4 Le rapport State of AI in the Enterprise 2026 de Deloitte (en anglais) est précieux parce qu’il saisit un marché qui a dépassé l’effet de nouveauté sans avoir encore atteint la maturité opérationnelle. Il s’appuie sur une enquête menée auprès de 3 235 dirigeants métier et informatiques dans 24 pays et six secteurs, réalisée en août et septembre 2025, complétée par des entretiens avec des cadres dirigeants et des responsables de l’IA. Comme toute enquête, il reflète la manière dont les entreprises évaluent leurs propres progrès, mais la tendance générale est claire : l’accès à l’IA s’élargit, l’investissement augmente et les attentes grandissent, tandis que le déploiement, la gouvernance et la refonte du travail restent inégaux. S’il y a un thème qui traverse le rapport, c’est que l’adoption de l’IA en entreprise progresse plus vite que son intégration. De nombreuses organisations disposent désormais d’outils approuvés, de cas d’usage en production et d’un soutien au plus haut niveau. Moins nombreuses sont celles qui ont opéré les changements organisationnels nécessaires pour transformer ces ingrédients en valeur métier régulière. L’écart entre expérimentation et transformation reste important, et les conclusions de Deloitte suggèrent qu’il constitue désormais la principale ligne de partage entre les entreprises qui améliorent leurs workflows existants et celles qui commencent à repenser leurs processus, leurs offres et leurs modèles opérationnels autour de l’IA. L’accès a progressé plus vite que l’usage quotidien L’un des constats les plus nets du rapport est l’augmentation de l’accès des collaborateurs à des outils d’IA approuvés. Selon Deloitte, l’accès a progressé d’environ 50 % en un an, passant de moins de 40 % des salariés à environ 60 %. Un groupe plus restreint d’organisations est allé beaucoup plus loin : 11 % déclarent un accès quasi universel aux outils d’IA approuvés pour l’ensemble de leurs effectifs. C’est, en apparence, une évolution significative. L’IA n’est plus cantonnée aux équipes techniques ou à des pilotes isolés. Elle fait désormais partie de l’environnement logiciel standard des grandes entreprises. Le point le plus révélateur est qu’un accès plus large n’a pas produit un usage aussi large. Parmi les salariés qui y ont accès, moins de 60 % utilisent l’IA dans leur travail quotidien, une proportion qui a peu évolué par rapport à l’année précédente. C’est important, car cela montre que déploiement et adoption ne sont pas la même chose. De nombreuses entreprises ont déjà traité les aspects politiques, achats et outillage de l’IA. Elles n’ont pas encore fait de l’IA un élément normal de la manière dont le travail est réalisé dans les différentes fonctions et les différents rôles. Cette distinction aide à comprendre pourquoi les bénéfices de l’IA semblent souvent inégalement répartis au sein d’une même organisation. Certaines équipes ou certaines personnes utilisent peut-être assez bien l’IA pour gagner en rapidité, en qualité de production ou en aide à la décision. Mais tant que ces gains ne sont pas reliés aux workflows réels, aux droits d’accès aux données, à la formation et aux attentes managériales, ils restent locaux plutôt qu’étendus à l’entreprise. Deloitte parle plus loin d’un écart entre accès et activation, et c’est probablement le bon cadre. À ce stade, le facteur limitant pour de nombreuses entreprises n’est pas l’existence des outils d’IA, mais leur intégration dans les comportements opérationnels ordinaires. Les pilotes restent plus nombreux que les déploiements en production Le grand thème suivant du rapport de Deloitte est la distance entre expérimentation et production. Les pilotes d’IA sont omniprésents. Le déploiement en production est beaucoup plus sélectif. Seuls 25 % des répondants indiquent que leur organisation a fait passer en production 40 % ou plus de ses expérimentations d’IA à ce jour. Plus de la moitié s’attendent à atteindre ce niveau d’ici trois à six mois, ce qui témoigne d’une certaine confiance, mais le point de départ actuel montre que de nombreuses organisations n’en sont qu’au début de l’industrialisation. Le rapport est particulièrement convaincant lorsqu’il