement, on ferme un flux de travail en créant un billet et un humain intervient. Avec l’IA physique, le système peut effectuer lui-même cette action corrective, de bout en bout, » a dit Foldi.

Pour les entreprises, cette boucle fermée marque le moment où l’IA physique commence à changer la performance opérationnelle. Elle peut aider les systèmes à s’adapter et à agir dans les environnements physiques, à condition que ces systèmes soient intégrés de façon sécuritaire aux processus, contrôles et mécanismes de gouvernance qui les entourent.

Le défi, c’est tout l’écosystème du modèle

La promesse de l’IA physique est grande, mais son déploiement est complexe. Ces systèmes fonctionnent souvent en temps réel, dans des environnements critiques où la sécurité, la résilience, la cybersécurité et la conformité réglementaire sont primordiales.

« On parle beaucoup d’IA, mais ce qui est vraiment difficile dans les programmes d’IA, ce n’est pas l’IA elle-même. Ce sont surtout tout ce qui entoure, » a dit Foldi.

L’IA physique doit s’intégrer aux systèmes existants, processus opérationnels, appareils locaux, pipelines de données, environnements de simulation et plateformes d’entreprise. Sans cette intégration, les organisations risquent de se retrouver avec des cas d’utilisation isolés qui n’atteignent jamais l’échelle.

La sécurité est un autre enjeu majeur. L’IA physique peut avoir un impact sur les actifs, les travailleurs et les opérations en temps réel, ce qui exige des systèmes fiables, régis et sécurisés dès le départ.

« On travaille dans des environnements en temps réel, » a dit Foldi. « Il y a des exigences réglementaires et de sécurité, la collaboration humain-robot et des environnements hétérogènes avec des protocoles très particuliers à intégrer. »

C’est pourquoi les entreprises doivent aller au-delà des modèles. Elles ont besoin de l’infrastructure, de la gouvernance et des capacités d’intégration nécessaires pour rendre opérationnelle l’IA physique.

« Le défi, c’est comment vous allez l’intégrer à vos systèmes d’entreprise dans le monde réel, » a dit Foldi.

Les partenaires peuvent aider à accélérer la production

Le rapport révèle que 54 % des organisations collaborant avec des partenaires IA ont mis en production des systèmes d’IA physique, soit plus du double du taux observé chez celles qui ne travaillent pas avec des partenaires (26 %). On a aussi constaté que ces organisations étaient plus susceptibles d’avoir observé des résultats positifs attribués à l’IA physique, notamment des améliorations de la sécurité et de la gestion des risques (75 % contre 48 %), un meilleur taux d’utilisation des ressources (71 % contre 43 %) et une augmentation du temps de fonctionnement des chaînes de production (64 % contre 52 %).

Pour Foldi, cela reflète la complexité de l’environnement. L’IA physique requiert de l’expertise en ingénierie, IA, robotique, intégration, calcul, déploiement à la périphérie et opérations.

« L’IA physique, c’est complexe, » a-t-il dit. « Il faut beaucoup d’expertise qui n’est pas nécessairement au cœur de vos activités. Avoir un intégrateur qui peut vous accompagner dans le processus est extrêmement utile. »

HCLTech appuie cela grâce à des solutions comme Kinetic AI pour la robotique, Vision X pour la perception à la périphérie et SmarTwin pour la simulation numérique. Ces plateformes sont conçues pour aider les organisations à accélérer le développement et à se concentrer sur les résultats, plutôt que de tout bâtir à partir de zéro.

« Nous pouvons aider les clients à démarrer rapidement et à rester concentrés sur la création de valeur d’affaires, pas sur la technologie, » a dit Foldi. « C’est ce qui compte vraiment. »

Pensez à l’échelle dès le départ

L’une des grandes leçons des débuts de l’IA physique, c’est que les petits cas isolés apportent rarement une valeur transformationnelle. Les entreprises doivent cibler les secteurs à fort impact où l’IA physique peut améliorer la sécurité, la productivité, la performance des actifs, la résilience ou les coûts, puis planifier l’échelle dès le début.

« Attaquez-vous d’abord aux plus gros enjeux d’affaires, pas nécessairement au plus facile. Commencez avec le plus critique, celui qui peut générer le retour sur investissement le plus mesurable pour votre entreprise, » a dit Foldi.

L’IA physique est encore en phase de maturité, mais son orientation est claire. À mesure que les systèmes intelligents passent des flux de travail numériques aux environnements physiques, les entreprises peuvent repenser leurs opérations. Les organisations qui réussiront seront celles capables de relier ambition et exécution, d’intégrer l’IA aux systèmes réels et de mettre en place les fondations pour la mise à l’échelle sécuritaire.

La prochaine vague de l’impact de l’IA ne se fera pas seulement voir sur écran. On la vivra partout, dans les usines, entrepôts, opérations sur le terrain, infrastructures et machines capables d’apprendre, de s’adapter et d’agir.