En 2024, nous avons publié un ebook avec cinq prédictions sur l'AI dans le manufacturing : maintenance prédictive, contrôle qualité, optimisation de la supply chain, formation et assistance, et ce que nous appelions la résolution de problèmes « hive mind ».
Peu de gens notent leurs propres devoirs en public. Nous avons jugé qu'il était temps. Voici notre scorecard. Cinq prédictions, comment elles ont tenu, et ce que nous avons complètement manqué. Chaque chiffre derrière ces verdicts est sourcé dans l'ebook 2026.
- Trois prédictions 2024 étaient justes, une à moitié juste, et une a évolué vers un autre mécanisme.
- Selon une étude MIT NANDA largement partagée, 95 % des pilots generative AI en entreprise n'ont produit aucun impact P&L mesurable.
- Dans la même étude, l'AI achetée et intégrée aux workflows existants a réussi environ 67 % du temps.
- Nous avons manqué deux thèmes majeurs : l'agentic AI et l'EU AI Act. Les deux ont de nouveaux chapitres dans l'édition 2026.
- Télécharger l'ebook 2026 gratuit pour les preuves, études de cas et les 49 sources.
Où en est l'AI dans le manufacturing en 2026
En 2026, deux faces de l'histoire semblent se contredire :
Échec
Une étude MIT NANDA largement partagée a trouvé que 95 % des pilots generative AI en entreprise n'ont produit aucun impact P&L mesurable. Gartner a placé la generative AI dans le manufacturing dans son « Trough of Disillusionment ». Fin 2025, au moins la moitié des projets generative AI avaient été abandonnés après proof of concept — pire que la propre prévision de Gartner à 30 %.
Adoption
Même si la plupart des projets AI semblent encore échouer, l'AI a clairement progressé en adoption ces deux dernières années. Environ 88 % des organisations utilisent l'AI dans au moins une fonction métier, mais seulement environ un tiers a commencé à la déployer à l'échelle de l'entreprise. Parmi les fabricants américains, 29 % font tourner de l'AI ou du machine learning à l'échelle d'un site ou d'un réseau. En Europe, Eurostat compte 20 % des entreprises de l'UE utilisant l'AI en 2025, contre 13,5 % un an plus tôt, avec le manufacturing légèrement sous la moyenne à 17,3 % et un écart national large : 42 % au Danemark, moins de 9 % en Pologne.
L'expérimentation AI est donc largement adoptée ; scaler l'AI vers de vrais usages métier reste plutôt l'exception.
Le scorecard
| Prédiction 2024 | Verdict | Résumé rapide |
|---|---|---|
| Maintenance prédictive | Nous avions raison | Passée de tendance émergente à pratique par défaut. Le dur maintenant, c'est scaler — pas prouver que ça marche. |
| AI pour le contrôle qualité | Nous avions raison | Le vision QC a tenu sur la précision, puis est devenu moins cher et plus rapide à déployer que prévu. |
| Optimisation de la supply chain | À moitié juste | La capacité de forecasting est arrivée comme prévu. Ce qui a porté l'adoption, et ce qui a suivi, non. |
| Formation et assistance | Nous avions raison | L'authoring AI pour les instructions de travail s'est généralisé, poussé plus par les pénuries de main-d'œuvre que par le hype. |
| Résolution de problèmes hive mind | Évolué | Les opérateurs qui demandent de l'aide à l'AI, c'est réel. Ça est arrivé via les language models, pas via la base partagée que nous imaginions. |
Ce que nous avons manqué sur la generative AI et l'agentic AI
Les verdicts sont la partie facile. L'édition 2026 détaille ce que nous avons dit, ce qui s'est passé et ce que nous avons manqué pour chaque prédiction : les chiffres derrière la maintenance prédictive, pourquoi le vision QC s'est commoditisé si vite, ce qui a vraiment porté l'AI supply chain, pourquoi les instructions de travail digitales sont devenues le point d'entrée urgent, et comment l'idée « hive mind » esquissée en 2024 a été réécrite.
Mais nous avons aussi tout simplement manqué deux sujets majeurs : la montée des AI agents nous a pris de court, et nous avons complètement ignoré l'EU AI Act. L'ebook complet ajoute deux nouveaux chapitres sur ces thèmes.
Nos propres expériences AI
Noter les prédictions du marché est une chose. Mener les expériences nous-mêmes en est une autre. C'est le rôle d'Azumuta Labs : une division research qui relie l'AI et la vision technology à de vrais problèmes de shop floor, puis publie ce que nous apprenons en public.
Un exemple est déjà live. Des vision-language models qui transforment une démonstration filmée en instructions de travail digitales structurées, réduisant le temps de création jusqu'à 90 % dans nos trials. Nous partageons la méthode, les tradeoffs et les résultats sur Labs pour que d'autres fabricants puissent juger le travail par eux-mêmes.