explique pourquoi cet écart persiste. Un pilote peut être mené par une petite équipe, dans un environnement bien délimité, avec des données sélectionnées et peu de dépendances. La production est fondamentalement différente. Elle exige l’intégration aux systèmes existants, une revue de sécurité, des contrôles de conformité, une supervision continue, de la maintenance et la capacité à gérer la variabilité et les cas limites. Ce ne sont pas des considérations secondaires. Dans bien des cas, elles déterminent si un cas d’usage entre dans les opérations courantes ou reste une démonstration réussie qui ne passe jamais à l’échelle. Les entretiens menés par Deloitte confirment ce point. Plusieurs dirigeants décrivent une situation dans laquelle les organisations continuent d’approuver de nouveaux pilotes parce qu’ils sont moins coûteux, plus visibles et plus faciles à défendre politiquement qu’un déploiement complet. Pendant ce temps, le travail plus lent d’intégration, de gouvernance et de généralisation reçoit moins d’attention. C’est l’une des raisons de l’apparition d’une « lassitude des pilotes ». Sans stratégie cohérente ni chemin clair vers la production, davantage d’expérimentation ne produit pas forcément davantage de valeur. Elle peut simplement produire un inventaire croissant d’essais déconnectés. Une lecture pratique de cette section est que la maturité de l’IA en entreprise dépend de moins en moins du nombre d’idées qu’une entreprise peut tester, et de plus en plus de sa capacité à faire fonctionner durablement des systèmes utiles au sein de ses opérations courantes. C’est une exigence plus difficile, mais aussi plus significative. La plupart des entreprises obtiennent des gains opérationnels, pas une réinvention stratégique Les données de Deloitte établissent aussi une distinction utile entre les bénéfices que les entreprises obtiennent aujourd’hui et les résultats qu’elles espèrent atteindre plus tard. Les gains d’efficacité et de productivité sont déjà courants. Une meilleure prise de décision et des coûts réduits apparaissent également dans des proportions significatives. La croissance du chiffre d’affaires, en revanche, reste bien plus une ambition future qu’un résultat actuel. Seules 20 % des organisations déclarent augmenter leur chiffre d’affaires grâce à l’IA aujourd’hui, tandis que 74 % espèrent y parvenir à terme. Cette distinction est importante, car elle sépare les résultats opérationnels actuels des ambitions stratégiques à plus long terme. Pour l’instant, les retours les plus fiables de l’IA en entreprise restent concentrés sur la performance interne : un travail plus rapide, des coûts plus bas, un meilleur soutien aux collaborateurs et une capacité d’analyse renforcée. Ces résultats sont significatifs. Mais ils diffèrent de l’utilisation de l’IA pour créer de nouveaux produits, ouvrir de nouveaux marchés ou changer la manière dont l’entreprise génère son chiffre d’affaires. L’enquête de Deloitte suggère que la plupart des organisations restent plus proches de l’optimisation que de la réinvention. Le rapport distingue trois grands groupes. Environ 37 % des organisations interrogées utilisent l’IA sans modifier, ou presque, le processus sous-jacent. Environ 30 % repensent des processus importants autour de l’IA tout en conservant leur modèle économique central. 34 % déclarent utiliser l’IA pour transformer plus profondément leurs produits, leurs processus ou leur modèle économique. Cette répartition est importante, car elle montre que « utiliser l’IA » est désormais une étiquette trop large pour être vraiment informative. Deux entreprises peuvent investir toutes deux dans l’IA tout en étant à des stades très différents de transformation organisationnelle. D’autres signes témoignent d’une dynamique. Deloitte indique que 25 % des dirigeants estiment désormais que l’IA a un effet transformateur sur leur entreprise, contre 12 % un an plus tôt. Dans le même temps, 84 % déclarent que leur organisation augmente ses investissements dans l’IA et 78 % font état d’une confiance accrue dans la technologie. La direction est assez claire. L’IA gagne en crédibilité dans l’entreprise. Mais les formes de valeur les plus