BusinessOpenAI Blog · 23 juil. 2025, 03:00· 1 min de lecture

Modèle ML aide les institutions financières à se reconstruire avec l'IA de base en bas

Le modèle ML, dirigé par le PDG Chaz Englander, aide les institutions financières à reconstruire leurs processus opérationnels avec l'IA de base en utilisant des infrastructures natives à l'IA et des agents autonomes. Cette approche transforme les flux de travail des services financiers.

Impact France/UE

Le modèle ML de Chaz Englander facilite la transformation des processus opérationnels des institutions financières françaises et européennes grâce à l'IA de base, respectant potentiellement les exigences du AI Act et RGPD via des infrastructures natives à l'IA et des agents autonomes.

Cet article vous a été utile ?

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1FrenchWeb

Avec 10 millions d’euros, MISTER IA veut construire le nouveau conseil en IA

L'entreprise française MISTER IA a levé 10 millions d'euros pour s'imposer comme un acteur central du conseil en intelligence artificielle à destination des entreprises. Ce financement intervient dans un contexte où les grands éditeurs de modèles, OpenAI, Anthropic, Google, Mistral AI et Meta, se sont concentrés depuis deux ans sur la performance brute de leurs LLM, leur vitesse d'inférence et leurs capacités de raisonnement. MISTER IA parie sur un angle différent : aider les organisations à tirer concrètement parti de ces technologies, au-delà de la simple mise à disposition d'un modèle. Car la réalité du terrain, c'est que disposer d'un LLM performant ne garantit ni adoption, ni retour sur investissement. Les entreprises se heurtent à des obstacles organisationnels, méthodologiques et culturels que les éditeurs de modèles ne sont pas équipés pour adresser. MISTER IA se positionne précisément dans cet espace : accompagner les directions dans la définition de cas d'usage, l'intégration dans les processus existants et la montée en compétence des équipes, un besoin qui reste largement non couvert malgré la profusion d'outils disponibles. Cette levée de fonds s'inscrit dans une maturation du marché de l'IA en France, où la phase d'expérimentation cède progressivement la place à des déploiements industriels. Le secteur du conseil en IA attire de plus en plus d'acteurs spécialisés qui cherchent à occuper la place laissée vacante entre les géants technologiques et les cabinets généralistes. Avec 10 millions d'euros, MISTER IA dispose désormais des ressources pour recruter, structurer son offre et accélérer son déploiement commercial auprès des grands comptes français et européens.

UEMISTER IA cible directement les grands comptes français et européens avec son offre de conseil en IA, contribuant à structurer un marché du conseil spécialisé encore peu couvert en France.

BusinessActu

1 source

2VentureBeat AI

Construire pour la nouvelle ère de l'IA avec Microsoft et NVIDIA

D'ici 2026, les entreprises s'apprêtent à franchir un cap décisif dans l'adoption de l'intelligence artificielle : selon le rapport 2026 de Deloitte sur l'IA, 54% des organisations interrogées prévoient de faire passer au moins 40% de leurs expérimentations en production. Ce basculement marque la fin de l'ère des démonstrations et prototypes d'IA générative pour entrer dans celle de l'IA agentique à grande échelle, capable non seulement de générer des réponses mais aussi d'agir de manière autonome. Microsoft et NVIDIA, à travers un partenariat conjoint, positionnent leurs technologies pour accompagner cette transition, en s'appuyant sur une approche de plateforme unifiée destinée à faire passer les agents IA du stade pilote à la production réelle. Cette bascule représente un changement d'ampleur pour les entreprises car le déploiement d'agents IA en production constitue un problème d'ingénierie fondamentalement différent de celui des chatbots génératifs classiques. Chaque outil et chaque source de données devient un défi d'intégration, nécessitant une orchestration robuste, une isolation entre les sessions, une mémoire persistante, ainsi qu'une observabilité construite depuis la base pour surveiller, comprendre et corriger le comportement des agents tout au long de leur cycle de vie. Sans ces fondations, les équipes s'exposent à des agents peu fiables, des failles de sécurité, une gouvernance improvisée et, in fine, à un écart de performance entre les pilotes prometteurs et les déploiements réels, un phénomène déjà observé largement dans les organisations qui tentent de bricoler leurs propres solutions maison. Ce constat rappelle une transition technologique déjà vécue par l'industrie il y a une dizaine d'années, lorsque les microservices avaient imposé aux entreprises de repenser leur architecture logicielle : celles qui avaient alors adopté une approche plateforme plutôt que des solutions ad hoc en étaient sorties gagnantes. Aujourd'hui, Microsoft et NVIDIA défendent l'idée d'une "agent factory", une architecture de production coordonnée combinant un plan de contrôle agentique avec des modèles spécialisés accélérés, des agents et des compétences, le tout gouverné de façon cohérente. L'enjeu dépasse la simple performance technique : il s'agit de permettre aux entreprises de construire des systèmes d'agents collaboratifs plutôt que des agents isolés, une condition jugée désormais indispensable pour transformer les promesses de l'IA agentique en résultats concrets et mesurables sur le terrain économique.

