DEPLOIEMENT DE l’IA EN ENTREPRISE : POINT D’ETAPE ET CONVICTIONS A MI-2026 ?

De l’usage isolé à l’ancrage stratégique : l’IA change de dimension

L’IA n’est plus un sujet d’expérimentation. Pour la quasi-totalité des entreprises, l’IA fait désormais partie du quotidien professionnel, des dirigeants aux équipes opérationnelles, elle s’est progressivement imposée dans les pratiques de travail.

Désormais, l’enjeu est de savoir jusqu’où les organisations sont prêtes à aller : intégration dans les processus métier, automatisation des workflows, déploiement d’agents autonomes capables d’agir, de décider et d’orchestrer sans intervention humaine…

2025 a marqué un tournant : le passage progressif d’une IA générative, productive mais assistée, à une IA agentique, capable d’interagir directement avec les systèmes d’information et de piloter des actions de bout en bout.

Nous sommes en juin 2026. Ce point d’étape à mi-année dresse un bilan lucide de la transition des entreprises vers une IA profondément intégrée, et partage nos convictions sur les leviers pour y parvenir.

1. Une maturité IA à géométrie variable

Derrière les chiffres d’adoption, une réalité contrastée

Les chiffres d’adoption continuent de progresser. Fin 2025, 88% des organisations dans le monde utilisent l’IA dans au moins une fonction métier (Source : McKinsey, State of AI, novembre 2025). Pourtant, ces chiffres peuvent être trompeurs. Lorsque nous échangeons avec des dirigeants, le terme « adoption » recouvre des réalités différentes.

Pour une grande majorité d’organisations, l’IA reste aujourd’hui confinée à un usage “assistif”. Utilisée comme un outil individuel au quotidien, elle excelle dans le traitement de micro-tâches chronophages : rédaction, synthèse de documents, résumé de réunion, traduction, ou relecture de code informatique. Si ces gains de productivité personnels sont réels, ils ne constituent pas encore une transformation des processus métiers de l’entreprise.

Il existe donc des niveaux de maturité très différents ; nous pouvons les distinguer schématiquement en trois stades :

Le premier, le plus répandu, est celui de cette IA assistive : l’outil est utilisé de manière individuelle et ponctuelle, sans coordination ni gouvernance. Chaque collaborateur expérimente à sa façon, avec ses propres outils, selon ses propres pratiques. L’impact est réel mais diffus, difficile à mesurer et impossible à industrialiser.

Le deuxième stade est celui de l’IA intégrée : les usages sont structurés, les outils standardisés, et l’IA commence à s’inscrire dans des workflows définis. Les gains ne sont plus seulement individuels, ils deviennent collectifs et mesurables. C’est là que se situent aujourd’hui la majorité des entreprises que nous accompagnons.

Le troisième stade est celui de l’IA autonome : des agents sont déployés pour agir, décider et orchestrer des processus de bout en bout, sans intervention humaine systématique. Une minorité des organisations que nous observons ont franchi ce cap, essentiellement dans des secteurs à forte intensité data ou digital natives : e-commerce, distribution, retail, industriel, …

C’est cette grille de lecture, et non le taux d’adoption, qui permet de véritablement évaluer la maturité IA d’une organisation en 2026.

Les investissements IA changent de nature

Les budgets alloués à l’intelligence artificielle confirment l’ambition des entreprises, avec des hausses significatives des enveloppes pour tout le monde. Près de 98 % des entreprises prévoient d’augmenter ou ont déjà augmenté leurs investissements en 2026 (source : CGI Voice of Our Clients, 2025).

L’enjeu des entreprises réside dans la réorientation stratégique de ces budgets. Les investissements dépassent le cadre du simple équipement logiciel pour devenir structurels. Les enveloppes financières, au-delà des projets en tant que tel, se concentrent désormais sur trois priorités majeures :

• Le nettoyage et la structuration des données internes : sans socle de données fiable et unifié, aucun système d’IA ne peut délivrer une valeur réelle et durable.
• La formation des équipes, portée par l’éthique et les exigences de l’AI Act : les organisations doivent désormais documenter, encadrer et former leurs collaborateurs à l’usage responsable de l’IA, sous peine de non-conformité
• La cybersécurité des architectures interconnectées : l’ouverture des systèmes d’information aux briques IA multiplie les surfaces d’exposition et impose une refonte des protocoles de sécurité.

Notre conviction est que la qualité de la donnée est le pivot de cette année 2026. Un système d’information siloté ou obsolète neutralise l’efficacité des meilleurs algorithmes, faisant de la gouvernance des données la condition sine qua nondu retour sur investissement.

