Snap licencie 1000 salariés : l’IA comme nouveau moteur de l’efficacité opérationnelle

L'IA a réduit le coût du développement logiciel, mais la gouvernance d'entreprise n'a pas suivi

L'intelligence artificielle a radicalement modifié l'équation du développement logiciel en entreprise. Selon le rapport "Build vs. Buy Shift Report 2026" de Retool, basé sur une enquête auprès de 817 développeurs et décideurs, 35 % des équipes ont déjà remplacé au moins un outil SaaS par une solution développée en interne, et 78 % prévoient de construire davantage d'outils sur mesure cette année. Ce qui nécessitait autrefois plusieurs semaines de travail d'ingénierie et un budget à six chiffres peut aujourd'hui être prototypé en un ou deux jours par un responsable opérationnel équipé des bons outils. Les catégories les plus touchées sont les automatisations de workflows (35 % des remplacements envisagés), les outils d'administration interne (33 %), les outils de Business Intelligence (29 %) et les CRM (25 %). Le MIT estime par ailleurs que ces remplacements génèrent entre 2 et 10 millions de dollars d'économies annuelles pour des tâches comme le service client ou le traitement documentaire. Ce basculement repose sur un déséquilibre structurel : le coût de développement a chuté d'un ordre de grandeur grâce à l'IA et aux plateformes de création d'applications no-code/low-code, tandis que les tarifs SaaS, eux, n'ont pas bougé. Ces abonnements par siège, pensés pour le cas moyen, répondent rarement aux workflows réels des entreprises, qui reflètent des structures organisationnelles, des contraintes de conformité et des logiques métier uniques. Le remplacement ne se fait pas en bloc, personne ne jette Salesforce du jour au lendemain, mais par substitutions ciblées : un circuit d'approbation qui nécessitait trois contournements, un tableau de bord incapable de se connecter aux données internes. Ces petites victoires accumulent un précédent décisif : l'équipe ne se demande plus "que peut-on acheter ?" mais "peut-on construire ça ?" Le symptôme le plus révélateur de ce décalage est l'explosion du shadow IT. Retool indique que 60 % des développeurs interrogés ont créé des outils, workflows ou automatisations en dehors de la supervision IT au cours de l'année écoulée, et 25 % le font régulièrement. Ce chiffre est d'autant plus frappant que 64 % des répondants occupent des postes de managers seniors ou au-dessus. Ce ne sont pas des junior qui contournent les règles par méconnaissance : 31 % le font simplement parce qu'ils construisent plus vite que la DSI ne peut provisionner des outils. Les cycles d'achat actuels, conçus pour un monde où un projet logiciel prenait des mois, ne correspondent plus à une réalité où il en faut deux jours. Pour les entreprises, la réponse ne peut pas être la répression : ce shadow IT est un signal de demande. Les équipes les plus proches des problèmes envoient un message clair sur l'inadéquation des processus existants, et les gouvernances devront s'adapter pour intégrer cette nouvelle vitesse de construction.

IA, accélération, mutations : Jérémy Clédat (Welcome to the Jungle) nous livre sa vision du futur du travail

Jérémy Clédat, fondateur et CEO de Welcome to the Jungle, a annoncé au salon Go Entrepreneurs à Paris qu'il avait passé une année entière à refondre en profondeur sa plateforme de recrutement, l'une des références du marché français. Cette nouvelle suite, dont le déploiement est imminent, intègre l'intelligence artificielle au coeur des processus de mise en relation entre candidats et employeurs. Welcome to the Jungle, fondée en 2015, compte aujourd'hui plusieurs millions d'utilisateurs et s'est imposée comme une alternative au modèle LinkedIn en misant sur la marque employeur et la culture d'entreprise. Pour Clédat, l'IA ne se contente pas d'automatiser des tâches : elle redéfinit la nature même des métiers. Les entreprises qui tardent à intégrer ces outils risquent de perdre en compétitivité face à des organisations plus agiles, capables de produire davantage avec des équipes réduites. L'impact touche également l'éducation, où les compétences enseignées aujourd'hui pourraient être obsolètes d'ici cinq ans, posant une question structurelle sur la formation des nouvelles générations. Welcome to the Jungle s'inscrit dans une vague de transformation profonde des plateformes RH, contraintes de repenser leur valeur ajoutée à l'heure où l'IA peut générer des offres d'emploi, trier des CV et conduire des entretiens préliminaires. Clédat, en prenant une année pour reconstruire son produit plutôt que d'y greffer des fonctionnalités à la hâte, parie sur une intégration cohérente plutôt que cosmétique. La question qui reste ouverte est celle du sens du travail dans un monde où la frontière entre tâche humaine et tâche automatisée s'efface progressivement.

