Neil Zeghidour (Gradium) : « Je gère les talents en IA comme des footballeurs »

IDC : comment les DSI de la zone EMEA peuvent accélérer leurs déploiements IA

Selon une étude IDC publiée en 2026, seulement 9 % des organisations de la région EMEA ont réussi à tirer des résultats business quantifiables de la majorité de leurs projets d'intelligence artificielle au cours des deux dernières années. Les 91 % restants sont enlisés dans la même impasse : des pilotes qui ne franchissent jamais le stade de la production. Après dix-huit mois d'investissements massifs dans les grands modèles de langage et le machine learning, les conseils d'administration freinent désormais, réduisent la voilure ou réorientent leurs initiatives IA. La cause n'est pas un désintérêt technique, mais une incapacité à démontrer un retour sur investissement concret face à des directions financières de plus en plus sceptiques et des pressions macroéconomiques croissantes. Le problème central tient à une inadéquation entre les méthodes traditionnelles d'évaluation et la nature réelle de la valeur générée par l'IA. Les outils de procurement classiques mesurent le logiciel à l'aune de la réduction de personnel, alors que les bénéfices des modèles génératifs se matérialisent différemment : nouveaux flux de revenus, accélération de la productivité, réduction des risques opérationnels. Un outil de maintenance prédictive dans une usine manufacturière n'élimine pas des postes d'ingénieurs, mais peut éviter une panne catastrophique de la chaîne d'assemblage, une économie réelle qui n'apparaît sur aucun tableau de bord budgétaire standard. Sans cadre financier adapté, les pilotes prometteurs perdent leur financement avant d'atteindre les réseaux de production. À cela s'ajoute le gouffre infrastructurel : passer d'un environnement sandbox AWS ou Azure à un déploiement d'entreprise complet expose des incompatibilités majeures entre bases vectorielles modernes et systèmes Oracle ou SAP vieillissants, des données mal structurées qui alimentent les hallucinations, et des coûts d'inférence et de fine-tuning qui explosent à mesure que le déploiement s'étend. Ce blocage s'inscrit dans un contexte réglementaire européen particulièrement exigeant, où les lois sur la protection des données et la cybersécurité imposent des contraintes strictes : documentation des arbres de décision des modèles, protection contre les attaques par injection de prompts, gouvernance formelle. Si beaucoup d'équipes vivent ces obligations comme un frein, IDC observe que les rares organisations ayant réussi à scaler leurs projets adoptent la posture inverse : elles intègrent la conformité dès la conception, ce qui accélère in fine le déploiement, améliore la résilience des systèmes et renforce la confiance des clients. Pour débloquer la situation, IDC recommande aux DSI de retravailler activement leurs calculs de ROI pour capturer ces bénéfices indirects, et de traiter la réglementation non comme un obstacle mais comme un levier d'architecture.

Les événements à ne pas rater pour comprendre la montée en puissance de l’IA en 2026

L'année 2026 s'impose comme un tournant décisif pour l'intelligence artificielle. Après plusieurs années d'expérimentation intense portée par l'essor des modèles génératifs, le secteur entre dans une phase de maturité industrielle. Les grandes conférences et salons professionnels de l'année reflètent ce changement de cap : les thématiques dominantes ne sont plus la découverte ou la démonstration, mais l'intégration opérationnelle, le déploiement à grande échelle et la gouvernance des systèmes IA en conditions réelles. Les enjeux qui structurent l'agenda 2026 sont multiples et convergents. Les infrastructures de calcul (compute) et la consommation énergétique des centres de données sont au coeur des débats, à mesure que les modèles deviennent plus complexes et plus gourmands. Les agents IA autonomes, capables d'exécuter des tâches longues et enchaînées, concentrent l'attention des entreprises qui cherchent à automatiser des processus métier entiers. La robotique physique et la souveraineté numérique s'invitent également dans les discussions, portées par des tensions géopolitiques persistantes autour du contrôle des semi-conducteurs et des données. Ce basculement vers une logique industrielle reflète une transformation plus profonde : les entreprises ne se demandent plus si elles doivent adopter l'IA, mais comment le faire sans perdre le contrôle. Les événements professionnels de 2026 servent ainsi de baromètre pour mesurer où en sont réellement les acteurs du secteur, entre les annonces des géants technologiques américains et les ambitions croissantes des acteurs européens et asiatiques.

