La 3e édition de l’Observatoire de la Data et de l’IA en Suisse montre que l’IA s’impose dans les stratégies des entreprises suisses, mais que son passage à l’échelle reste freiné par la qualité des données, la gouvernance et la transformation organisationnelle.

Réalisée auprès de plus d’une centaine d’organisations suisses, complétée par des entretiens qualitatifs avec des experts et dirigeants, l’étude confirme une évolution majeure: les entreprises suisses ne se demandent plus si l’IA est stratégique, mais comment l’intégrer durablement dans leur modèle opérationnel.

L’IA entre désormais dans les plans de long terme, les équipes internes se structurent et une nouvelle vague technologique émerge avec l’IA agentique. Pour autant, l’industrialisation demeure limitée.

«Le point de bascule mis en lumière par l’Observatoire 2026 est crucial: la fin de l’expérimentation naïve et le retour à l’exigence du modèle opérationnel. L’accessibilité de l’IA générative a parfois créé une dangereuse illusion de facilité, laissant croire qu’il suffisait d’adopter l’outil pour transformer l’entreprise. C’est ignorer la dette technique invisible et les compromis historiques sur la qualité des données.» précise Yvan Cognasse, Responsable de l’ingénierie des solutions pour la région DACH et l’Europe centrale chez Oracle.

Une exécution encore inégale

La conviction autour de l’IA progresse nettement au sein des directions suisses. 81% des organisations interrogées estiment désormais que l’IA peut contribuer à résoudre les problèmes complexes de leur industrie. Près d’une entreprise sur deux, soit 47%, intègre l’IA dans sa planification de long terme, en hausse de 12 points par rapport à l’édition précédente.

Mais seules 9% placent véritablement l’IA au cœur de leur stratégie. Ce décalage confirme un «knowing-doing gap» qui ne traduit plus un manque de conviction, mais un déficit de structuration.

Cette difficulté s’explique notamment par le niveau encore hétérogène des fondations data. 82% des organisations restent à un niveau de maturité Data & IA faible ou intermédiaire. Par ailleurs, 51% déclarent une qualité de données bonne à excellente, un recul de dix points qui traduit surtout une exigence accrue liée à des cas d’usage plus ambitieux.

Le facteur humain devient central

Si les capacités internes continuent de se renforcer, la transformation organisationnelle reste superficielle. 65% des organisations disposent désormais d’au moins une petite équipe IA en interne, en hausse de huit points. Mais 36% ne disposent encore d’aucun talent IA interne et dépendent entièrement de consultants externes.

Le leadership marque une pause après le bond de 2025, 55% des équipes dirigeantes déclarent une connaissance bonne à élevée de l’IA, en recul de huit points. Or cette compréhension au sommet est déterminante: les entreprises dotées d’un fort leadership IA sont 2,5 
fois plus susceptibles d’engager une refonte des rôles autour de la collaboration humain-IA.

La conduite du changement est désormais largement reconnue comme critique mais majorité se limite encore à des initiatives de formation ou d’upskilling.

«L’édition 2026 soulève un paradoxe central: 82% des entreprises jugent la conduite du changement essentiel, mais seules 11% engagent réellement une refonte de leurs rôles autour de l’IA. On le sait. On ne le fait pas. Et pendant ce temps, l’IA n’attend pas. Les modèles se succèdent en quelques mois, l’IA agentique devient une réalité, alors même que la transformation organisationnelle se compte, elle, en années. Dit autrement, le vrai sujet devient le modèle opérationnel, l’organisation, les compétences, les processus», explique Jean Meneveau, Directeur Associé de Colombus Consulting Suisse.

L'IA générative se recentre, l'IA agentique entre en exploration

Côté IA générative, 49% des organisations (-7 points) ont identifié des cas d’usage et lancent des pilotes, tandis que 46% ont déployé des assistants à l’échelle. Le repli de 29 points sur ce dernier indicateur traduit un recentrage sur la valeur, et non un désengagement. L’IA agentique, elle, progresse vite: 69% des organisations l’explorent ou l’expérimentent déjà, mais 90% en maintiennent l’autonomie à un niveau nul ou supervisé par un humain («human-in-the-loop»).

L'éthique, la souveraineté et la régulation

72% des organisations (+4 points) intègrent désormais des considérations éthiques dans leurs décisions IA, et 62% mesurent leur niveau de souveraineté ou le jugent bloquant.

Pourtant, 34% (+14 points) ne proposent toujours aucune formation formelle sur ces enjeux: un signal de vigilance, alors que l’IA se diffuse bien au-delà des seules équipes expertes.

L'industrialisation reste sélective

Seules 16% des organisations déclarent avoir déployé l’IA à l’échelle, contre 32% dotées d’un assistant ou d’un agent en production et 29% encore au stade des premiers pilotes. Plus d’un tiers (36%) ne mesurent toujours pas de valeur tangible liée à leurs projets.

Alexandre Caboussat, Professeur associé et responsable de la formation continue à la HEG-Genève, déclare: «Expérimenter c’est bien, mais passer à l’échelle c’est plus difficile. Dans l’écosystème de la HEG-Genève, nous rencontrons de nombreuses organisations dont de nombreux employés expérimentent afin d’augmenter leur productivité individuelle. Néanmoins, la plupart de ces organisations, publiques ou privées, peinent à industrialiser cette utilisation de l’IA afin de dégager de nouvelles activités, de trouver de nouveaux marchés, et de 
développer de nouveaux modèles d’affaires.»

Plusieurs enseignements se dégagent. Le budget seul n’est pas un prédicteur du déploiement à l’échelle: c’est la maturité Data & IA qui ressort comme le facteur explicatif déterminant. La gouvernance des données joue un rôle d’accélérateur, et non de frein, les organisations les plus avancées sur ce plan l’étant aussi dans l’adoption de l’IA agentique. L’IA Act européen agit, lui, davantage comme un révélateur d’organisation que comme une contrainte: 33% des entreprises citent d’abord une montée en expertise juridique, devant l’allocation de ressources dédiées (25%) et le renforcement des pratiques éthiques (25%). Au fond, industrialiser ne consiste plus à multiplier les pilotes, mais à sélectionner moins de cas d’usage, mieux qualifiés, mieux gouvernés et plus directement reliés à la valeur: les organisations passent d’une logique de projets IA à une logique de modèle opérationnel.