Dans certains secteurs, il est possible de tester de nouvelles approches à la périphérie de l’organisation, et cela peut même constituer une bonne pratique. Dans l’industrie manufacturière, ce n’est ni possible, ni souhaitable.
Dans le cadre de l’étude menée pour le Global AI Report 2026 de NTT DATA, qui couvre 35 pays, cinq régions et 15 secteurs d’activité, nous avons publié le rapport 2026 Global AI Report - Manufacturing and Automotive. Celui-ci montre comment les leaders de l’AI dans ces secteurs transforment leur stratégie en résultats mesurables pour les véhicules software-defined, l’ingénierie et la fabrication intelligente.
Nos données révèlent que les leaders de l’AI, identifiés en fonction de leur stratégie AI déclarée, de leur niveau d’adoption de l’AI et des résultats financiers obtenus grâce à cette technologie, sont beaucoup plus susceptibles que les autres organisations d’appliquer l’AI directement aux opérations essentielles. Plus de 90 % d’entre eux le font déjà, contre moins de 70 % des organisations les moins avancées. Or, dans ces secteurs, la majeure partie de la valeur est créée dans la production, la supply chain et les opérations. Sans application de l’AI à ces processus clés, il est difficile d’obtenir un impact significatif.
Autrement dit, les organisations les plus performantes se concentrent moins sur la généralisation de l’AI que sur l’identification des domaines où elle crée le plus de valeur.
Le focus, plus que l’échelle, est le point de départ de la création de valeur
Les leaders de l’AI dans l’industrie manufacturière commencent par un nombre limité de domaines à fort impact, comme la planification de la production, la qualité, la maintenance et l’exécution de la supply chain. Dans ces domaines, même des améliorations progressives peuvent générer des gains significatifs en matière de productivité, de coûts et de fiabilité.
Plus important encore, ils ne considèrent pas l’AI comme une simple couche ajoutée aux processus existants. Ils repensent les flux de travail de bout en bout, un changement subtil mais essentiel.
Nos données montrent que 38,6 % des leaders, contre seulement 12 % des organisations les moins avancées, reconstruisent leurs systèmes clés en intégrant directement l’AI. Si l’automatisation de certaines étapes peut générer des gains locaux, l’amélioration des performances à l’échelle du système nécessite une refonte de l’ensemble du processus.
Cette approche apporte notamment davantage de cohérence dans les décisions liées à la qualité, à la planification et à la maintenance. Elle permet également de réagir en temps réel aux perturbations des lignes de production, aux fluctuations de la demande ou aux défaillances d’équipements.
De l’expérimentation à la production : ce qui distingue les leaders
Les leaders passent résolument des projets pilotes aux environnements de production, c’est-à-dire qu’ils intègrent directement l’AI dans les systèmes opérationnels. Ils sont également plus enclins à investir à partir des premiers succès obtenus, créant ainsi un effet d’entraînement où les résultats initiaux justifient de nouveaux investissements et accélèrent les progrès.
À l’inverse, les organisations les moins avancées restent souvent enfermées dans un cycle peu productif de projets pilotes et d’initiatives fragmentées. Elles attendent de meilleures données, davantage de certitudes ou des cas d’usage plus clairs, retardant ainsi les apprentissages indispensables pour déployer efficacement l’AI à grande échelle.
Repenser le risque : avancer vite avec discipline
Une autre différence réside dans la manière dont les leaders abordent le risque.
Il existe une perception selon laquelle accélérer l’adoption de l’AI accroît les risques. C’est souvent vrai. Mais dans l’industrie manufacturière, l’inverse peut également être vrai, notamment pour les leaders qui mettent en place dès le départ une gouvernance solide, des garde-fous et des responsabilités clairement définies.
Dans les environnements critiques pour la sécurité, une gouvernance centralisée, une responsabilisation claire et un lien plus étroit entre les initiatives AI et les résultats au niveau des sites industriels permettent de déployer l’AI à grande échelle sans perdre le contrôle. D’ailleurs, les données montrent que près des deux tiers des leaders disposent déjà de modèles de gouvernance centralisés.
L’adoption se produit lorsque les équipes de terrain perçoivent la valeur
Les industriels les plus performants utilisent l’AI pour renforcer les capacités des ingénieurs, opérateurs et planificateurs expérimentés. Cette approche améliore la qualité des décisions tout en maintenant l’humain au cœur du processus, ce qui est plus important qu’il n’y paraît.
D’après mon expérience, l’adoption repose avant tout sur la confiance. Et la confiance se construit lorsque les équipes de terrain perçoivent l’AI comme un outil qui les aide à mieux travailler, et non comme une menace pour leur emploi. Cela se reflète directement dans les niveaux d’adoption. Plus de 80 % des leaders rapportent une perception positive de l’AI au sein de leurs effectifs, soit près du double des organisations les moins avancées.
Une fois cette confiance établie, les progrès s’accélèrent. On observe un passage d’une logique d’impulsion à une logique de demande. Les équipes commencent à solliciter davantage de cas d’usage, et les investissements deviennent plus faciles à justifier à mesure que la dynamique d’adoption de l’AI se renforce. L’AI cesse alors d’être une simple initiative pour devenir un élément central du fonctionnement de l’entreprise.
La conclusion est claire : dans l’industrie manufacturière, le leadership en matière d’AI devient rapidement indissociable du leadership opérationnel.
Que faire maintenant ?
Consultez notre 2026 Global AI Report - Manufacturing and Automotive pour découvrir comment les leaders des secteurs manufacturier et automobile abordent l’AI, notamment à travers leurs domaines opérationnels prioritaires, leurs modèles de gouvernance et leurs stratégies d’investissement.