déterminantes restent concentrées dans une minorité d’organisations qui repensent leurs processus métier ou réinterrogent ce que l’entreprise propose. La refonte du travail est en retard sur les attentes en matière d’automatisation S’il est une section du rapport où le marché paraît encore particulièrement peu avancé, c’est celle qui traite des rôles, des emplois et de l’organisation du travail. Deloitte constate que 36 % des entreprises s’attendent à ce qu’au moins 10 % de leurs emplois soient entièrement automatisés d’ici un an, et 82 % à un tel niveau d’automatisation à horizon de trois ans. Ce sont des attentes considérables. Pourtant, 84 % des organisations n’ont pas repensé leurs emplois en fonction des capacités de l’IA. Le contraste est frappant : de nombreuses entreprises anticipent une automatisation significative avant d’avoir réfléchi à ce qu’elle implique pour la structure des rôles, les parcours de carrière, l’encadrement ou la responsabilité. C’est un problème plus sérieux qu’un simple déficit de formation. L’IA ne concerne pas seulement des tâches isolées. Elle modifie la manière dont les décisions sont prises, ce qui relève du jugement humain, la gestion des exceptions et la façon dont les jeunes collaborateurs acquièrent l’expérience pratique qui provenait autrefois du travail routinier. Les entretiens de Deloitte sont éclairants à cet égard. Des dirigeants soulignent que les postes de premier niveau dans des domaines comme la saisie de données, le rapprochement ou le support de premier niveau figurent souvent parmi les premières cibles de l’automatisation, alors que ces emplois ont historiquement servi de point de départ à des carrières plus longues. Si ces parcours se réduisent, les organisations devront trouver des moyens plus délibérés de développer l’expertise et la mobilité interne. Les implications managériales comptent aussi. À mesure que l’IA prend en charge une plus grande part de l’exécution routinière, les rôles d’encadrement pourraient évoluer vers la coordination du travail humain et machine plutôt que la supervision directe de grandes équipes effectuant des tâches répétitives. Deloitte indique que 53 % des entreprises ont envisagé des structures plus horizontales ou organisées en « pods », mais seules 16 % ont avancé dans cette direction de manière importante ou maximale. Là encore, le schéma est familier : les organisations réfléchissent à la refonte plus volontiers qu’elles ne la mettent en œuvre. La réponse en matière de talents a jusqu’ici été plus étroite que le défi. Le rapport indique que l’insuffisance des compétences des salariés est perçue comme le principal obstacle à l’intégration de l’IA dans les workflows, et pourtant la réponse la plus fréquente consiste à former l’ensemble des collaborateurs pour améliorer leur aisance avec l’IA. C’est logique comme point de départ, mais l’aisance n’est qu’une partie de la réponse. Apprendre aux salariés à utiliser l’IA ne suffit pas, à soi seul, à repenser les rôles, modifier les incitations, redéfinir la responsabilité ni traiter la question de la progression de carrière dans un environnement plus automatisé. Les conclusions de Deloitte suggèrent que la plupart des entreprises n’en sont qu’au début de cette partie de la transition. Le ressenti des salariés va dans le même sens. Selon l’enquête, 13 % des collaborateurs non techniques sont très enthousiastes et cherchent activement à utiliser l’IA, 55 % sont prêts à l’explorer, 21 % préféreraient ne pas l’utiliser mais le feront si on le leur demande, et 4 % s’en méfient activement ou l’évitent. Ce n’est pas une base de salariés hostile, mais ce n’est pas non plus une population dont on peut présumer qu’elle adoptera l’IA simplement parce que des outils ont été déployés. L’adoption de l’IA en entreprise dépendra au moins autant de la crédibilité, de l’adéquation aux workflows, de l’organisation managériale et de la confiance que de l’accès. L’IA souveraine devient une préoccupation concrète pour les entreprises Un autre fil conducteur important du rapport de Deloitte est l’IA souveraine (en anglais). Ce sujet est souvent abordé sous l’angle de la stratégie nationale, des infrastructures publiques ou de la réglementation. Deloitte montre qu’il est aussi devenu un enjeu concret pour les entreprises, en particulier celles qui opèrent dans plusieurs juridictions ou traitent des données sensibles. L’enquête révèle que 83 % des entreprises considèrent les contraintes de résidence des données (en anglais) et les questions de calcul sur le territoire national comme au moins modérément importantes pour leur planification stratégique. 