Le défi de l’industrialisation

Déployer l’IA et l’industrialiser sont deux choses très différentes. C’est pourtant la confusion que l’on observe encore trop souvent dans les organisations : des licences achetées, des expérimentations lancées, mais des processus métier qui, eux, n’ont pas fondamentalement changé.

L’industrialisation suppose trois conditions que peu d’entreprises réunissent simultanément aujourd’hui.

• La première est technique : l’IA doit être connectée aux systèmes d’information réels de l’entreprise, et non superposée à eux.
• La deuxième est organisationnelle : les processus doivent être repensés pour intégrer l’IA comme un composant à part entière, et non comme un outil optionnel.
• La troisième est humaine : les équipes doivent être formées non pas à utiliser un outil, mais à travailler différemment.

Or, ces trois conditions progressent à des vitesses très inégales. Si la dimension technique avance, portée par les investissements croissants en infrastructure et en intégration, les dimensions organisationnelle et humaine accusent du retard. C’est ce déséquilibre qui explique pourquoi tant d’organisations affichent des taux d’adoption élevés sans pour autant constater de transformation réelle de leur performance.

À mi-2026, l’industrialisation de l’IA reste donc le chantier prioritaire, mais pour comprendre pourquoi elle avance si lentement, il faut encore en identifier les obstacles

2. Les freins structurels à l’industrialisation agentique

Si l’adoption de l’IA générative s’est faite relativement naturellement, la transition vers une IA agentique se heurte à des résistances d’une toute autre nature. Ce ne sont plus seulement des freins d’usage, mais des freins systémiques, plus profonds, qui touchent à l’organisation, aux infrastructures, aux compétences et à la gouvernance.

• L’alignement stratégique inter-directions (Organisationnel): Les entreprises se heurtent à un défi de gouvernance interne : faire converger les objectifs, les priorités et les calendriers de directions aux logiques souvent divergentes. La priorisation des cas d’usage devient particulièrement complexe, dès lors qu’un projet agentique touche simultanément plusieurs équipes, plusieurs applicatifs, plusieurs roadmap… Sans instance de décision transverse et sans sponsor clairement identifié au niveau de la DG, ces projets s’enlisent dans des arbitrages interminables avant même d’avoir démarré.

• Le traitement siloté (Organisationnel) : L’absence fréquente de vision transverse limite l’IA à des initiatives locales par département. Or, par nature, un agent autonome doit interagir avec plusieurs pans de l’entreprise pour délivrer sa pleine valeur. C’est le cas typique d’un agent de relation client : capable techniquement de traiter une réclamation de bout en bout, il se retrouve bloqué dès lors que la résolution implique d’accéder aux données de facturation, au CRM et au système logistique, trois silos qui ne se parlent pas ou peu.

• La pénurie de talents(RH & Compétences) : Le marché des profils experts en IA reste structurellement en tension. Ingénieurs IA, architectes de données, prompt engineers, ces compétences sont rares, chèrement disputées et difficiles à internaliser pour la majorité des organisations. Cette pénurie ralentit considérablement les projets d’intégration.

• La dette technique des systèmes d’information (Technique) : De nombreux SI, construits par couches successives sur plusieurs décennies, ne sont pas conçus pour l’interconnexion sécurisée et en temps réel qu’exigent les architectures agentiques. Moderniser ces infrastructures est un prérequis incontournable, mais c’est aussi un chantier long, coûteux et risqué, que peu d’organisations ont encore véritablement engagé.

• L’accompagnement au changement (Humain & Managérial) : Confier des processus décisionnels à un algorithme génère des freins psychologiques et un besoin managérial de contrôle légitime. Ce sentiment est renforcé par un historique de sous-investissement dans la formation : dans la majorité des organisations que nous accompagnons, les collaborateurs ont appris à utiliser l’IA par eux-mêmes, sans cadre ni accompagnement structuré, ce qui alimente autant les mauvais usages que les résistances.

• La gouvernance et la conformité (Juridique & Sécurité) : Les architectures agentiques augmentent la surface de risque cyber : plus un agent est autonome et connecté, plus il constitue un point d’entrée potentiel pour des acteurs malveillants.

• Au risque technique s’ajoute un risque organisationnel tout aussi préoccupant : l’absence de règles claires sur l’usage de l’IA en interne. Selon l’Observatoire Impact AI / KPMG, seuls 9 % des salariés français disposaient d’une charte d’utilisation de l’IA en 2025. Ce besoin de gouvernance devient pressant avec le début des contrôles et sanctions prévu le 2 août 2026 au titre de l’article 4 de l’AI Act européen, qui impose aux organisations de garantir la maîtrise et la compréhension des outils IA par leur personnel. De plus, sans formation ni cadre clair, les collaborateurs peuvent, sans mauvaise intention, exposer des données sensibles en les soumettant à des outils non homologués, alimentant ainsi un shadow IA dont les conséquences en matière de confidentialité et de conformité peuvent s’avérer aussi graves qu’une attaque externe.

