De l'expérimentation aérienne à la mise en œuvre : Comment BBVA déploie l'IA à travers l'ensemble de l'organisation

IA en entreprise : de l’expérimentation à l’adoption, le rôle de la formation pour un déploiement réussi

L'article discute de l'importance de la formation pour un déploiement réussi de l'IA dans les entreprises, mettant l'accent sur une approche par métier plutôt que par outils, selon Ikram Bouchikh, responsable de l'offre de formation Technologies Numériques chez Lefebvre Dalloz Compétences.

Les fonds d’investissement face à l’IA : de l’expérimentation à la construction d’un système d’exploitation

Le secteur du capital-risque entre dans une nouvelle phase de sa relation avec l'intelligence artificielle. Après un premier épisode consacré aux raisons de l'adoption, ce deuxième volet d'une série publiée par FW.MEDIA déplace le curseur vers l'exécution concrète. La question n'est plus de savoir si les fonds doivent s'intéresser à l'IA, mais comment passer des expérimentations isolées à la construction d'une infrastructure cohérente, ce que les auteurs appellent un véritable "système d'exploitation" de l'IA au sein des organisations de gestion. Ce glissement de la démonstration vers la systématisation est central pour l'industrie. Les fonds qui se contentent de tester des outils ponctuels sans les intégrer dans leurs processus structurels risquent de rater l'essentiel du gain de productivité. L'enjeu concerne toutes les fonctions du métier, du sourcing de deals à l'analyse de portefeuille, en passant par la relation investisseurs. Ceux qui construisent une architecture cohérente aujourd'hui se donnent une avance compétitive difficile à rattraper. Le capital-risque est un secteur fondé sur l'information et la vitesse d'analyse, deux domaines où l'IA excelle, ce qui explique la pression croissante à agir. Le premier épisode avait posé la question de la gouvernance interne, notamment qui devait piloter le sujet. Ce deuxième volet suggère que la phase d'interrogation est révolue et que les fonds doivent désormais traiter l'IA comme une infrastructure critique, au même titre qu'un CRM ou un outil de gestion de portefeuille.

L'écart d'évaluation des agents : les organisations d'IA en entreprise ont un problème d'alignement avec la réalité, pas de couverture, et déploient quand même en production

Cent cinquante-sept entreprises ont participé à cette enquête menée par VentureBeat en juin 2026 dans le cadre de sa série Pulse Research, consacrée à la manière dont les organisations évaluent la fiabilité de leurs agents IA. Le constat central est frappant: la moitié des entreprises interrogées ont déployé, au cours de l'année écoulée, un agent ou une fonctionnalité basée sur un LLM qui avait pourtant réussi ses tests internes avant de provoquer un incident visible par les clients, et un quart d'entre elles ont connu ce type de défaillance plus d'une fois. Seules 5% des organisations disent faire pleinement confiance à leurs méthodes d'évaluation automatisée, la faiblesse la plus souvent citée (29%) étant le décalage entre les résultats des tests et les performances réelles en production. Malgré cela, 66% des entreprises autorisent déjà un déploiement entièrement automatisé, sans supervision humaine, pour les agents jugés à faible risque (34%), ou construisent activement leurs systèmes pour y parvenir dans les douze prochains mois (33%). L'échantillon, composé à 38% de décideurs finaux et 34% de personnes influentes dans les achats technologiques, provient majoritairement d'entreprises de taille moyenne, entre 100 et 2500 salariés, avec le secteur technologique en tête (23%), suivi du commerce de détail (15%) et de la santé (12%). Ce décalage entre l'autonomie accordée aux agents et la confiance réelle dans les outils censés la contrôler pose un problème concret pour les entreprises qui accélèrent l'adoption de l'IA agentique. Si un agent passe ses tests puis échoue devant un client, c'est la réputation de l'entreprise, sa relation commerciale et potentiellement sa conformité réglementaire qui sont en jeu. Le fait que les organisations avancent malgré tout vers plus d'automatisation, avec moins de supervision humaine, signifie qu'elles acceptent un risque opérationnel croissant sans disposer des garde-fous adéquats. Pour les équipes techniques, cela traduit une pression du marché à déployer vite, quitte à improviser la gouvernance des risques après coup plutôt qu'avant. Ce phénomène s'explique en partie par l'immaturité des outils d'évaluation disponibles: l'étude montre que les outils natifs fournis par les fournisseurs de modèles arrivent à égalité avec l'absence totale d'outillage dédié comme solution la plus répandue (17% chacun), et seulement un quart des entreprises effectuent des contrôles qualité en temps réel sur leur trafic de production réel. L'écosystème des plateformes de fiabilité et d'évaluation des agents reste donc fragmenté, ce qui alimente un cercle vicieux: plus les entreprises automatisent leurs déploiements, plus elles auraient besoin d'évaluations robustes, alors que ces dernières peinent justement à suivre le rythme de l'adoption. Les auteurs de l'étude soulignent que l'échantillon, bien que suffisamment large pour dégager des tendances, reste auto-sélectionné et penché vers le marché intermédiaire, ce qui invite à lire ces résultats comme un signal directionnel plutôt qu'une mesure précise de l'ensemble du marché.

La ruée vers l'IA d'entreprise et la compagnie aérienne du peuple

La ruée vers l'IA d'entreprise s'accélère. Cette semaine, plusieurs annonces majeures ont illustré l'intensité de la compétition pour capter les budgets des grandes sociétés. Anthropic et OpenAI ont chacun annoncé de nouvelles coentreprises ciblant le déploiement de l'IA en milieu professionnel, tandis que SAP a frappé un grand coup en injectant un milliard de dollars dans Prior Labs, une startup allemande spécialisée dans les outils IA pour entreprises. Le signal est clair : le marché de l'IA d'entreprise est devenu le terrain de chasse prioritaire des grands acteurs technologiques. Ces mouvements traduisent une pression croissante sur l'ensemble de l'écosystème. Pour les startups qui développent des outils professionnels, être rachetées n'est plus une éventualité parmi d'autres, c'est une trajectoire quasi inévitable. Les entreprises comme SAP, Anthropic ou OpenAI cherchent à sécuriser des positions dominantes avant que le marché ne se consolide, ce qui crée une fenêtre d'opportunité étroite, mais lucrative, pour les fondateurs en bonne position. L'IA d'entreprise concentre aujourd'hui l'essentiel des investissements du secteur, car c'est là que se trouvent les budgets les plus importants et les contrats pluriannuels. La montée en puissance d'OpenAI et d'Anthropic sur ce segment, traditionnellement dominé par des acteurs comme Microsoft, Salesforce ou SAP, redistribue les cartes. L'acquisition de Prior Labs par SAP montre que les géants historiques du logiciel d'entreprise n'ont pas l'intention de laisser le terrain aux nouveaux entrants sans résistance.

💬 Le milliard de SAP dans Prior Labs, ça dit tout : les géants historiques du logiciel d'entreprise ont compris qu'ils ne pouvaient plus juste regarder. Anthropic et OpenAI débarquent sur leur terrain avec des modèles fondamentaux, pas des années d'intégrations ERP à défendre. Pour les startups bien placées dans la niche, c'est le moment de négocier, pas d'attendre.