Déploiement de l’IA à grande échelle : le prochain défi des biens de consommation
11-12-2026
Une équipe de marque lance un pilote de contenu génératif. Une équipe de marketing shopper construit des segments ciblés assistés par IA pour une campagne de retail media. Ailleurs, une équipe tournée vers le digital teste un nouveau cas d’usage lié au commerce ou à la prévision. Chacune de ces initiatives ressemble à une avancée, et en soi, c’est bien le cas. Pourtant, trop souvent, un an plus tard, l’organisation ne dispose plus que d’une poignée d’expériences prometteuses qui, malheureusement, ne sont jamais devenues de véritables capacités organisationnelles.
Adobe a collaboré avec Incisiv pour mener une enquête auprès de 5 633 dirigeants et dirigeantes dans 12 secteurs et 11 marchés, dont 521 dans les biens de consommation. Le principal enseignement pour les responsables marketing des biens de consommation : la contrainte réside rarement dans le modèle. Elle tient à ce qui arrive à un bon cas d’usage dès lors qu’il a besoin de quelque chose en dehors de l’équipe qui l’a conçu.
Personne ne tient seul la ligne d’arrivée
61 % des sondés et sondées du secteur des biens de consommation se situent dans ce que l’étude nomme le milieu figé : l’IA est active dans des fonctions individuelles, mais la coordination nécessaire pour reproduire ce succès à l’échelle des équipes n’a pas encore suivi. Tous les autres secteurs analysés dans cette étude présentent eux aussi une version de cet écart. Celui des biens de consommation est encore plus prononcé, car une grande partie de la valeur se crée bien au-delà des frontières de la marque.
Prenons un cas d’usage de retail media. En interne, il implique les responsables de marque et de portfolio, les équipes e-commerce, marketing shopper et retail media, les équipes commerciales, ainsi que les équipes de données et de technologie. En externe, il fait appel aux éditeurs multimédia, aux partenaires retailers, aux distributeurs et aux marketplaces. Aucun de ces acteurs ne fonctionne avec les mêmes systèmes, ne dépend du même P&L ni ne travaille au même rythme. Un workflow qui s’exécute sans accroc en interne se retrouve bloqué dès qu’il nécessite l’approbation du partage de données par un partenaire retailer, selon un calendrier que vous ne maîtrisez pas. Ce n’est pas un problème de déploiement. C’est un problème de conception, et la plupart des entreprises de biens de grande consommation n’ont pas encore conçu de réponse à ce défi.
Personne ne tient les rênes
Seuls 16 % des sondés et sondées du secteur des biens de consommation ont désigné un responsable IA officiel, doté d’un titre formel et d’une autorité budgétaire réelle. Dans les autres organisations, c’est un comité, une attribution projet par projet, ou tout simplement personne. Les comités permettent bien de recueillir des contributions. En revanche, ils sont peu adaptés à ce qu’un cas d’usage multi-partenaires requiert véritablement : quelqu’un capable de trancher de manière définitive lorsque le marketing, le juridique, la confidentialité, la sécurité et l’équipe de données d’un partenaire retailer ont tous des exigences légèrement différentes.
L’entonnoir d’approbation révèle le coût. Sur 100 cas d’usage IA proposés dans le secteur des biens de consommation, 15 seulement atteignent la production. La perte absolue la plus importante intervient dès l’étape d’évaluation informatique. L’attrition proportionnelle la plus forte survient ensuite, au fil des phases d’intégration, de budget et de préparation à la mise en production. La recherche n’explique pas pourquoi chaque cas d’usage a été écarté, mais ce schéma révèle le coût de la découverte tardive des questions de faisabilité et de dépendances. Ni l’un ni l’autre de ces constats ne plaide pour un allègement du processus de validation. L’un et l’autre plaident pour identifier les données, les autorisations et le propriétaire avant qu’une proposition passe trois mois à prouver son inviabilité.
Réflexe du passage de relais
76 % des sondés du secteur des biens de consommation entretiennent encore des relations en silos, transactionnelles ou consultatives entre métiers et IT. Les métiers détiennent la responsabilité des résultats ; l’IT reçoit les demandes ou joue un rôle consultatif. Assumer conjointement la responsabilité du résultat final reste encore l’exception.
Ce modèle a été conçu pour des cycles de planification plus longs. L’IA n’a pas la politesse d’attendre. Les questions d’accès aux données, d’intégration, de gouvernance et de mesure surgissent simultanément et appellent des réponses coordonnées. Le conseil a ses mérites, mais la responsabilité partagée obéit à une autre logique.
