Principaux points à retenir

• L’IA physique est fondamentalement plus difficile car « les variables sont très différentes » et la complexité du monde réel est moins prévisible que dans les systèmes purement numériques
• La valeur pour l’entreprise provient de la priorisation et de la rigueur : « Je ne veux jamais automatiser un mauvais processus »
• La confiance doit être conçue en donnant le choix au client, et non imposée : « le choix dans les mains de notre client »
• Le développement des compétences est la plus grande lacune de préparation, avec un regain d’importance pour la « fibre en sciences humaines »

• Le succès de l’IA dépend du changement, des données et de l’action : « la façon dont vous gérez le changement compte », « qualité des données » et « tendance à l’action »

  L’intelligence artificielle a dépassé le stade de l’expérimentation, mais sa prochaine phase se définit par quelque chose de bien plus percutant que l’automatisation incrémentale. Alors que les systèmes d’IA commencent à raisonner, s’adapter et fonctionner de façon plus autonome, les organisations sont poussées à repenser comment elles créent de la valeur, comment le travail se fait et comment les humains et les machines collaborent à grande échelle. Ce changement marque un passage des projets pilotes isolés à des stratégies axées sur l’IA qui couvrent les environnements physiques et numériques, ainsi que la main-d’œuvre elle-même.

  Cette réalité a servi de cadre à une conversation de grande ampleur au Ice Village lors du Forum économique mondial, où des dirigeants de tous les secteurs se sont réunis pour examiner comment l’IA passe de la promesse à la réussite. Animé par Louise Victoria Matsakis, rédactrice principale, Wired, le panel a réuni Vijay Guntur, CTO et chef des écosystèmes chez HCLTech, Sheila Jordan, première vice-présidente, chef de la technologie numérique chez Honeywell, Aparna Bawa, chef de l’exploitation chez Zoom et Dr Guy Diedrich, directeur de l’innovation mondiale chez Cisco afin d’explorer ce qu’il faut réellement pour déployer l’IA de façon responsable, sécuritaire et à grande échelle.

  Plutôt que de se concentrer sur des possibilités lointaines, la discussion s’est centrée sur ce qui se passe maintenant : comment l’IA avancée transforme les entreprises, les consommateurs, les usines et les infrastructures critiques, s’intègre à la collaboration quotidienne, redéfinit les compétences de la main-d’œuvre et oblige les organisations à aborder les enjeux de confiance, de gouvernance et de changement. D’une perspective à l’autre, un message était clair. Les organisations qui réussiront lors de cette prochaine ère de l’IA seront celles qui associent capacité technologique, rigueur d’exécution, jugement humain et le courage de passer de l’expérimentation à l’action.

  Concevoir l’IA pour le monde physique

  L’IA se comporte très différemment une fois sortie du domaine numérique. Comme l’explique Guntur, « Le monde physique est très différent. Les variables sont très différentes. La physique doit fonctionner. » Contrairement aux logiciels d’entreprise, l’IA physique doit composer avec l’incertitude du monde réel où « le nombre de combinaisons et la quantité de données avec lesquelles vous devez composer est énorme. »

  Cette complexité explique pourquoi la simulation est devenue essentielle pour le déploiement de l’IA de manière sécuritaire et efficace. « Tout tourne autour de la simulation, » dit Guntur, en décrivant comment les équipes modélisent des milliers de scénarios avant même que les systèmes n’atteignent les planchers d’usine. Mais la simulation n’est qu’un début. La réalité réserve toujours des surprises. « En temps réel, autre chose survient, » surtout dans des domaines comme la conduite autonome, où des cas limites inattendus doivent être relevés, analysés et réintégrés dans les cycles de formation.

  Malgré les avancées rapides en capacité de calcul et en infrastructure à la périphérie, Guntur insiste que l’autonomie ne réduit pas la responsabilité humaine. « Il doit toujours y avoir…un humain dans la boucle, » surtout lorsque les systèmes contrôlent des flottes, usines ou autres actifs critiques. Le rôle des humains bascule alors de l’exécution à la supervision, au jugement et à l’intervention.

  Transformer les pilotes en retombées d’affaires mesurables

  Pour Jordan, le succès de l’IA commence par la priorité. Chez Honeywell, la stratégie vise à déployer uniquement ce qui fait réellement avancer l’entreprise. « Nous adoptons une approche visant à prioriser vraiment ce qui a un impact important, par la productivité ou la génération de revenus, » dit-elle.

  Elle explique que la maturité technologique n’est plus la limite. « La technologie est là, » remarque-t-elle. Le vrai défi, c’est l’état de préparation opérationnelle. « Je ne veux jamais automatiser un mauvais processus, » insiste-t-elle, prévenant que l’IA amplifie les inefficacités tout autant qu’elle améliore les résultats. C’est pourquoi la simplification des processus et la qualité des données doivent passer en premier. « On ne peut pas avoir de stratégie GenAI ou agentique sans stratégie de données. Les données sont tellement importantes. »

  Surtout, Jordan insiste que les plus grands bénéfices de l’IA surviennent souvent lorsqu’on franchit les frontières organisationnelles. « La valeur est créée lorsqu’on offre vraiment un processus de bout en bout à vos clients et partenaires, » affirme-t-elle. Maintenant qu’il existe des agents capables d’orchestrer les flux de travail horizontalement, l’IA peut relier le marketing, les ventes, les finances et les opérations comme jamais auparavant grâce à l’automatisation traditionnelle.

