À mesure que l’intelligence artificielle s’impose dans les chaînes industrielles, une question devient centrale : peut-on faire confiance aux résultats produits par des algorithmes opaques ? Entre montée en puissance de l’EU AI Act et exigences accrues de traçabilité, Léon Lauritsen, CEO d’Aras, entreprise spécialisée dans la gestion du cycle de vie des produits et les solutions de continuité numérique, analyse pourquoi 2026 marquera un tournant décisif pour l’IA industrielle — et comment le PLM s’impose comme l’infrastructure clé de cette nouvelle ère.

L’intelligence artificielle est entrée dans une nouvelle phase de maturité. Les algorithmes gagnent en précision, les cas d’usage se multiplient et l’IA s’intègre désormais au cœur de l’industrie, de l’optimisation des processus à la maintenance prédictive, de l’ingénierie assistée à l’automatisation de la décision.

Pourtant, à l’horizon 2026, un basculement majeur s’opère : la performance seule ne suffit plus. Ce qui conditionnera la suite de l’adoption de l’IA dans l’industrie, c’est la capacité à en démontrer la fiabilité, la traçabilité et la chaîne de responsabilité.

De la performance à la preuve : un changement de paradigme pour l’IA
Pendant des années, la question centrale autour de la data en entreprise était simple : le résultat est-il correct ? Désormais, une autre interrogation s’impose : pourquoi ce résultat est-il correct ?

Les systèmes d’IA produisent aujourd’hui des résultats de plus en plus robustes, mais leur logique interne reste souvent opaque. Or cette opacité devient incompatible avec les exigences des secteurs industriels critiques — production, mobilité, technologies médicales ou défense — où la sécurité, la conformité réglementaire et la responsabilité juridique sont essentielles.

En 2026, l’IA ne pourra s’imposer durablement que si ses décisions sont explicables, vérifiables et auditables. Une exigence qui marque la fin progressive des approches dites “black box” dans les environnements industriels.

Régulation européenne : la traçabilité devient une condition d’accès au marché
Cette transformation est fortement accélérée par l’évolution du cadre réglementaire. L’EU AI Act et le passeport numérique des produits (Digital Product Passport) imposent une transparence inédite sur l’utilisation de l’IA.

Les entreprises devront être capables de documenter précisément l’origine des résultats générés par des systèmes intelligents : données sources, modèles utilisés, hypothèses retenues et chaînes de responsabilité.

Dans ce contexte, une IA non traçable perdra rapidement toute valeur opérationnelle. La conformité ne sera plus un sujet périphérique, mais un facteur structurant des architectures numériques industrielles. La traçabilité devient un prérequis à l’innovation.

Le PLM, socle technologique de l’IA de confiance
Face à ces exigences, la question n’est plus seulement quelle IA déployer, mais sur quelles fondations. La confiance ne se construit pas au niveau des algorithmes seuls, mais au niveau des données et des processus qui les alimentent. C’est ici que le PLM (Product Lifecycle Management) change de statut.

Bien plus qu’un outil de gestion du développement produit, le PLM devient une infrastructure de confiance. En tant que mémoire numérique du produit, il relie données, décisions, validations, tests et modifications sur l’ensemble du cycle de vie. Il fournit le contexte indispensable pour expliquer, reproduire et auditer les résultats de l’IA — une condition clé dans un monde régulé.

Vers une intelligence adaptative, au service de la décision humaine
Les plateformes PLM évoluent également sur le plan fonctionnel. Elles entrent dans une phase d’intelligence adaptative : des systèmes capables d’analyser en continu les relations complexes entre données, processus et décisions. Dans des environnements industriels interconnectés, les risques émergent souvent de manière progressive et transversale. L’intelligence adaptative permet d’identifier ces signaux faibles, d’en évaluer l’impact et de rendre visibles les options d’action.

Ainsi, l’IA ne remplace pas la décision humaine : elle la renforce. Les décisions restent entre les mains des experts, mais elles reposent désormais sur des informations contextualisées, fiables et explicables.

À l’horizon 2026, une chose est claire : l’IA industrielle entre dans une phase de maturité exigeante. Les entreprises qui continueront à s’appuyer sur des systèmes opaques prendront un retard stratégique. Celles qui investiront dans des architectures data traçables et cohérentes feront de la confiance un véritable avantage compétitif. Dans l’industrie de demain, la transparence ne freinera pas l’innovation — elle en sera le moteur.