BusinessActu

1 source

3VentureBeat AI

Les organisations IA en entreprise ont un problème d'exécution, pas un problème de modèle, et la plupart construisent la mauvaise solution

Une enquête publiée par VentureBeat en mai 2026, menée auprès de 132 responsables technologiques de grandes entreprises, révèle que le principal problème de l'IA agentique en production n'est pas le modèle d'intelligence artificielle lui-même, mais l'infrastructure d'exécution. Conduite dans le cadre de la série Pulse Research, l'étude interroge des dirigeants de sociétés d'au moins 100 salariés, dont 35 % dans des entreprises de plus de 10 000 employés, couvrant des secteurs comme la technologie (42 %), les services financiers (20 %) ou la santé (7 %). Résultat central : les agents IA déployés sur des infrastructures sans état, scripts Python, chaînes LangChain, orchestrations improvisées, s'effondrent au contact des exigences opérationnelles réelles. Les redémarrages de conteneurs effacent le contexte, les coûts en tokens dépassent les prévisions, et les hallucinations produites à l'étape 3 d'un workflow se transforment en échecs catastrophiques à l'étape 12. Ce constat a des conséquences concrètes pour des milliers d'équipes d'ingénierie : la majorité d'entre elles consacrent davantage de temps à gérer la "plomberie" de ces systèmes qu'à construire l'intelligence qui était censée justifier l'investissement. L'enquête introduit une distinction structurante entre le "cerveau" (la capacité de raisonnement du modèle) et la "colonne vertébrale" (l'infrastructure d'exécution qui gère l'état, la résilience et la coordination). Si les problèmes d'intégration et de gouvernance restent le premier facteur de défaillance cité, les problèmes d'infrastructure arrivent juste derrière. Et 17 % des répondants identifient encore le modèle lui-même comme la cause principale, ce qui n'est pas anecdotique : ces entreprises signalent que les modèles restent insuffisamment fiables pour les cas limites que leurs workflows génèrent. Ce rapport s'inscrit dans une série de recherches commencée au premier trimestre 2026 autour du concept de "Governance Mirage" : 43 % des entreprises interrogées alors déclaraient avoir une équipe centrale responsable de la gouvernance IA, tandis que 23 % ne s'accordaient pas sur cette question, et 31 % pointaient l'opacité des fournisseurs comme obstacle principal. Le parallèle avec la vague RPA (automatisation robotique des processus) il y a dix ans est explicitement évoqué : un cimetière de pilotes brillants incapables de passer le cap du "Jour 2". Selon VentureBeat, les organisations qui survivront à ce qu'il appelle l'"Agentic Reckoning" seront celles qui traiteront la durabilité de l'infrastructure d'exécution comme une priorité d'ingénierie de premier ordre, et non comme un problème à corriger à coups de relances et de prompts.

BusinessOpinion

1 source

4The Information AI

Quelles sont les répercussions du conflit en Iran sur le financement de l'intelligence artificielle ?

La guerre entre les États-Unis et l'Iran fait craindre un retour de la stagflation : la hausse des prix du pétrole pourrait alimenter l'inflation et maintenir les taux d'intérêt élevés, pénalisant le financement massif des infrastructures IA, déjà très endetté. Les data centers n'utilisent pas de pétrole directement, mais dépendent du gaz naturel pour l'électricité, et la flambée des prix énergétiques renforce l'opposition locale à leur construction. Le marché du travail se dégrade également, près de 100 000 emplois perdus en février aux États-Unis, aggravant un contexte économique déjà difficile pour la révolution IA.

UELa flambée des prix énergétiques et le maintien de taux d'intérêt élevés renchérissent directement les coûts d'exploitation et de financement des data centers européens — comme ceux d'OVHcloud — freinant les investissements dans l'infrastructure IA en France et en Europe.

BusinessOpinion

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription en un clic