L’IA entre dans sa phase la plus déterminante. Au-delà de la génération de texte ou de l’analyse de modèles, elle se déplace, perçoit et agit désormais dans le monde physique — ce que le secteur appelle la physical AI. D’ici 2030, il pourrait y avoir jusqu’à 39 milliards d’appareils IoT en fonctionnement, tous générant des données à la périphérie — dans les ateliers de fabrication, les opérations minières et les réseaux d’entrepôts.
Pourtant, la plupart des stratégies d’IA restent ancrées dans des architectures cloud centralisées qui n’ont pas été conçues pour un monde distribué et physique. L’impact transformateur de la physical AI ne se verra pas dans les centres de données qui génèrent des tokens et traitent des prompts textuels. Il se déploiera là où le travail s’accomplit — là où les systèmes ne peuvent se permettre ni latence, ni temps d’arrêt, ni angles morts.
L’impératif de la Physical AI : aller au-delà du cloud
Dans un centre de données, une erreur affecte une ligne de code ; dans une mine ou une usine, elle a des conséquences physiques. Les architectures d’IA traditionnelles ont été conçues pour une intelligence centralisée, mais dans le monde physique, le modèle du « round trip vers le cloud » échoue pour trois raisons critiques :
- Sécurité et latence : dans un entrepôt à grande vitesse, une décision retardée de 500 millisecondes devient un danger pour la sécurité. Les décisions doivent se prendre en temps réel, avec des conséquences mesurées à la fois en termes de sécurité et de productivité.
- Complexité environnementale : contrairement aux environnements numériques contrôlés, les systèmes physiques opèrent dans des conditions désordonnées et imprévisibles — éclairage variable, agencements changeants, interaction humaine et dégradation des équipements. L’IA doit donc être suffisamment résiliente pour s’adapter en permanence, et pas seulement fonctionner correctement dans les conditions pour lesquelles elle a été initialement entraînée.
- Souveraineté des données : les environnements opérationnels génèrent d’immenses quantités de données de capteurs — flux vidéo, signatures vibratoires et relevés thermiques, par exemple. Ces données sensibles sont souvent trop propriétaires, trop réglementées ou trop volumineuses pour être transmises au cloud.
Les facteurs d’adoption de la Physical AI
En conséquence, les organisations repensent la manière dont l’intelligence doit être déployée et l’endroit où elle doit résider. Plusieurs facteurs accélèrent l’adoption de la physical AI, notamment :
- Prise de décision en temps réel : dans les environnements physiques, le délai est synonyme de risque. Les industries ont besoin de systèmes d’IA capables de percevoir, décider et agir instantanément — que ce soit dans une allée d’entrepôt, le long d’un couloir hospitalier ou dans un atelier de fabrication.
- Moindre dépendance à la connectivité réseau : la transmission continue vers le cloud de données de capteurs à haut volume, de flux vidéo et de télémétrie impose des exigences importantes sur l’infrastructure réseau. En traitant les données localement, les architectures edge réduisent les besoins en bande passante, abaissent les coûts opérationnels et garantissent la continuité des opérations critiques même lorsque la connectivité est limitée ou interrompue.
- Maturité du matériel et des capteurs : les avancées dans les capteurs, les moteurs, la connectivité et l’edge computing ont fait passer la physical AI de la théorie au déploiement. Les machines peuvent désormais percevoir le monde réel et interagir avec lui avec la précision et l’endurance qu’exigent les opérations complexes.
- Sécurité et réduction des risques : l’IA peut remplacer les humains dans les zones dangereuses, réduisant ainsi les accidents et les arrêts opérationnels.
- Souveraineté et conformité : le traitement des données sensibles à la périphérie permet aux organisations de conserver le contrôle sur l’emplacement et la gestion de leurs données. Face au changement fondamental de l’automatisation réactive vers l’intelligence adaptative, la physical AI exige une architecture différente de celle de l’IA cloud-native.
Elle ne réussit que lorsque l’intelligence est intégrée directement dans les opérations, et non superposée à celles-ci.
Pourquoi la Physical AI mérite l’attention dès maintenant
La physical AI n’émerge pas dans le vide. Elle est le résultat de pressions convergentes qui transforment les opérations des entreprises.
Les pénuries de main-d’œuvre et la hausse des coûts imposent une refonte de l’automatisation, car les systèmes statiques qui se contentent d’exécuter ne suffisent plus.
Les organisations ont également besoin d’une intelligence qui s’adapte en temps réel, et la technologie sous-jacente a atteint sa maturité : l’edge computing, la connectivité avancée comme la 5G et la 6G, et des modèles d’IA de plus en plus performants font passer la physical AI du concept au déploiement.