66 % sont au moins modérément préoccupées par leur dépendance à des technologies et infrastructures d’IA détenues par des acteurs étrangers. Plus concrètement, 77 % déclarent que le pays d’origine d’une solution d’IA influence désormais le choix des fournisseurs, et 58 % indiquent construire principalement leur pile d’IA avec des fournisseurs locaux. Ces chiffres montrent clairement que l’IA souveraine n’est plus un concept politique périphérique. Elle influe sur les achats, la conception de l’infrastructure, les modèles de déploiement et l’accès aux marchés. La question n’est pas seulement de savoir si un modèle est performant. Il s’agit aussi de savoir où il est hébergé, quelles lois régissent les données, comment le réentraînement et l’audit fonctionnent d’un pays à l’autre, et si l’entreprise peut démontrer un contrôle et une transparence suffisants pour satisfaire les régulateurs ou les clients d’un marché donné. Pour les entreprises multinationales, cela ajoute une couche de complexité concrète. Certaines charges devront rester dans les frontières nationales ou régionales. Certains cas d’usage pourront exiger un hébergement local ou des déploiements de modèles plus petits et plus spécialisés. Certains marchés imposeront des exigences suffisamment différentes pour contraindre à des choix d’architecture distincts plutôt qu’à un modèle mondial unique. Le message de fond de Deloitte est simple : la géographie, la juridiction et le contrôle de l’infrastructure comptent désormais suffisamment pour orienter directement les décisions d’IA des entreprises. L’IA agentique avance plus vite que la gouvernance S’il est une section du rapport où l’adoption prévue paraît particulièrement agressive, c’est celle consacrée à l’IA agentique. Deloitte décrit ces systèmes comme des outils d’IA capables de se fixer des objectifs, de raisonner sur des tâches en plusieurs étapes, d’utiliser des outils et des API et de coordonner le travail avec des personnes ou d’autres agents. Selon cette définition, 23 % des entreprises déclarent déjà utiliser l’IA agentique au moins modérément. D’ici deux ans, 74 % s’attendent à le faire. 85 % prévoient de personnaliser des agents pour les adapter aux besoins de leur activité. Ces attentes sont importantes, car l’IA agentique change la nature du problème de gouvernance. Les systèmes d’IA traditionnels soutiennent souvent l’analyse, résument des informations ou génèrent des contenus soumis à une revue humaine. Les agents peuvent aller plus loin. Ils peuvent lancer des workflows, envoyer des communications, interagir avec des systèmes logiciels ou réaliser des actions aux conséquences opérationnelles en aval. Dès que l’IA passe de l’assistance à un utilisateur à l’action au sein d’un processus métier, les questions pertinentes s’élargissent. La qualité du modèle compte toujours, mais aussi la gestion des autorisations, les seuils d’approbation, les pistes d’audit, la conception de l’escalade et la responsabilité humaine. L’inquiétude de Deloitte est que la gouvernance ne progresse pas au même rythme que l’adoption. Seules 21 % des entreprises déclarent disposer d’un modèle de gouvernance mature pour les agents autonomes. Dans le même temps, les risques qui préoccupent le plus les dirigeants sont étroitement liés à la gouvernance : confidentialité et sécurité des données, conformité juridique et réglementaire, capacités de gouvernance et de supervision, qualité et explicabilité des modèles. Ce ne sont pas des préoccupations théoriques. Ce sont les contrôles opérationnels nécessaires pour permettre à des systèmes plus autonomes de fonctionner dans l’entreprise sans créer de risques juridiques, de sécurité ou de processus évitables. L’un des points les plus pertinents