  Créer des expériences IA de bout en bout

  Cette valeur horizontale est illustrée par la notion de « vendeur vedette » chez Honeywell. Plutôt que d’appuyer les ventes à l’aide d’outils fragmentés, l’IA peut guider le parcours entier. « Nous pouvons vraiment fournir tout le contenu au sujet du client, » explique Jordan, « avoir l’agent nous aider à bâtir un plan stratégique de compte, » puis recommander « des produits et services » selon les déploiements existants. « C’est donc ce bout en bout, » dit-elle, où contexte, planification et exécution convergent.

  Bawa évoque une philosophie semblable chez Zoom, fondée sur un principe clair : « Notre vision est de permettre à l’IA d’améliorer la connexion humaine, non de la remplacer. » En intégrant l’IA à travers la plateforme, Zoom veut éliminer le travail routinier et permettre une meilleure collaboration. « L’IA créera une liste d’actions à l’issue de la réunion… Elle pourra prendre des notes, » explique-t-elle, transformant les conversations en résultats.

  Des modèles d’adoption inattendus renforcent cette valeur. Bawa cite la fonctionnalité webinaire de Zoom à titre d’exemple, montrant comment elle sert des contextes très variés, des campagnes politiques aux opérations de marketing à grande échelle. Plutôt que d’être limité par un cas d’utilisation unique, l’impact de la plateforme tient dans son accessibilité à grande échelle. Comme le résume Bawa, « C’est la démocratisation de la participation. »

  Confiance, confidentialité et rapidité par conception

  À grande échelle, la confiance devient un impératif architectural. Zoom dessert des clients allant des particuliers aux banques internationales, et « chacun a un seuil de tolérance au risque différent, » souligne Bawa. La solution, ce n’est pas une politique unique, mais la flexibilité. « Nous mettons le choix dans les mains de notre client afin qu’il décide du compromis entre rapidité d’innovation, sécurité et confidentialité. »

  Cette flexibilité permet à un client d’imposer la transcription à des fins de conformité, alors qu’un autre peut l’exclure entièrement. La confiance se renforce par des balises claires, notamment l’engagement de Zoom à ne pas utiliser les données client pour entraîner ses modèles. Cette position reflète le rôle central de Zoom dans la manière dont le travail se réalise, où les conversations se transforment directement en décisions et en actions.

  Développement des compétences et retour du jugement humain

  Diedrich replace les défis organisationnels dans une perspective mondiale. Le programme d’Accélération numérique des pays de Cisco a émergé parce que des nations ont investi dans des stratégies numériques mais « elles ont reçu un PowerPoint » des grands cabinets. Cisco est alors intervenu comme partenaire pour aider à développer un plan d’exécution pour une architecture numérique nationale. Puis, co-investir et co-développer des projets individuels pour démontrer la valeur et l’impact de la numérisation. Aujourd’hui, les priorités ont changé. « C’est maintenant centré sur le développement des compétences, » affirme-t-il.

  Les données de Cisco soulignent l’urgence. « [Seulement] 13 % des entreprises se disent prêtes pour l’IA, » annonce Diedrich, citant l’Indice de préparation à l’IA de Cisco 2025. Si l’infrastructure et la sécurité sont importantes, la littératie numérique est le fondement.

  Ce qui manque, ce n’est pas l’expertise technique. « Nous avons une capacité technique incroyable, » dit-il, « mais il nous faut aussi une capacité cognitive. » À mesure que l’IA devient omniprésente, le jugement devient le véritable différenciateur. « Quelle sera la compétence la plus importante à l’avenir ? Savoir poser les bonnes questions. » Il plaide pour inclure l’éthique, la résolution de problèmes, la psychologie et la sociologie dans la formation technique pour former des leaders et des équipes plus résilients.

  Guntur abonde dans le même sens, insistant sur la valeur croissante de la « collaboration, communication et empathie », à mesure que la programmation et les tâches routinières sont automatisées.

