Selon une étude de Schneider Electric, les fabricants de produits de grande consommation (CPG) se préparent à faire face à des pertes de production croissantes et considèrent l'IA industrielle comme un levier de compétitivité essentiel d'ici 2030
- Une nouvelle enquête menée par Schneider Electric auprès de 1 453 dirigeants internationaux révèle un écart croissant entre les ambitions en matière de retour sur investissement de l'IA et la réalité opérationnelle dans le secteur des biens de grande consommation
- La qualité des données, les systèmes d'automatisation hérités et la gestion du changement — et non la disponibilité de l'IA — apparaissent comme les principaux obstacles à la réussite de l'adoption de l'IA
Schneider Electric, leader mondial de la transformation digitale de la gestion de l’énergie et de l’automatisation, a publié aujourd'hui les nouveaux résultats de son enquête mondiale « 2026 Industrial AI in CPG »1, qui révèlent que les fabricants de biens de grande consommation (CPG) s'attendent à une augmentation significative des inefficacités de production et des pressions sur les coûts d'ici 2030. Nombre d'entre eux se tournent vers l'intelligence industrielle – la puissance combinée de l'IA, des données et de l'automatisation – pour renforcer leur compétitivité dans une décennie marquée par une volatilité croissante.
Les coûts de fabrication des structures devraient augmenter d'ici 2030
L'enquête révèle que les fabricants de produits de grande consommation s'attendent à une aggravation de la crise des marges. Les inefficacités – notamment les retards de production, les temps d'arrêt et les pannes d'équipement – représentant déjà, selon les estimations, 20,3 % du coût final des produits manufacturés. Les personnes interrogées indiquent que 15,2 % du chiffre d'affaires moyen lié à la fabrication est actuellement perdu en raison de retards, de temps d'arrêt, de retouches, de non-conformités qualité ou d'une utilisation sous-optimale des actifs.
Ces pertes évitables devraient s'aggraver fortement, atteignant 21,37 % l'année prochaine et grimpant jusqu'à 29,14 % d'ici 2030.
De nombreux fabricants de produits de grande consommation misent sur l'IA industrielle pour réduire la hausse prévue des pertes de production évitables.
Les attentes en matière d'IA montent en flèche, tandis que la préparation reste à la traîne
Aujourd'hui, seul un fabricant de produits de grande consommation sur huit (13 %) affirme que l'IA est intégrée de bout en bout dans ses opérations clés et ses processus décisionnels. D'ici 2030, plus d'un tiers (37 %) s'attendent à ce que l'IA soit au cœur de leurs opérations, ce qui représente le triple de son adoption en seulement quatre ans.
Les personnes interrogées s'attendent également à une forte hausse du retour sur investissement (ROI) généré par l'IA :
- un tiers (32,7 %) prévoit un retour sur investissement de 50 à 74 % pour leurs projets d'IA d'ici 2030
- près d'un dixième (7,9 %) prévoit un retour sur investissement supérieur à 100 %, ce qui signifie que les investissements dans l'IA seraient rentabilisés en moins d'un an
Un tel niveau de performance n’est aujourd’hui observé que dans les WEF Lighthouses[2] ou les usines autonomes.
En revanche, 70 % des personnes interrogées indiquent que le ROI actuel de l’IA est inférieur à 20 %, près d’un tiers (28,4 %) constatant un ROI de 5 % ou moins, ce qui reflète une industrie qui tire encore une valeur limitée des déploiements à un stade précoce.