Face à un public inquiet, l’IA continue son expansion à grande vitesse

L'AI Index 2026, publié par le Stanford Institute for Human-Centered Artificial Intelligence, dresse un bilan sans complaisance de l'état mondial de l'intelligence artificielle. Les investissements dans le secteur continuent d'exploser, portés notamment par OpenAI et Anthropic dont les dépenses d'infrastructure atteignent des records historiques. Sur le plan technologique, la Chine a réussi à combler son retard face aux États-Unis en matière de performance des modèles. En robotique industrielle, Pékin a déployé en 2025 plus de robots que le reste du monde réuni, concentrant désormais 54 % du parc mondial. Côté modèles, les capacités progressent dans des directions spectaculaires mais inégales : Gemini Deep Think décroche une médaille d'or aux Olympiades internationales de mathématiques avec 35 points, tandis que la génération d'images commence à simuler des phénomènes physiques comme les vaguelettes sur l'eau. Pourtant, ces mêmes systèmes restent incapables de donner l'heure, et les robots industriels ne parviennent à accomplir que 12 % des tâches ménagères courantes. Cette croissance a un coût qui dépasse les bilans financiers. L'empreinte environnementale du secteur atteint des proportions préoccupantes : l'entraînement de Grok 4 seul a généré l'équivalent de 72 816 tonnes de CO₂, et la consommation annuelle en eau liée à l'inférence de GPT-4o pourrait dépasser les besoins en eau potable de 12 millions de personnes. Parallèlement, le nombre d'incidents liés à l'IA recensés dans l'AI Incident Database ne cesse d'augmenter d'année en année, tandis que la recherche en IA responsable accuse un retard croissant sur le rythme de déploiement. L'adoption progresse plus vite que pour n'importe quelle technologie précédente : 53 % de la population mondiale a déjà utilisé l'IA en seulement trois ans, un seuil que l'adoption des ordinateurs personnels avait mis plus de quinze ans à franchir. Cette diffusion reste néanmoins très inégale, étroitement corrélée au PIB par habitant de chaque pays. L'AI Index 2026 s'inscrit dans une longue tradition de bilans annuels que Stanford publie depuis plusieurs années pour offrir aux décideurs, chercheurs et journalistes une vue d'ensemble fondée sur des données. L'édition de cette année reflète une tension structurelle qui s'accentue : l'industrie avance à une vitesse que les cadres réglementaires, les standards de sécurité et même l'opinion publique peinent à suivre. Les populations restent largement sceptiques malgré la généralisation des usages, ce qui pose la question de la confiance à long terme dans ces systèmes. Les suites probables pointent vers une pression réglementaire accrue, notamment en Europe, et vers un débat de plus en plus incontournable sur la soutenabilité énergétique et hydrique d'une industrie dont l'appétit en ressources ne montre aucun signe de ralentissement.

💬 72 816 tonnes de CO₂ pour entraîner un seul modèle. C'est ça le vrai chiffre de ce rapport Stanford, pas la médaille aux maths ni les 53% d'utilisateurs mondiaux, même si les deux sont réels. La recherche en IA responsable accumule du retard pendant que l'industrie accélère, et à un moment c'est pas l'Europe le problème, c'est la physique.

AI Overviews : Google conteste le taux de 10% d’erreurs, mais en dénombre lui-même… 22%

Le New York Times a mandaté la start-up Oumi pour analyser les AI Overviews de Google, ces résumés générés par IA qui apparaissent en tête des résultats de recherche, à l'aide du benchmark SimpleQA, publié par OpenAI en 2024 et comportant plus de 4 000 questions à réponses vérifiables. Deux séries de tests ont été conduites : une première en octobre 2025 avec le modèle Gemini 2, une seconde en février 2026 après migration vers Gemini 3, sur un corpus identique de 4 326 recherches Google. Résultat : Gemini 2 répondait correctement dans 85 % des cas, Gemini 3 dans 91 %. Mais le NYT souligne un autre problème : plus de la moitié des réponses correctes de Gemini 3 sont « non étayées », c'est-à-dire qu'elles renvoient vers des sources qui ne confirment pas entièrement l'information fournie, un taux qui a bondi de 37 % à 56 % entre octobre et février, soit une hausse de 50 %. Google a contesté ces chiffres, jugeant que SimpleQA, conçu par un concurrent direct, constitue un benchmark biaisé. Le problème dépasse la simple question de précision technique. Google traite plus de cinq mille milliards de recherches par an, ce qui signifie, selon le calcul du NYT, que des dizaines de millions de réponses erronées sont distribuées chaque heure. À cette échelle, une marge d'erreur de 9 % se traduit par des centaines de milliers d'inexactitudes par minute, diffusées à des utilisateurs qui, selon une étude citée dans l'article, ne vérifient pas les réponses fournies par les IA dans 92 % des cas. La mention « L'IA peut se tromper » affichée en petits caractères sous chaque résumé apparaît donc largement insuffisante face à l'ampleur du phénomène. Le paradoxe central de cette affaire est que Google, en contestant le benchmark d'OpenAI, a mis en avant son propre outil de mesure, révisé pour être, selon ses termes, « plus précis ». Or cet outil interne aboutit à un taux d'erreur supérieur à 20 %, soit le double du chiffre que Google cherchait à réfuter. La situation illustre la tension structurelle à laquelle font face les grands moteurs de recherche : intégrer des LLMs pour rester compétitifs face à ChatGPT et Perplexity, tout en assumant une responsabilité éditoriale sur des milliards de réponses quotidiennes. Gemini 3 progresse en précision brute, mais dégrade simultanément la traçabilité des sources, un compromis qui soulève des questions durables sur la fiabilité des interfaces IA comme point d'entrée unique vers l'information.