L'IA générative, du laboratoire à l'usine

En trois ans, l’intelligence artificielle générative est passée du gadget fascinant à l’outil de production. Elle ne se contente plus d’écrire des courriels ou de dessiner des images : elle conçoit des pièces d’avion, imagine des médicaments et commence à prendre des décisions seule. Mais derrière les chiffres vertigineux, une réalité plus prosaïque s’impose : adopter l’IA est facile, l’industrialiser ne l’est pas.

Une technologie qui crée, et non plus seulement qui calcule

La rupture tient en un mot : générer. Les systèmes d’IA classiques analysent des données et formulent des prédictions à partir de modèles préexistants. L’IA générative, elle, produit du contenu original — textes, images, sons, molécules, designs complexes. Cette capacité ouvre des usages inédits dans l’industrie, la santé, la création.

Le moment coïncide avec ce que l’on nomme l’industrie 5.0, où l’accent se déplace de l’automatisation pure vers la collaboration entre l’humain et la machine. L’IA générative n’y est plus un simple outil, mais un partenaire de conception. Et l’adoption a explosé. Selon l’enquête mondiale de McKinsey publiée en 2025, 78 % des organisations utilisent désormais l’IA, contre 55 % en 2023, et 88 % déclarent un usage régulier au sein de leur structure¹. La bascule est nette : en deux ans, l’IA est devenue une infrastructure de base de l’économie, et non plus une expérimentation marginale. Cette diffusion fulgurante n’a guère d’équivalent dans l’histoire récente des technologies, du tableur à Internet.

Des chiffres qui donnent le vertige

L’ampleur économique est difficile à saisir. McKinsey chiffre la valeur annuelle potentielle de l’IA générative entre 2 600 et 4 400 milliards de dollars, répartis sur 63 cas d’usage, l’essentiel se concentrant dans la relation client, le marketing, le génie logiciel et la recherche-développement¹. Côté investissements, les dépenses des entreprises en IA générative ont atteint 37 milliards de dollars en 2025, soit 3,2 fois plus qu’un an auparavant².

Mais le tableau a son revers. Près des deux tiers des organisations n’ont pas encore généralisé l’usage de l’IA à l’échelle de l’entreprise¹. Et si 74 % déclarent un retour sur investissement dès la première année, seules 39 % constatent un effet mesurable sur leur résultat opérationnel¹. Autrement dit, l’IA générative est partout, mais sa rentabilité à grande échelle reste un chantier. C’est le « fossé du passage à l’échelle » que pointent les analystes : entre un prototype qui impressionne et un déploiement qui transforme vraiment l’entreprise, l’écart demeure considérable.

L’IA agentique, prochaine frontière

La nouveauté de 2025 porte un nom : l’IA agentique. Il ne s’agit plus seulement de répondre à une requête, mais de déléguer à un système la capacité d’agir de façon autonome pour accomplir une tâche — réserver, commander, coder, négocier. McKinsey rapporte que 23 % des organisations déploient déjà un système agentique quelque part dans leur structure, et 39 % supplémentaires expérimentent¹. Les fonds d’investissement spécialisés y voient le prochain grand cycle, après celui des assistants conversationnels qui a dominé 2023 et 2024².

La prudence reste toutefois de mise : dans une fonction donnée, jamais plus de 10 % des répondants ne déclarent généraliser ces agents¹. La promesse est immense, mais la confiance — et la maîtrise des risques — progresse plus lentement que la technologie. Déléguer une action à une machine soulève des questions de responsabilité, de sécurité et de contrôle que les entreprises n’ont pas encore tranchées. Un agent qui se trompe en autonomie peut faire des dégâts à une vitesse et à une échelle qu’un humain ne pourrait égaler.

Concevoir et soigner autrement

C’est dans l’industrie et la santé que l’IA générative dévoile sa puissance la plus tangible. La conception générative, intégrée aux logiciels de Siemens ou d’Autodesk, permet de produire des géométries qu’aucun ingénieur n’aurait imaginées³. L’exemple le plus parlant vient de l’aéronautique : Airbus a utilisé la conception générative d’Autodesk pour repenser une cloison de son A320, aboutissant à une structure 45 % plus légère, qui réduit la consommation de carburant et les émissions³. L’algorithme produit des géométries organiques, en treillis, qu’un ingénieur n’aurait pas spontanément dessinées³. Moins de matière, plus de résistance : pour des secteurs où chaque kilo compte, le gain est direct. Sur les chaînes de production, l’IA optimise aussi les flux en temps réel, ajustant la cadence pour réduire les défauts et améliorer la régularité du produit³.

La pharmacie illustre l’autre versant. Des molécules conçues avec l’aide de l’IA sont désormais en essais cliniques : l’ISM001-055 d’Insilico Medicine a montré des résultats positifs en phase IIa contre la fibrose pulmonaire idiopathique, et le zasocitinib mis au point par Schrödinger est entré en phase III⁴. Le secteur se consolide d’ailleurs autour de plateformes intégrées, à l’image de la fusion entre Recursion et Exscientia, qui combine criblage et chimie automatisée de bout en bout⁴.

Selon les estimations du secteur, l’IA générative pourrait réduire les coûts de découverte de médicaments jusqu’à 40 % et ramener les délais de développement de cinq ans à douze ou dix-huit mois ; les laboratoires pourraient espérer jusqu’à 25 milliards de dollars d’économies sur le seul développement clinique⁵. Des promesses qui restent à confirmer cliniquement, mais qui réorientent déjà les stratégies de recherche.

Les garde-fous, condition de l’essor

Cette montée en puissance s’accompagne de questions sans réponse claire. Lorsqu’une IA génère un contenu original, qui en détient les droits ? Comment garantir que ses productions ne sont pas biaisées par les données d’entraînement ? Comment maintenir une responsabilité humaine quand la machine décide ? Ces interrogations expliquent pourquoi l’encadrement éthique et réglementaire devient une condition de l’adoption, et non un frein accessoire. La stratégie numérique de l’Union européenne en a fait un enjeu de souveraineté à part entière.

L’IA générative quitte la phase de l’émerveillement pour celle de l’industrialisation. Le signal à surveiller n’est plus le taux d’adoption — déjà massif — mais le taux de passage à l’échelle : combien d’entreprises sauront transformer l’expérimentation en valeur durable. La même logique vaut au-delà du civil, de l’essor de l’IA dans le renseignement à l’intégration des drones autonomes et à l’émergence d’une alliance technologique entre démocraties. Car la véritable révolution ne sera pas que la machine sache créer, mais que les organisations apprennent à créer avec elle.