Dès le début de 2026, IDC* a estimé que « les dépenses mondiales en solutions d’edge computing ont atteint 265 milliards de dollars en 2025 et devraient croître à un taux annuel composé (CAGR) de 12,5 %, pour atteindre près de 450 milliards de dollars d’ici 2029. » Et si l’edge computing est l’utilitaire essentiel, un CAGR projeté de 33,3 % pour la physical AI témoigne des investissements supplémentaires en capex et de la transformation d’infrastructure en cours dans les entreprises.
Une autre force en jeu est la nécessité concurrentielle. Les précurseurs enregistrent déjà des gains mesurables en matière de sécurité, d’efficacité et d’agilité opérationnelle. Dans ce paysage dynamique, les retards ne font qu’élargir l’écart.
Comment NTT DATA opérationnalise l’intelligence physique
En juillet 2024, NTT DATA a lancé la première plateforme edge AI entièrement infogérée du secteur, conçue spécifiquement pour répondre aux exigences rigoureuses de la physical AI. Plutôt que de gérer les actifs physiques comme de simples « sources de données », nous les traitons comme des systèmes intelligents, définis par logiciel et intégrés directement dans les opérations.
L’impact opérationnel est mesurable :
- Industrie manufacturière : les machines détectent les microvibrations et les signaux thermiques, en ajustant de manière autonome leurs paramètres pour prévenir les pannes et réduire les arrêts non planifiés.
- Optimisation énergétique : les systèmes équilibrent dynamiquement la consommation par rapport à la demande en direct et à la charge opérationnelle sans compromettre les performances.
- Inspection autonome : des robots quadrupèdes opèrent dans des zones dangereuses, identifiant des anomalies structurelles ou thermiques invisibles à l’œil humain et réduisant l’exposition humaine au risque.
La Physical AI en action
Rendre l’atelier de production plus productif
NTT DATA a déployé une solution de vérification des tâches en atelier pour un fabricant discret de premier plan. La solution utilise l’analyse en temps réel et sur site des processus de production en direct pour vérifier le respect des procédures opérationnelles standard (SOP) et maintenir la qualité des produits. En surveillant les tâches au moment où elles sont effectuées, le système basé sur l’edge contribue à garantir une exécution cohérente et génère des alertes dès que les processus s’écartent des standards établis.
Plus de visibilité et de résilience — prête pour l’IA
Pour un fabricant mondial de batteries, nous avons conçu une architecture industrielle évolutive capable d’intégrer des équipements de plusieurs fabricants d’équipements d’origine (OEM), de prendre en charge des environnements de production à grande vitesse et de répondre à des exigences strictes en matière de cybersécurité et de réglementation. Notre solution a fourni :
- Une visibilité unifiée en temps réel et une surveillance centralisée de toutes les opérations de production.
- Des pipelines de données robustes et prêts pour l’IA afin d’améliorer l’efficacité globale des équipements, de permettre la maintenance prédictive et de faciliter l’expansion des initiatives de physical AI.
- Une haute résilience et une intégrité des données grâce à une architecture de reprise après sinistre conçue pour la redondance et le buffering store-and-forward, éliminant les points de défaillance uniques.
L’intelligence là où elle compte
L’avenir de l’IA ne se limite plus aux tableaux de bord ou aux analyses sur un écran. Il s’agit d’intégrer l’intelligence directement dans les machines, les installations et les chaînes d’approvisionnement qui font tourner le monde.
Pour les organisations du secteur manufacturier, minier, logistique et énergétique, les bénéfices sont clairs : prise de décision en temps réel sans dépendance au réseau, souveraineté des données opérationnelles, conformité réglementaire et intégration simplifiée des systèmes OT hérités avec les systèmes IT modernes.
Chez NTT DATA, nous disposons des plateformes, des partenariats et de l’expertise nécessaires pour sortir l’IA du cloud et la mettre au travail sur le terrain. L’infrastructure existe et l’intelligence est prête.
Nous sommes passés au-delà de la question de savoir si la physical AI va remodeler vos opérations. Ce sera le cas — alors à quelle vitesse pouvez-vous mener la transition ? Votre infrastructure est-elle prête ?
- À LIRE AUSSI → Factory floor 2.0: How AI-ready networks are reshaping manufacturing
POUR ALLER PLUS LOIN
Découvrez les services Edge AI de NTT DATA et parlez à nos experts pour planifier une session stratégique ou discuter de preuves de concept adaptées aux besoins de votre organisation.
* IDC Press Release. Edge Computing Global Spending to Grow at 15%, Reaching $450 Billion by 2029. 25 February 2026.