du rapport est que la gouvernance doit être comprise comme un levier de passage à l’échelle plutôt que comme un frein. Si elle est traitée comme une couche de conformité ajoutée après coup, elle ralentira le déploiement. Si elle est intégrée tôt dans les systèmes, elle devient ce qui rend le déploiement possible. C’est particulièrement vrai pour l’IA agentique, où la journalisation des actions, la supervision en temps réel, les voies d’escalade vers un humain et des limites clairement définies à l’autonomie font partie de la conception opérationnelle, et non d’une supervision facultative. L’IA physique progresse, mais à un autre rythme Le rapport accorde également une attention importante à l’IA physique, que Deloitte définit comme des systèmes d’IA qui perçoivent le monde réel, prennent des décisions et déclenchent des actions physiques au moyen de machines ou de systèmes de contrôle. Cela inclut la robotique, les machines automatisées, les drones, les véhicules autonomes et d’autres formes d’automatisation opérationnelle. Selon Deloitte, 58 % des entreprises interrogées utilisent déjà l’IA physique sous une forme ou une autre, un chiffre qui devrait atteindre 80 % d’ici deux ans. L’adoption est la plus forte dans l’industrie manufacturière, la logistique et la défense, l’Asie-Pacifique affichant un usage actuel et une croissance attendue supérieurs à ceux des Amériques ou de la zone EMEA. Le rapport établit toutefois une distinction importante entre l’IA logicielle et l’IA physique. Les systèmes agentiques peuvent se diffuser rapidement, car ils se déploient en grande partie par le logiciel. L’IA physique implique du matériel, des capteurs, des modifications d’installations, des contrôles de sécurité, une intégration aux opérations réelles et des cycles de déploiement plus longs. Deloitte identifie le coût comme l’obstacle le plus souvent cité et met l’accent sur le coût total de possession plutôt que sur le seul coût du modèle. Dans bien des cas, le modèle d’IA n’est qu’une pièce du business case. Les modifications d’infrastructure, la maintenance, les pièces détachées et les interruptions liées à la mise en œuvre peuvent peser bien plus lourd. Cette différence économique aide à comprendre où l’IA physique s’impose en premier. Elle fonctionne généralement le mieux dans des environnements maîtrisés comme les usines et les entrepôts, où les conditions sont plus prévisibles et l’éventail des défaillances possibles plus restreint. Les environnements ouverts sont plus difficiles, car les questions de sécurité, de responsabilité et de réglementation y sont plus complexes. L’analyse de Deloitte sur la robotique collaborative, la surveillance intelligente, les jumeaux numériques et la logistique autonome reflète ce schéma. L’IA physique progresse clairement, mais elle le fait dans des environnements où le contrôle, la fiabilité et l’économie peuvent être évalués plus concrètement. La stratégie devance les talents et la maturité opérationnelle La dernière section du rapport qui mérite une attention particulière porte sur le niveau de préparation. Deloitte constate que 42 % des entreprises estiment leur stratégie très bien préparée à une adoption généralisée de l’IA, et 30 % en disent autant de la gestion des risques et de la gouvernance. L’infrastructure technique est à 43 %, la gestion des données à 40 % et les talents nettement plus bas, à 20 %. L’ordre exact importe moins que la forme générale des résultats. Peu de dirigeants estiment que toutes les composantes de l’entreprise sont également prêtes, et les scores les plus faibles se concentrent sur les capacités les plus lentes à évoluer en pratique. Deloitte note également que la perception de la préparation s’est améliorée plus nettement pour la stratégie et la gouvernance que pour l’infrastructure, les données et les talents. C’est un schéma familier. Il est généralement plus facile pour une organisation de définir une feuille de route IA ou une posture de gouvernance que de moderniser son architecture de données (en anglais), de repenser les emplois ou de faire fonctionner de nouveaux systèmes de manière fiable à grande échelle. Les entretiens du rapport ajoutent une