« Les fabricants anticipent un triplement de l'adoption de l'IA de bout en bout d'ici 2030, ainsi qu'une progression spectaculaire des ROI attendus, qui devraient atteindre des niveaux aujourd'hui réservés aux usines Lighthouse et aux sites de production les plus avancés. », a déclaré Neil Smith, président de la division CPG chez Schneider Electric. « Cet écart entre les attentes et la réalité est le signe le plus fort d’urgence que nous ayons observé depuis des années. L'IA ne peut être source de transformation que lorsqu'elle apporte une véritable intelligence industrielle : la capacité à transformer les données opérationnelles en temps réel, l'automatisation moderne et l'IA en décisions synchronisées qui améliorent l'efficacité à grande échelle. De nombreuses organisations exploitent encore des sites existants avec des données fragmentées et des systèmes hérités qui limitent la valeur et l'adoption de l'IA. Combler ce déficit de préparation est désormais l'une des priorités les plus importantes en matière de compétitivité pour le secteur des biens de grande consommation. »
L'obstacle n'est pas la technologie de l'IA, mais la préparation fondamentale à l'intelligence industrielle
Malgré une grande confiance dans le potentiel de l'IA, les personnes interrogées citent systématiquement des obstacles structurels, et non technologiques, comme principaux freins à la mise à l'échelle :
- le manque de compétences en IA ou en science des données (43,0 %),
- les systèmes d'automatisation et les infrastructures hérités (37,5 %),
- le manque de données opérationnelles contextualisées (36,3 %),
- la résistance du personnel (25,7 %),
Tous ces facteurs devancent les préoccupations liées à la cybersécurité ou à la conformité (21,7 %).
« Les résultats sont sans appel : atteindre les ROI transformationnels attendus de l'IA industrielle en seulement quatre ans exige un saut qualitatif en matière de collaboration, de transparence et de normes communes », a déclaré Cecile Vercellino, vice-présidente senior des services d’automatisation industrielle chez Schneider Electric. « À travers SE Advisory Services, nous appliquons déjà notre savoir-faire Lighthouse auprès de clients du monde entier, en les aidant à transformer leurs ambitions numériques en résultats mesurables. Nous sommes convaincus que le partage et le déploiement des meilleures pratiques et d'une expertise sectorielle pointue catalyseront la prochaine vague de transformation numérique industrielle. »
Le nouveau document intitulé « Beyond the Hype: Practical AI for Competitive Consumer Goods Manufacturing », publié aujourd’hui par Schneider Electric en collaboration avec AVEVA, fournit des conseils pour une mise en œuvre réussie de l’IA dans les secteurs de l’agroalimentaire et des sciences de la vie. Il décrit la voie vers l’autonomie opérationnelle à travers les données industrielles, l’automatisation modulaire, l’électrification et les étapes de mise en œuvre de l’IA industrielle.
1 Cette étude statistiquement représentative a été menée par Censuswide auprès d'un échantillon de 1 453 personnes (dont 25 % de cadres dirigeants et 75 % de responsables de haut niveau dans le secteur manufacturier) issues des secteurs des sciences de la vie et de l'agroalimentaire au Royaume-Uni, aux États-Unis, en Italie, en Allemagne, en Suède, en Norvège, en Finlande, en France, au Danemark, en Arabie saoudite, en Autriche, en Irlande, en Suisse et en Égypte. Les données ont été recueillies entre février et mars 2026.
[2]McKinsey, « Comment les phares de l'industrie manufacturière tirent pleinement parti de l'IA », 2024. Source : https://www.mckinsey.com/capabilities/operations/our-insights/how-manufacturings-lighthouses-are-capturing-the-full-value-of-ai
###
Contact presse: media.relations@se.com
Notes à l'attention des rédacteurs :
- Cette étude statistiquement représentative a été menée par Censuswide auprès d’un échantillon de 1 453 personnes (dont 25 % occupaient des postes de direction et 75 % étaient des décideurs de haut niveau dans le secteur manufacturier) issues des secteurs des sciences de la vie et de l’agroalimentaire, dans 14 pays, dont le Royaume-Uni, les États-Unis, l’Italie, l’Allemagne, la Suède, la Norvège, la Finlande, la France, le Danemark, l’Arabie saoudite, l’Autriche, l’Irlande, la Suisse et l’Égypte.
- Les données ont été collectées entre le 26 février 2026 et le 24 mars 2026. Censuswide adhère à la Market Research Society, emploie des membres de cette association et respecte le code de conduite de la MRS ainsi que les principes de l'ESOMAR. Censuswide est également membre du British Polling Council.
Visual - Final manufacturing product cost composition as percentages.pdf
PDF 1.6 MB
