Les tendances de l'IA en 2026 : Entre souveraineté, économie d'agents et tournant réglementaire

L'intelligence artificielle évolue rapidement - sur le plan technologique, économique et géopolitique. Alors que les entreprises misent de plus en plus sur l'IA, les questions relatives à la réglementation, à l'attractivité du site et à l'indépendance technologique s'intensifient simultanément. C'est dans ce contexte qu'EY Suisse identifie les principales tendances de l'IA qui marqueront 2026 et qui seront abordées de manière approfondie le 24 mars à l'occasion de la conférence sur l'IA. Conférence nationale EY sur l'IA 2026 sera présenté à Zurich.

La révolution des agents : performants, mais pas encore tout à fait prêts

Les agents IA ne sont plus des expériences depuis longtemps. Selon le CEO Outlook 2026 d'EY, 97 % des CEO rapportent que leurs initiatives en matière d'IA répondent ou dépassent les attentes. C'est dans le développement de logiciels que le changement est le plus visible : fin 2025, près de la moitié des codes de programmes sur la plateforme Github étaient déjà écrits à l'aide d'outils d'IA. Les agents IA écrivent des tests, corrigent des erreurs et exécutent des tâches complexes pendant des heures ou des jours sans intervention humaine.

Toutefois, ce qui semble convaincant dans une démonstration n'est pas la même chose qu'un fonctionnement fiable dans un environnement de production. Dans le cas des agents IA basés sur des Large Language Models (LLM), la production peut varier fortement pour des tâches identiques. Si plusieurs agents IA sont intégrés dans un processus, les éventuelles erreurs se multiplient, ce qui rend difficile le développement de systèmes multi-agents complexes.

Ces défis peuvent être relevés par une orchestration structurée des agents d'IA. Pour la plupart des entreprises, le plus gros effort ne réside pas tant dans le modèle d'IA lui-même que dans les conditions préalables qui l'accompagnent, telles que la sécurité, les environnements de test, la gestion des incidents et les processus de déploiement stables. L'utilisation productive d'agents IA nécessite donc des structures organisationnelles et techniques telles qu'on les connaît dans le développement de logiciels - avec des environnements de test et de production ainsi que des processus de développement clairement séparés. Alors que la technologie ne cesse d'évoluer, de nombreuses entreprises n'ont pas encore l'expérience opérationnelle nécessaire pour exploiter de tels systèmes de manière fiable et sûre.

Sovereign AI : l'indépendance technologique devient un facteur de localisation

«Sovereign AI» décrit les efforts déployés par les États et les régions économiques pour créer leurs propres modèles d'IA, infrastructures de données et capacités de calcul afin de réduire leur dépendance vis-à-vis des fournisseurs étrangers.

Adrian Ott, Chief AI Officer chez EY Suisse, déclare à ce sujet : «Aujourd'hui, une grande partie des entreprises suisses qui utilisent l'IA de manière productive s'appuient sur des modèles de grands fournisseurs américains. L'intelligence artificielle qui soutient les décisions commerciales en Suisse a ainsi souvent été entraînée, régulée et exploitée en dehors de la Suisse».»

Que se passe-t-il si l'accès aux modèles d'IA les plus performants est soudainement retenu pour des raisons politiques ? Il existe certes quelques modèles européens et suisses, mais pour les applications particulièrement exigeantes, ils sont actuellement encore à la traîne par rapport aux modèles américains de pointe. En outre, l'Europe ne dispose actuellement que d'environ 5 à 10 % de la capacité de calcul mondiale en matière d'IA pour le développement de nouveaux modèles, contre environ 60 à 75 % pour les États-Unis.

Selon le Global Economic Outlook 2026, les interventions commerciales et les incertitudes géopolitiques comptent toujours parmi les principaux risques pour la croissance. Pour la Suisse, la souveraineté numérique revêt une importance décisive. Pour les entreprises, les questions centrales suivantes passent donc au premier plan : où les données sont-elles traitées ? Qui contrôle les modèles sous-jacents ? Et quelle est la robustesse de sa propre architecture d'IA face aux changements géopolitiques et réglementaires ?