dimension supplémentaire : certaines entreprises ont investi dans une infrastructure adaptée à une phase antérieure de l’IA, pour découvrir que l’essor des grands modèles de langage et des nouveaux cas d’usage avait changé la nature des capacités réellement nécessaires. C’est probablement la lecture la plus équilibrée du rapport de Deloitte dans son ensemble. Les entreprises ne doutent pas de l’importance de l’IA. Elles investissent, élargissent l’accès et revoient leurs ambitions à la hausse. Mais elles se heurtent aussi aux composantes les plus lentes de la transformation organisationnelle : intégration des systèmes, qualité des données, maturité de la gouvernance, compétences des collaborateurs, conception des emplois et exigences de conformité régionales. Ce sont ces domaines qui détermineront le plus probablement si l’IA s’ancre dans les opérations centrales ou reste un ensemble d’initiatives prometteuses mais inégales. Ce que les dirigeants doivent retenir du rapport Prises ensemble, les conclusions de Deloitte dessinent un ensemble de constats assez clair. Premièrement, l’adoption de l’IA en entreprise ne devrait plus être mesurée principalement au nombre d’outils disponibles ou de pilotes en cours. Ce sont des indicateurs précoces, pas des aboutissements. Deuxièmement, la valeur obtenue aujourd’hui reste concentrée sur l’amélioration opérationnelle plus que sur la réinvention du modèle économique. Troisièmement, les organisations les plus susceptibles de prendre l’avantage sont celles qui sont prêtes à traiter l’IA comme une question de modèle opérationnel plutôt que comme un simple ajout logiciel. Cela signifie que la refonte des processus, la gouvernance, l’architecture de données et l’organisation du travail doivent évoluer en même temps que le déploiement des modèles. Les recommandations de Deloitte en fin de rapport découlent directement de cette lecture : combler l’écart entre accès et usage, repenser le travail autour de la collaboration entre humains et IA, bâtir la gouvernance avant de passer à l’échelle, traiter directement les exigences d’IA souveraine, moderniser le socle de données et de technologie, et mettre l’IA au service d’une réinvention stratégique plutôt que d’une seule efficacité incrémentale. Aucune de ces recommandations n’est particulièrement surprenante en soi. Ce que montre le rapport, avec des données d’enquête récentes, c’est l’endroit où les entreprises restent encore en deçà. En résumé, l’IA d’entreprise a dépassé la phase d’expérimentation initiale, mais n’a pas encore mûri en un ensemble stable de pratiques opérationnelles reproductibles dans la plupart des organisations. L’avant-garde ne se définit plus par le fait d’avoir essayé l’IA. Elle se définit par la capacité de l’entreprise à la déployer de manière responsable, à l’intégrer à ses processus centraux, à adapter les rôles et le management en conséquence, et à absorber les contraintes de gouvernance et régionales qui accompagnent une adoption plus large. Conclusion Le rapport State of AI in the Enterprise 2026 de Deloitte n’est ni triomphaliste ni alarmiste. Il décrit un marché en transition. L’accès s’élargit. L’investissement augmente. La confiance progresse. L’IA agentique et l’IA physique passent du statut de sujets émergents à celui de priorités de planification. L’IA souveraine devient un enjeu concret pour les entreprises plutôt qu’un débat politique abstrait. Dans le même temps, le déploiement en production reste sélectif, la refonte du travail est en retard et la maturité de la gouvernance ne suit pas encore le rythme de l’autonomie. La lecture la plus courte et la plus honnête du rapport est la suivante : l’IA compte désormais dans toute l’entreprise, mais l’exécution compte toujours plus que l’enthousiasme. Dans les prochaines années, les organisations qui tireront le plus de valeur de l’IA seront probablement celles qui sauront transformer l’accès en usage régulier, les pilotes en systèmes de production et des outils isolés en un véritable changement de la manière dont l’entreprise fonctionne. Pour aller plus loin When AI hoards flash: The storage playbook that protects budget and performance in turbulent times