Mesurer après coup, c’est mesurer du bruit
Seuls 12 % des sondés du secteur des biens de consommation mesurent le rendement de l’IA de manière exhaustive. La plupart suivent ce qui est facile à mesurer : heures économisées, volume de contenus produits ou audiences constituées. Ces données sont utiles, certes, mais aucune de ces métriques ne révèle si un cas d’usage a réellement fait progresser la pénétration des foyers, le taux d’achat ou la marge brute. Et une fois le workflow en production, les prix bougent, les promotions se lancent, la distribution évolue, les campagnes médias s’achèvent — isoler la contribution de l’IA de tout cela devient alors quasi impossible. Les organisations capables de prendre des décisions d’investissement éclairées définissent leur référence avant le lancement, pas après.
Ce que font réellement les 6 % les plus avancés
L’étude a identifié 342 leaders dans l’ensemble des 12 secteurs d’activité, représentant les 6 % des sondés actifs les plus avancés en termes de maturité du modèle opérationnel et de stade de déploiement. Il ne s’agit pas d’une cohorte spécifique aux biens de consommation, et la recherche ne prétend pas que ces comportements sont à l’origine de leur mise à l’échelle. Mais le contraste est révélateur. Cinq comportements apparaissent bien plus souvent parmi les leaders :
- Responsabilité effective. Les leaders sont 5,8 fois plus susceptibles d’avoir un responsable IA officiel avec un titre et une autorité budgétaire que les organisations du secteur des biens de consommation, où seuls 16 % en ont désigné un.
- Mesure dès le premier jour. 44 % des leaders mesurent le ROI de manière exhaustive, contre 12 % dans le secteur des biens de consommation, car ils définissent les critères de succès avant le lancement du workflow, et non après.
- Véritable partenariat. 81 % des leaders pilotent les métiers et IT à un niveau collaboratif ou intégré, contre 24 % dans les biens de consommation, les OKR partagés remplaçant la logique de passation.
- Culture de l’apprentissage. Moins de 1 % des leaders présentent des schémas d’échec destructeurs, tels que le blâme et la répétition des erreurs, contre 28 % dans les biens de consommation.
- Champions habilités. 42 % des leaders citent l’identification et le soutien des champions internes comme le levier culturel le plus déterminant de leur stratégie, devant tous les autres leviers évalués.
Aucune de ces décisions n’est un achat technologique. Ce sont des décisions organisationnelles qui se renforcent mutuellement : un propriétaire ou une propriétaire disposant d’une réelle autorité rend possible un OKR partagé ; un OKR partagé fait de la mesure dès le premier jour une responsabilité commune plutôt qu’une réflexion après coup ; et un champion ou une championne qui montre à ses pairs comment un workflow se comporte réellement accélère l’adoption plus efficacement que n’importe quelle réunion plénière.
Structurez l’organisation avant la multiplication des cas d’usage
Dans les biens de consommation, il est encore temps de bien faire les choses.
Les expérimentations en IA vont s’intensifier. Les équipes de marque seront plus nombreuses à recourir à l’IA générative. Les équipes commerce, shopper, médias, informations et opérations trouveront de nouvelles applications prometteuses à explorer. La question est de savoir si chaque nouveau cas d’usage devra résoudre les enjeux de propriété, d’accès aux données, de mesure, de gouvernance et de coordination avec les partenaires en repartant à chaque fois de zéro.
Les organisations qui se saisissent dès maintenant de ces questions ont l’opportunité de faire de la prochaine vague d’adoption de l’IA quelque chose de radicalement différent de la première.
Le modèle évoluera. Les cas d’usage évolueront. Ce qui ne changera pas, en revanche, ce sont les questions auxquelles il faudra répondre. À qui appartient le résultat ? Comment le mesurerons-nous ? Quelles équipes et quels partenaires doivent être impliqués dès le départ ? Et quelles conditions doivent être réunies avant de dépasser le stade de l’expérimentation ?
C’est là que commence véritablement la préparation à l’IA dans les biens de consommation.
Lisez le rapport complet pour découvrir où en sont les organisations du secteur des biens de consommation et ce que les leaders ont fait différemment.
Recommandations de lecture
https://business.adobe.com/fragments/resources/cards/thank-you-collections/consumer-goods