  Éviter les gaspillages et accélérer l’échelle

  À la question des échecs des investissements en IA, Jordan pointe l’expérimentation prolongée. « Les POC durent trop longtemps, » observe-t-elle et, dans le contexte actuel, « il est plus important de faire des progrès que d’atteindre la perfection. » Une fois la valeur validée, « il est temps de passer à l’échelle. »

  Diedrich met en garde contre l’aspiration sans exécution. « En ce moment, on constate un retour au local à cause de la souveraineté des données. Je crois qu’on verra la même chose avec l’IA. Présentement, les gens ont des aspirations très élevées et il faut s’ancrer dans l’exécution, » dit-il. Les conséquences pour la main-d’œuvre accroissent l’urgence. « 90 % des emplois les plus en demande dans notre secteur seront profondément transformés par l’IA au cours des deux prochaines années, » soutient-il, en citant le rapport du Consortium sur la main-d’œuvre IA de Cisco et sa projection 2024 selon laquelle 92 % des rôles TIC étudiés subiraient une transformation modérée à importante. Ces rôles ne disparaîtront pas, mais « changeront radicalement, » avec un déplacement des exigences de compétences « vers le haut », c’est-à-dire que les travailleurs devront atteindre un niveau supérieur de réflexion stratégique et de prise de décisions complexes.

  Bawa rappelle la nécessité du pragmatisme à grande échelle. L’adoption de l’IA en entreprise, précise-t-elle, ne peut être considérée comme « un gros monolithe figé dans le temps. » L’appétit pour le risque et la préparation varient grandement d’un client à l’autre, et évoluent vite. Les plateformes qui réussissent sont celles qui offrent aux clients la flexibilité d’avancer à leur rythme, sans leur imposer de modèles de déploiement uniformes.

  Convergence IT/OT : la prochaine frontière

  Jordan souligne un autre point d’inflexion : « la prochaine grande étape… c’est vraiment la convergence des TI et des TO. » Les technologies opérationnelles dépendent souvent de systèmes anciens conçus pour être isolés, alors que les cas d’usage de l’IA exigent connectivité et gouvernance.

  Cette convergence est maintenant possible, soutient-elle, parce que « vous avez la 5G à la périphérie, vous avez le cloud, et maintenant GenAI. »

  Guntur applique cette réflexion à l’infrastructure critique comme les aéroports et les ports, où l’on opère déjà des environnements hautement sécurisés dotés de réseaux de caméras et de technologies opérationnelles riches en capteurs. Quand ces données sont mises en commun, cela donne lieu à de nouvelles expériences tout en améliorant la sécurité et la réduction des incidents. Il souligne le travail en cours avec les aéroports de Los Angeles, où les planificateurs anticipent d’importants événements mondiaux et se demandent comment la technologie peut améliorer l’expérience du moment où les voyageurs atterrissent à celui où ils quittent l’aéroport. L’IA accélère donc une convergence déjà en marche.

  Diedrich ajoute un signe clair d’élan : « La demande et les retours sont fantastiques pour un tout nouveau cours intitulé TI pour TO, TO, [qui] est adopté partout dans le monde. » Depuis 1997, la Cisco Networking Academy offre un accès gratuit à la formation TI à plus de 28 millions d’apprenants dans 195 pays.

  Déterminer le succès de l’IA

  Le panel a conclu par une synthèse concise de ce qui détermine ultimement la réussite de l’IA. Guntur insiste sur la transformation : « La façon dont vous gérez le changement compte. » Jordan nomme la base : « Qualité des données. » Diedrich met l’accent sur le rythme : « tendance à l’action. Passez à l’action. » Et Bawa rappelle le rôle central de l’humain, notant que le succès dépend du fait que les employés soient « ouverts à toujours apprendre… ne pas craindre le changement et l’accueillir. »

  Ensemble, ces perspectives révèlent un mandat clair. La réussite de l’IA ne passe plus par l’expérimentation. Il s’agit d’exécution disciplinée, de systèmes de confiance, d’infrastructures convergées et d’une main-d’œuvre dotée non seulement de compétences techniques, mais aussi de jugement, d’empathie et de la confiance pour diriger dans un monde propulsé par l’IA.

  FAQ

  Pourquoi l’IA physique est-elle plus complexe que l’IA logicielle ? 
  Les environnements physiques introduisent la physique, l’imprévisibilité et une variation massive des données, rendant le déploiement « des ordres de grandeur plus » complexes que les systèmes purement numériques.

  Comment les entreprises peuvent-elles dépasser les pilotes IA ? 
  En donnant la priorité aux cas d’utilisation à fort impact, en corrigeant d’abord les processus et en accélérant l’échelle une fois que la valeur est démontrée, plutôt que de laisser les POC s’étirer indéfiniment.

  Comment l’IA améliore-t-elle la collaboration sans ajouter de bruit ? 
  En supprimant les tâches routinières, en permettant la traduction et les résumés et en améliorant le suivi, l’IA peut « renforcer la connexion humaine, non la remplacer. »

  Quelle est la principale lacune de préparation à l’IA aujourd’hui ? 
  Le développement des compétences. Seulement « 13 % » se sentent prêts et les organisations ont besoin de plus en plus de « fibre en sciences humaines » comme le jugement, l’éthique et l’art de poser un problème.

  L’IA va-t-elle remplacer des emplois ou des tâches ? 
  Essentiellement des tâches. Les emplois vont « changer radicalement », avec des exigences de compétences rehaussées, faisant de la requalification une stratégie plus pertinente que le remplacement.