💬 La phase POC est officiellement terminée pour beaucoup. Ce qui m'intéresse maintenant, c'est qui va réussir l'industrialisation sans se planter sur la gouvernance, parce que c'est là que ça va coincer. Les Européens ont une carte à jouer sur la souveraineté, si tant est qu'ils arrêtent d'en parler et commencent à livrer.

Les arguments en faveur de l'IA se renforcent

Les grandes firmes de capital-investissement s'apprêtent à s'allier avec les leaders de l'IA pour accélérer l'adoption de la technologie dans leurs portefeuilles d'entreprises. Selon des informations révélées par The Information, Anthropic serait en pourparlers avec Blackstone et Hellman & Friedman pour créer une coentreprise, tandis qu'OpenAI discuterait d'arrangements similaires avec TPG, Brookfield Asset Management et Bain Capital. Dans le même temps, Jeff Bezos chercherait à lever 100 milliards de dollars pour acquérir des entreprises industrielles et les automatiser grâce à l'IA — ce qui en ferait l'un des plus grands fonds jamais constitués. Ces mouvements interviennent alors que les modèles d'IA les plus récents, notamment les dernières versions de Claude d'Anthropic, ont rendu les capacités de la technologie particulièrement convaincantes pour les investisseurs. Ce basculement est important car il crée un pont entre l'offre et la demande en matière d'IA, deux dynamiques qui semblaient jusqu'ici évoluer de façon découplée. Les dix plus grandes firmes de private equity détiennent plus de 2 000 entreprises générant environ 2 000 milliards de dollars de chiffre d'affaires dans quasiment tous les secteurs économiques. Si ces firmes déploient l'IA massivement dans leurs portefeuilles, elles entraîneront mécaniquement leurs concurrents — souvent des entreprises indépendantes de taille moyenne — à faire de même sous peine de se laisser distancer. Cela se traduira concrètement par une hausse considérable de la demande en puissance de calcul, justifiant les investissements colossaux déjà engagés dans les data centers d'IA. Cette dynamique renforce aussi la probabilité d'introductions en bourse d'OpenAI et d'Anthropic dans les douze prochains mois, et légitime les dépenses croissantes en infrastructure de la part d'acteurs comme Meta. Le capital-investissement traverse actuellement une période délicate : les firmes sont nombreuses à détenir des participations dans des entreprises technologiques jugées vulnérables face à l'IA, et peinent à trouver des fenêtres de sortie. Embrasser l'IA devient ainsi autant une stratégie de survie qu'une opportunité de création de valeur.

Des agents IA font leur entrée dans les métiers bancaires chez Bank of America

Bank of America déploie une plateforme d'intelligence artificielle auprès d'environ 1 000 de ses conseillers financiers, leur fournissant un outil capable de répondre aux questions des clients, de préparer des recommandations et de gérer les flux de travail quotidiens. Le système repose sur Agentforce de Salesforce, une technologie permettant de créer des agents IA capables d'exécuter des tâches complexes. La banque n'en est pas à ses débuts avec l'IA : son assistant virtuel Erica accomplit l'équivalent du travail de 11 000 employés, et les 18 000 développeurs de la banque utilisent des outils de codage assistés par IA qui ont amélioré leur productivité d'environ 20 %. Ce déploiement marque un tournant significatif dans l'usage de l'IA dans le secteur bancaire. Jusqu'ici, les outils se limitaient aux chatbots ou à l'automatisation de tâches de back-office. Désormais, l'IA s'intègre directement au cœur du processus de conseil financier — analyser les données clients, suggérer des orientations, influencer la manière dont les recommandations sont formulées. D'autres grandes banques empruntent la même voie : JPMorgan, Wells Fargo et Goldman Sachs testent eux aussi des agents IA pour leurs équipes en contact avec la clientèle. L'objectif commun est d'augmenter la productivité sans accroître les effectifs au même rythme. Des questions de supervision et de fiabilité demeurent toutefois, notamment lorsque ces systèmes interviennent dans des décisions financières. L'analyste Mike Mayo de Wells Fargo tempère l'enthousiasme en jugeant la phase actuelle « un peu ennuyeuse du point de vue des produits », faute de nouveautés majeures sur le marché. Le secteur financier aborde cette transition avec prudence, en limitant les déploiements à des équipes ou cas d'usage spécifiques avant d'étendre plus largement. La surveillance humaine reste au centre du dispositif : il s'agit d'assister les conseillers, non de les remplacer.