  Ces freins ne doivent pas être traités indépendamment. C’est précisément ce qui rend la transformation agentique si exigeante : elle ne se pilote pas frein par frein, mais en agissant sur tous les leviers à la fois, organisation, équipes et infrastructures.

3. Quelques entreprises qui font référence

Plusieurs entreprises françaises démontrent qu’une intégration profonde et sécurisée de l’IA est un levier de performance majeur. Ces cas illustrent des trajectoires concrètes et reproductibles vers une IA agentique.

Carrefour : IA au coeur des opérations

Carrefour a fait de l’IA depuis plusieurs années un pilier structurant de son modèle opérationnel, avec 100 M€ investis annuellement et un déploiement auprès de 250 000 collaborateurs (Plan Carrefour 2030, février 2026).

Sur le volet supply chain, des systèmes automatisés génèrent les ordres de réapprovisionnement en croisant données de stocks et données d’achats. En parallèle, le partenariat avec Vusion, déploiement de caméras IA et d’étiquettes électroniques connectées dans l’ensemble des magasins français, vise une réduction des ruptures de 20 %.

Côté client, Carrefour est devenu le premier distributeur alimentaire européen à rejoindre l’Universal Commerce Protocol de Google, permettant à ses clients de faire leurs courses directement via les agents IA de Gemini (Plan Carrefour 2030, février 2026, E-Commerce Nation).

Sur le volet marketing et CRM, Carrefour a développé Marketing Studio, une solution propriétaire déployée sur l’ensemble des canaux de communication. Elle permet de personnaliser les promotions à grande échelle, avec des résultats mesurés : +56% de reach personnalisé, -40% d’irritants sur la disponibilité des promos, et +15 pts de NPS sur le e-catalogue (Présentation Carrefour 2025, Hub Institute).

Cdiscount : l’IA agentique au coeur de l’expérience client et du catalogue

Cdiscount illustre une approche de transformation IA qui se distingue par sa logique bottom-up. Constatant que ses équipes continuaient d’utiliser ChatGPT en parallèle de leurs licences Copilot, l’e-commerçant a fait le choix pragmatique de basculer l’ensemble des collaborateurs vers l’outil réellement adopté sur le terrain, avec aujourd’hui 600 licences actives et une moyenne de 100 messages par personne par mois (Thomas Métivier, PDG Cdiscount, One to one retail e-commerce, Mars 2026).

Mais la vraie rupture est organisationnelle. Chez Cdiscount, la direction a défini les grands objectifs et outillé les équipes, mais c’est le terrain qui a la charge de remonter les cas d’usage. Certains collaborateurs vont construire eux-mêmes leurs agents pour automatiser leurs workflows. Une philosophie inspirée du modèle Toyota : les meilleures idées viennent du terrain.

Sur le catalogue, l’IA générative enrichit et catégorise automatiquement les fiches produits à grande échelle : 17 millions de références ont déjà bénéficié de ce traitement. L’impact est immédiat : un produit bien catégorisé génère 30 % de ventes supplémentaires (La Revue du Digital, décembre 2025).

En parallèle, 50 algorithmes tournent en permanence sur le parcours client : création du catalogue, modération, recommandation, personnalisation, détection de fraude.

Sur la relation client, Cdiscount a déployé un agent conversationnel disponible 24h/24, 7j/7, qui traite aujourd’hui 520 000 conversations par an. Dans deux tiers des cas, l’IA répond seule aux demandes clients, avec un taux de satisfaction dépassant les 70 % sur le mix IA + humain (Républik Retail, avril 2025).

Groupe BPCE : un million d’appels traités en autonomie

Le Groupe BPCE illustre comment l’IA agentique peut transformer en profondeur la relation client à l’échelle d’un grand groupe bancaire. Dans le cadre de son plan stratégique VISION 2030, le groupe a déployé des voicebots agentiques capables de traiter des appels clients de bout en bout, sans intervention humaine : sur 12 millions d’appels annuels, près d’1 million sont désormais traités intégralement de manière autonome (Source : Communiqué officiel BPCE, novembre 2025). L’agent identifie le besoin, interroge les systèmes d’information bancaires, applique les règles de conformité et clôture la demande, l’humain n’intervenant qu’en cas de situation complexe ou d’anomalie détectée. Signe de la qualité du dispositif : 85 % des comptes-rendus d’appels réalisés par l’IA sont validés par les téléconseillers sans besoin de complément (CIO Online, novembre 2025).

