Physical AI : la bataille se jouera sur les compétences

L’IA Physique – Physical AI – désigne les systèmes d’intelligence artificielle capables de percevoir, décider et agir dans le monde physique ; l’IA Embarquée en constitue le socle opérationnel, en intégrant ces capacités directement au cœur des objets, machines et systèmes, au plus près de leur environnement d’action.

Depuis plusieurs années, nous observons un phénomène qui dépasse largement le cadre de l’IA embarquée : le principal frein à l’adoption de l’IA n’est pas technologique, mais humain, organisationnel et structurel.

Le People Readiness Report 2026 de Kyndryl vient confirmer très largement ce constat.

👉 Consulter le People Readiness Report 2026 de Kyndryl le principal gap est humain

Selon Kyndryl, seuls 23 % des organisations estiment leurs équipes prêtes pour l’IA.

Les obstacles majeurs ne résident plus seulement dans le code ou l’infrastructure. Ils concernent la capacité à faire évoluer les rôles, développer les compétences et transformer les modes de travail.

Pour l’IA embarquée en France, ce diagnostic est particulièrement préoccupant. Selon les estimations établies par Embedded France en février 2026 :

• les besoins se situent entre 5 000 et 7 000 ingénieurs spécialisés en IA embarquée par an
• la capacité de formation identifiée est aujourd’hui limitée à environ 150 diplômés par an ;
• les filières restent très insuffisamment dimensionnées ;
• de nombreuses PME et ETI ne disposent pas encore des compétences nécessaires pour intégrer l’IA dans les systèmes physiques.

Source : estimations Embedded France, février 2026.

L’écart ne révèle donc pas seulement un déficit de formation. Il pose une question beaucoup plus stratégique : notre capacité nationale à transformer les avancées technologiques en capacités industrielles.

C’est tout l’enjeu d’un Accélérateur national IA Embarquée/IA Physique.

Identifier les métiers avant de pouvoir les former

Kyndryl relève également que seulement 34 % des organisations disposent d’un inventaire précis de leurs compétences.

Or, dans un domaine émergent comme l’IA embarquée, comment adapter les formations si nous ne savons pas précisément quels métiers apparaissent, quelles compétences évoluent et quels profils seront nécessaires dans trois ou cinq ans ?

C’est pourquoi nous souhaitons structurer avec Embedded France :

• l’Observatoire de l’Embarqué ;
• une taxonomie nationale des métiers de l’IA embarquée ;
• les référentiels de compétences associés.

L’objectif est de donner aux écoles, aux industriels, aux territoires et aux pouvoirs publics une grille de lecture commune pour anticiper les besoins, structurer les formations et faciliter les transitions professionnelles.

Ne plus seulement former : redéfinir les métiers

L’un des messages les plus intéressants du rapport Kyndryl concerne le work redesign.

Plus de la moitié des organisations ont déjà commencé à redéfinir certains rôles autour de l’IA, et 95 % des dirigeants considèrent que les métiers vont évoluer vers une collaboration plus étroite entre humains et systèmes d’intelligence artificielle.

Cette transformation est précisément au cœur des Défis que nous avons proposés dans le cadre de la Saison 2 des Défis IA de France 2030 :

• TinyML, pour l’IA frugale embarquée ;
• MLOps Edge, pour l’industrialisation de l’IA dans les systèmes physiques ;
• AI Safety embarquée, pour la sûreté, la cybersécurité, la validation et la certification ;
• Edge AI Systems, pour l’architecture des futurs systèmes intelligents physiques.

Ces défis ne sont pas de simples exercices pédagogiques. Ils constituent des laboratoires de transformation des compétences, permettant de confronter étudiants, chercheurs et industriels aux technologies, architectures et contraintes réelles de l’IA embarquée.

Transformer les organisations, pas seulement les compétences

Kyndryl identifie trois caractéristiques chez les organisations les plus avancées, les « Pacesetters » :

• le redesign des rôles ;
• un change management structuré ;
• une workforce réellement prête.

C’est aussi la logique de l’Accélérateur que nous proposons : agir simultanément sur les écoles, les entreprises et l’écosystème.

L’enjeu n’est pas simplement de « faire plus de formation ».

Il faut repenser la manière dont le travail s’organise autour de l’IA embarquée, depuis la conception des systèmes jusqu’à leur déploiement, leur supervision, leur maintenance et leur certification.

Avec l’IA physique, la confiance devient une exigence industrielle

Kyndryl souligne également les limites actuelles en matière de gouvernance et de confiance.

Dans l’IA embarquée, ces enjeux sont encore plus critiques, parce que les systèmes agissent dans le monde physique.

Véhicules, robots, machines, infrastructures, équipements médicaux ou systèmes industriels : lorsque l’IA prend ou recommande une décision, les conséquences peuvent devenir matérielles.

Cela impose :

• de la sûreté ;
• de la traçabilité ;
• des mécanismes de validation ;
• une gouvernance robuste ;
• et, dans de nombreux secteurs, des processus de certification.

Les travaux sur la sureté et la sécurité IA embarquée, ainsi que le recours à des plateformes open source souveraines telles que AIDGE, répondent directement à ces enjeux de maîtrise, de transparence et de confiance.

De la readiness IA à la souveraineté industrielle

Le People Readiness Report 2026 renforce plusieurs convictions.

Le principal déficit n’est plus seulement technologique : il concerne la préparation des femmes et des hommes qui devront concevoir, intégrer, exploiter et sécuriser ces nouveaux systèmes.

Cette question devient centrale avec la montée en puissance de l’IA Physique.

La prochaine vague de l’IA ne restera pas confinée aux écrans et aux centres de données. Elle se déploiera dans les robots, les véhicules, les machines et les infrastructures.

Dans cette Physical AI Economy, disposer des meilleures technologies ne suffira pas.

Il faudra disposer des ingénieurs, des architectes système, des spécialistes du Edge AI, des experts en sûreté et des organisations capables de transformer ces technologies en produits et systèmes industriels.

Les initiatives que nous portons au sein d’Embedded France – Observatoire, Taxonomie des métiers, Défis TinyML / MLOps Edge / AI Safety / Edge AI Systems, plateformes souveraines et Accélérateur national – doivent donc être considérées comme les composantes d’une même stratégie.

La France ne doit pas aborder ce défi dans une logique de rattrapage.

Elle dispose encore d’une fenêtre pour prendre position en amont de la prochaine vague industrielle de l’IA : celle de l’IA Physique.

Mais cette position ne se gagnera pas uniquement par la technologie. Elle dépendra de notre capacité à anticiper les métiers, structurer les compétences, transformer les formations et préparer les organisations industrielles.

L’enjeu n’est pas de suivre. Il est de construire un modèle français de préparation aux métiers de l’IA embarquée et de l’IA physique capable de devenir une référence européenne.

Car dans la Physical AI Economy, la souveraineté technologique commencera par la souveraineté des compétences.