Physical AI : la révolution silencieuse dans les usines

Alors que le débat public se concentre sur les chatbots et les applications textuelles, l'IA physique gagne fortement en importance et constitue l'une des grandes tendances de l'IA en 2026. L'IA physique désigne ici l'utilisation de l'IA pour contrôler des robots et des machines.

L'un des principaux moteurs de cette évolution est l'entraînement des robots dans des environnements numériques entièrement simulés. Des millions d'heures de travail sont reproduites dans des environnements virtuels basés sur la simulation, où les systèmes apprennent à gérer les irrégularités et les situations inattendues avant de transférer ces connaissances dans le monde physique.

Pour les entreprises, la question n'est donc pas tant de savoir si l'IA physique va changer la production et la logistique, mais plutôt de savoir à quel rythme cette évolution va se produire et qui y est bien préparé et comment. Les entreprises qui utilisent déjà aujourd'hui des robots pilotés par l'IA physique collectent de précieuses données d'exploitation, des informations sur les sources d'erreur, les tolérances et les cas limites. Au fur et à mesure que la technologie devient plus mature, ces expériences peuvent se transformer en un avantage concurrentiel considérable.

En effet, un robot qui a été utilisé plus de mille heures dans l'industrie n'est pas seulement une force de travail mécanique, mais aussi un fournisseur d'un vaste ensemble de données d'entraînement. Les concurrents ne peuvent guère reproduire ces données sans accès direct à des environnements de production réels.

Adrian Ott déclare à ce sujet : «L'IA physique reçoit actuellement moins d'attention du public que l'IA générative, mais elle va modifier durablement les secteurs les plus grands et les plus importants, et donc l'économie mondiale».»

Adaptive AI Strategy : la stratégie, la gouvernance et la réglementation deviennent des facteurs de différenciation

Bien que la plupart des entreprises s'intéressent déjà de près à l'intelligence artificielle, il leur manque encore souvent les bases organisationnelles nécessaires pour pouvoir bien l'utiliser. L'expérience de nombreux projets EY dans différents secteurs montre que les plus grands défis ne se situent pas tant dans la technologie elle-même que dans la structure : absence de stratégies d'IA, responsabilités peu claires et cadres de gouvernance conçus pour un rythme d'innovation plus lent.

Parallèlement, l'environnement réglementaire évolue rapidement. Les gouvernements introduisent de nouveaux cadres ou précisent les lois et réglementations existantes afin d'aborder les questions de transparence, de responsabilité et de protection des données. Dans ce contexte, la Suisse adopte une approche sectorielle axée sur la connectivité internationale et tente de concilier innovation et sécurité juridique. Pour les entreprises actives au-delà des frontières, il en résulte un ensemble de règles de plus en plus complexes, qui varient en fonction du marché et du secteur.

Dans le secteur financier suisse, par exemple, cette dynamique est déjà concrètement visible. Selon le Baromètre bancaire EY 2026, 78% des banques travaillent activement à l'introduction de l'IA. L'année précédente, ce chiffre était encore de 53%, soit environ la moitié des établissements. Parallèlement, la protection des données, les exigences réglementaires et la résilience opérationnelle font toujours partie des principaux défis.

La différence ne réside pas tant dans le fait que les entreprises utilisent l'IA, mais plutôt dans le fait qu'elles disposent des structures de gouvernance nécessaires pour exploiter l'IA de manière responsable, évolutive et adaptable. Cela implique des rôles et des responsabilités clairement définis pour les décisions en matière d'IA, des mécanismes de contrôle robustes capables de suivre la vitesse à laquelle les modèles et les cas d'utilisation évoluent, ainsi que des décisions transparentes sur les architectures de données et de modèles qui permettent à la fois une surveillance interne et un examen réglementaire.

Ott déclare à ce sujet : «La gouvernance de l'IA assume la tâche décisive d'anticiper à temps les évolutions réglementaires et d'adapter en permanence les processus internes avant qu'ils ne deviennent un risque».»

Les tendances de l'IA 2026 seront présentées et traitées de manière approfondie lors de la National AI Conference 2026 d'EY, qui se tiendra le 24 mars au Stage One à Oerlikon, lors de présentations de keynotes, de panels d'affaires et de sessions en petits groupes.

www.ey.com