Cas particulier : Polsia – quand un seul fondateur pilote 1000 entreprises grâce aux agents IA

Au-delà des grands groupes, l’IA agentique ouvre également la voie à des modèles économiques radicalement nouveaux pour les plus petites structures. Polsia en est l’illustration la plus frappante. Fondée par un français, cette startup américaine a atteint 1 million de dollars d’ARR en seulement 30 jours, sans aucun employé (Latent Space Podcast, février 2026).

Le principe est aussi simple que disruptif : des agents IA gèrent des entreprises entières de manière autonome. Planification stratégique, développement logiciel, campagnes marketing, gestion de la relation investisseurs… tout est orchestré par des agents fonctionnant 24h/24, sans intervention humaine systématique. Plus de 1 000 entreprises tournent aujourd’hui sur la plateforme.

Ce cas illustre une réalité que les grandes organisations auraient tort d’ignorer : l’IA agentique ne transforme pas seulement les processus internes des entreprises établies, elle redéfinit les modèles économiques et la concurrence.

4. Prospectives pour le 2^nd semestre : Orientations stratégiques

Le second semestre 2026 se dessine comme une phase de consolidation et d’accélération sélective. Les organisations qui ont su poser les bonnes fondations, gouvernance des données, alignement organisationnel, formation des équipes, vont franchir un cap décisif. Les autres risquent de voir l’écart se creuser avec les pionniers. Voici les cinq orientations stratégiques que nous recommandons pour aborder ce second semestre.

Passer du POC à l’industrialisation

Le premier impératif du S2 2026 est de sortir de la logique d’expérimentation. Trop d’organisations accumulent les projets pilotes sans jamais franchir le cap du déploiement à grande échelle. L’heure est venue de sélectionner les cas d’usage à fort potentiel, ceux qui combinent impact métier mesurable et faisabilité technique, et de les industrialiser réellement : intégration aux systèmes d’information, gouvernance des processus, formation des équipes concernées.

Adresser le frein organisationnel en priorité

Les freins techniques et juridiques progressent, portés par les investissements croissants et l’entrée en application de l’AI Act. Le frein organisationnel, lui, ne se résout pas par un budget : il exige une volonté managériale claire et une gouvernance transverse. Les organisations qui réussiront leur transformation agentique au S2 2026 seront celles qui auront su casser les silos, créer des instances de pilotage cross-fonctionnelles et donner à l’IA une place explicite dans leur modèle opérationnel, et non plus dans le seul périmètre de la DSI.

Faire de la donnée un actif stratégique

La qualité de la donnée reste le verrou principal de la transformation agentique. Un agent autonome n’est aussi performant que les données sur lesquelles il s’appuie. Le S2 2026 doit être l’occasion d’accélérer les chantiers de nettoyage, de structuration et de gouvernance des données internes, non pas comme un prérequis technique, mais comme un investissement stratégique à part entière.

Bien anticiper les coûts de RUN

Au-delà de la qualité de la donnée, les organisations doivent également anticiper les coûts de run dès la phase de conception. Un agent autonome qui tourne en permanence sur des volumes importants peut générer des coûts d’infrastructure et de consommation de tokens significatifs, souvent sous-estimés lors des phases de POC. Se poser la question de la pertinence économique de l’IA dès le départ, et non après déploiement, est une condition importante pour une industrialisation réussie.

Anticiper l’AI Act comme une opportunité, pas une contrainte

L’entrée en application des sanctions de l’article 4 de l’AI Act en août 2026 est souvent perçue comme une contrainte supplémentaire. C’est en réalité une opportunité : les organisations qui auront structuré leur gouvernance IA, formé leurs collaborateurs et documenté leurs usages seront non seulement conformes, elles seront aussi plus matures, plus fiables et plus compétitives. La conformité réglementaire et la performance opérationnelle ne s’opposent pas : elles se renforcent.

Conclusion :

Ce bilan de mi-2026 est sans ambiguïté : l’IA a changé de dimension. Elle n’est plus un sujet de curiosité ni d’expérimentation, elle est devenue un enjeu de compétitivité réel, mesurable, et urgent.

Notre conviction chez Thinkmarket est simple : les entreprises qui tireront leur épingle du jeu au second semestre ne seront pas nécessairement celles qui auront le plus investi en technologie. Ce seront celles qui auront su aligner leur organisation, leurs équipes et leurs données autour d’une vision cohérente de l’IA, et qui auront eu le courage de passer de l’intention à l’exécution.

L’IA agentique n’est plus une promesse. Pour ceux qui s’en saisissent vraiment, c’est déjà un avantage concurrentiel.