Trends of AI 2026 : où en sont les fonctions clés de l'entreprise dans l'adoption de l'IA ?

L’Intelligence Artificielle a trouvé une place dans le quotidien des fonctions RH, mais elle est mobilisée en priorité pour traiter du volume, automatiser les tâches répétitives et améliorer la performance des équipes RH, sans transformer en profondeur les processus existants. Les solutions d'IA les plus usitées confirment cette approche pragmatique. On remarque par ailleurs que les RH accusent un certain retard sur des fonctions plus matures comme le Marketing ou l'IT si on regarde le taux de déploiement de leurs solutions technologiques.    

Les freins identifiés sont principalement liés à l’intégration avec les systèmes existants (80 %), au manque de budget ou de temps (65 %) et à la qualité des données (59 %). 

Lors des comités d’experts, les directions RH ont appuyé sur le rôle clé des RH dans l’accompagnement du changement, la structuration d’une gouvernance éthique et la valorisation des compétences IA dans les parcours professionnels. 

Avec une analyse de Cécile Decourtray et de Yassine Ghandi.

Le recours à l'Intelligence Artificielle et aux agents pour l’assistance à la programmation (dont la part de projets déployés ou en test double presque depuis la première édition pour atteindre 75%), le traitement des données, les chatbots à base de LLM et la supervision du SI à des fins de sécurité deviennent des standards pour les équipes IT.  D’autres applications ne dépassent toutefois par la phase pilote, souvent pour des raisons technologiques, financières, réglementaires et/ou de qualité de la data.

Le niveau d’investissement en IA dans le secteur IT est, du reste, très disparate:

• 45% des entreprises consacrent moins de 3 % de leur budget aux projets IA,
• 44% consacrent entre 3 et 10%,
• quelques entreprises avoisinent les 30%.  

Mais au-delà des efforts technologiques et financiers des directions IT, les comités d’experts ont révélé que la montée en maturité des plateformes technologiques constituera également un levier clé pour passer à l’échelle.  

On peut par ailleurs noter l'évolution du rôle de la DSI : elle s’oriente vers un modèle plus expert en soutien aux besoins métier, à la transformation et à la stratégie de l'organisation. Des Chief AI Officers voient le jour dans les entreprises et les équipes Data passent d'un rôle de support à une position motrice pour favoriser la création de valeur. 

Avec une analyse d’Axel de Goursac et de Pierre Antoine Delahousse.

Les cas d’usage de l’Intelligence Artificielle les plus matures se concentrent sur l’automatisation des tâches à faible valeur ajoutée et sur le déploiement d’agents disponibles à toute heure.  On observe toutefois une sophistication progressive, avec des utilisations qui se développent autour de l’anticipation du churn, de la détection des signaux faibles et de l’identification d’opportunités commerciales.

On constate une forte priorité accordée à l’amélioration de la satisfaction et à la personnalisation des parcours clients. L’Intelligence artificielle est perçue comme un levier majeur pour anticiper les attentes, fluidifier les parcours omnicanaux et automatiser les processus de relation client. Elle ouvre la voie à des expériences plus personnalisées, tout en repositionnant le rôle du conseiller comme un expert augmenté. 

Mais l'industrialisation reste encore limitée pour la majorité des organisations, faute de maturité data et d’intégration des parcours de bout en bout.

Avec une analyse de Michael Pudlowski.

Les cas d’usage présentant le meilleur ratio gain/effort dans la fonction Achats sont ceux s’appuyant sur des données accessibles facilement et des processus structurés, comme la gestion du cycle de vie des contrats, le support aux appels d’offre, ou l’analyse des risques fournisseurs. Les usages dans la contractualisation sont encore timides ; les tâches sensibles et reposant sur du relationnel restent entre les mains des collaborateurs. Le passage à l’échelle reste progressif, freiné principalement par la qualité des données (75%), l’intégration avec les systèmes existants qui ne communiquent pas ou mal entre eux (63%) et la maturité des solutions. 

Les directions Achats n’ont pas encore structuré leurs stratégies digitales pour l’IA et les LLM supportent la plupart leurs cas d'usage (cesont d'ailleurs de loin des solutions d'IA les plus exploitées). On constate un stade de maturité encore intermédiaire, davantage orienté vers l’apprentissage et l’expérimentation que vers l’industrialisation.

Avec une analyse de Filipe Torregrosa et de Tristan Berthod.

L’IA apparaît comme un levier stratégique pour anticiper les aléas, optimiser les ressources et améliorer la performance industrielle. Près de 60 % des organisations mesurent d’ailleurs déjà des gains de productivité, et la moitié du panel estime que la qualité des prévisions a augmenté de 5 à 20%.

Au sein des directions Supply chain & Production, l'IA est donc moins vue comme une menace que comme une opportunité. La résistance au changement reste faible et les gains en temps et en qualité font consensus. 

La fonction accuse encore malgré tout un retard en matière de test et de déploiement de cas d’usage. Les difficultés technologiques (l’intégration avec les systèmes existants et l’identification des solutions pertinentes), financières et de temps sont pointées du doigt. On note que parmi les 6 premiers freins à l’adoption cités, 4 sont d’ordre technique. 

Avec une analyse de Didier Krick, d'Eric Leger, et d'Henri Thiercelin.

Les directions risque & conformité font volontiers appel aux solutions génériques d’IA ou d’agents conversationnels (60%), principalement pour les tâches chronophages de synthèse et l'identification des écarts et des signaux faibles. Les outils plus structurants restent eux encore majoritairement en phase de test ou de réflexion et les outils GRC, bien qu’ils intègrent de premières briques d’IA, n’ont pas encore une proposition répondant totalement au besoin. 

Malgré une automatisation du travail d'au moins 10-20% anticipée d’ici à 3 ans selon 60% des répondants, le niveau de résistance au changement reste relativement bas. La moitié du panel estime en revanche que le déploiement est freiné par les questions de disponibilité de budget et de temps, ainsi que par les difficultés technique et de qualité de la donnée.

L’interopérabilité des systèmes et l'accompagnement de la montée en compétences des équipes seront des ingrédients essentiels à la réussite de l’IA dans ces fonctions. 

Avec une analyse de Pauline Eckert et de Benoit Durand. 

Notre enquête montre que la maturité dans l'utilisation de l’IA en marketing reste très largement supérieure à celle des autres fonctions. Elle est en grande majorité centrée sur la création et l’optimisation de contenus (avec des solutions déployées ou en test entre 61% et 84% des entreprises selon les domaines d’application). C’est mécaniquement dans la génération de contenu que les directions marketing estiment trouver le plus de valeur. Et ce sont également les salariés en charge du contenu et du digital qui se sentent les plus menacées. 

Face à cette rapidité d’adoption, des craintes émergent : 36% des répondants s’attendent à une réduction des effectifs et 80% anticipent des contenus de plus en plus lisses et indifférenciés. Les sujets réglementaires (RGPD et Propriété Intellectuelle) sont remontés parmi les sujets de préoccupation et parmi les freins à l’adoption.

Les experts soulignent donc la nécessité de structurer des cadres de gouvernance clairs afin de préserver l'identité des marques, de respecter la réglementation et de préserver la dimension humaine du marketing. 

Avec une analyse de François-Xavier Leroux et de Benoit Girard.