Si vous avez un pilot, une question de research ou un problème shop floor à explorer avec nous, nous voulons l'entendre. Nous collaborons avec des fabricants et des chercheurs sur de vraies expériences, pas du slideware.
Si vous pensez que nous nous trompons encore, dites-le-nous. Cela nourrit la prochaine vague d'expériences.
Questions fréquentes
Quick FAQs to get you up to speed
Trois étaient justes : la maintenance prédictive est devenue pratique standard, l'AI pour le contrôle qualité a tenu ses promesses puis est devenue moins chère à déployer, et l'AI pour la formation et les instructions de travail est arrivée comme prévu. L'optimisation de la supply chain était à moitié juste : la capacité est arrivée, mais l'adoption a été portée par la politique commerciale et des systèmes agentiques que nous n'avions pas anticipés. La résolution de problèmes « hive mind » a évolué : l'idée était juste, mais elle est arrivée via les large language models plutôt qu'une base de données partagée dédiée. Preuves et études de cas complètes dans l'ebook 2026.
L'expérimentation est répandue ; l'échelle reste rare. Environ 88 % des organisations utilisent l'AI dans au moins une fonction métier, mais seulement environ un tiers a commencé à la déployer à l'échelle de l'entreprise. Parmi les fabricants américains, 29 % font tourner de l'AI ou du machine learning à l'échelle d'un site ou d'un réseau. En Europe, Eurostat compte 20 % des entreprises de l'UE utilisant l'AI en 2025, contre 13,5 % un an plus tôt, avec le manufacturing légèrement sous la moyenne à 17,3 %.
Selon une étude MIT NANDA largement partagée, 95 % des pilots generative AI en entreprise n'ont produit aucun impact P&L mesurable. Fin 2025, au moins la moitié des projets generative AI avaient été abandonnés après proof of concept — pire que la prévision de Gartner à 30 %. Les chatbots autonomes du type « demandez n'importe quoi à notre usine » échouent surtout lorsqu'ils s'appuient sur des procédures obsolètes ou contradictoires. L'ebook 2026 explique ce que la minorité qui réussit a fait autrement.
Dans l'étude MIT NANDA, l'AI achetée auprès de vendors spécialisés et intégrée aux workflows existants a réussi environ 67 % du temps. Les builds internes bien moins souvent. C'est l'un des enseignements les plus actionnables de l'ebook 2026 : intégrer l'AI dans les outils que les opérateurs utilisent déjà, plutôt que de lancer un pilot autonome.
Non. Dans les usines showcase 2025 du World Economic Forum, 77 % des use cases phares tournaient sur de l'AI analytique et seulement 9 % sur de la generative AI. La generative AI est la couche qui croît le plus vite au-dessus de cette fondation, via copilots et agents — pas un remplacement de la maintenance prédictive, du contrôle qualité ou de l'analytique de planning.
Les systèmes agentic AI détectent une disruption, replanifient, rédigent des actions comme des bons de commande ou des priorités de tâches, et attendent une validation humaine. Gartner s'attend à ce que la moitié des solutions de supply chain management intègrent des capacités agentic d'ici 2030, et prévoit 53 milliards de dollars de dépenses sur les logiciels supply chain avec agentic AI d'ici là, contre moins de 2 milliards en 2025. Gartner s'attend aussi à ce que plus de 40 % des projets agentic AI soient annulés d'ici fin 2027. L'ebook 2026 consacre un chapitre aux copilots et agents.
Souvent non. Les assistants d'instructions de travail, l'analytique qualité, la maintenance prédictive et les copilots de planning ne sont en général pas à haut risque sous l'EU AI Act. Deux zones méritent une vraie attention : l'AI comme composant de sécurité d'une machine, et l'AI qui surveille ou évalue les travailleurs. L'ebook 2026 couvre ce que les fabricants européens doivent savoir, y compris les dates de conformité.
Entre 2024 et 2026, l'authoring speech-to-text, la segmentation vidéo-en-étapes, la traduction et la personnalisation sont passés des slides de roadmap aux features produit standard. Les vendors revendiquent couramment 60 % à 70 % de temps en moins sur la documentation. Dans les trials Azumuta Labs, des vision-language models ont transformé une démonstration filmée en instructions de travail digitales structurées, avec jusqu'à 90 % de temps en moins sur la création, l'édition et la maintenance.
L'édition gratuite de 32 pages est disponible en téléchargement gratuit. Elle note les cinq prédictions 2024 avec preuves et études de cas, ajoute des chapitres sur les copilots, agents et physical AI, couvre l'EU AI Act, et inclut des checklists d'action plus les 49 sources.
