L'IA d'entreprise comme couche d'exploitation

Cursor déploie l'IA au sein de l'entreprise

Voici l'article traduit et résumé : Pauline Brunet, vice-présidente de l'ingénierie déployée sur le terrain (forward deployed engineering) chez Cursor, a détaillé la stratégie d'entreprise de la startup lors d'un entretien avec Latent Space à l'occasion de l'AI Engineer World's Fair. Chez Cursor, plateforme de codage assistée par IA, cette fonction consiste à envoyer des ingénieurs directement chez les clients pour déployer des applications hautement configurables, adaptées à leurs systèmes et processus internes. L'équipe de Brunet travaille aujourd'hui avec des organisations issues des services financiers, des télécommunications, du développement logiciel, de la technologie et des semi-conducteurs, en aidant les directions IT et les CTO à mettre en place ce qu'elle appelle une "usine logicielle IA" (AI software factory), couvrant l'ensemble du cycle de vie du développement, de la planification à la maintenance en passant par l'écriture, la révision et les tests de code. Cursor prévoit de multiplier par dix la taille de cette équipe de forward deployed engineers d'ici la fin décembre. Le recrutement cible exclusivement des ingénieurs logiciels comptant au moins cinq ans d'expérience en production, capables de concevoir des systèmes et de faire des arbitrages techniques, tout en ayant une expérience significative de la relation client. Plusieurs recrues viennent d'entreprises comme Spotify, Rippling et Palantir, où elles avaient déjà déployé des systèmes en production pour des clients. Cette montée en puissance illustre un enjeu central de l'adoption de l'IA en entreprise : dépasser les usages individuels et isolés pour atteindre une transformation à l'échelle de l'organisation. Selon Brunet, le concept d'usine logicielle répond à un problème structurel actuel, à savoir que les différentes étapes du développement (conception, développement, gestion de produit) restent aujourd'hui cloisonnées entre équipes distinctes, chacune optimisant son propre travail avec l'IA de façon indépendante, sans cohérence d'ensemble. L'ambition de Cursor est de connecter ces silos pour créer un flux de travail unifié où les agents IA interviennent à chaque étape du cycle de développement logiciel. Ce virage traduit une évolution plus large du secteur de l'IA en entreprise, où le rôle de forward deployed engineer, à mi-chemin entre ingénierie logicielle, développement produit et implémentation client, s'impose comme une fonction stratégique. Il ne s'agit plus seulement de vendre un outil clé en main, mais d'accompagner sur le long terme des organisations complexes dans l'intégration d'agents IA à grande échelle, un mouvement que plusieurs acteurs de la tech observent de près alors que la compétition s'intensifie autour de l'automatisation du développement logiciel.

La prochaine phase de l'IA en entreprise concerne les décisions, pas les expérimentations

Lors de la conférence Milken Institute Global Conference de cette année, les échanges sur l'IA en entreprise ont changé de nature. La question posée par les dirigeants n'était plus de savoir si l'IA allait rapporter, mais comment. Beaucoup ont moins insisté sur la démonstration du retour sur investissement que sur le positionnement de leur entreprise pour le capter. Cette tension entre les capacités de l'IA et la capacité des organisations à suivre le rythme est apparue partout, des tables rondes à un dîner privé coorganisé par Bianca Anghelina, fondatrice et PDG d'Aily Labs, et Cory Weinberg de The Information. Des fonds de private equity ont annoncé une vague de coentreprises avec des laboratoires d'IA de pointe au moment même où s'ouvrait Milken, une manière opportune de justifier des valorisations élevées, même si les questions les plus difficiles sur l'emploi restaient largement sans réponse. L'analogie historique revenue sans cesse dans la bouche des dirigeants: la délocalisation. Comme elle avant elle, l'IA redessine le travail dans la santé, la finance, l'assurance et le service client, avec des gains à court terme plus incrémentaux que transformateurs. Pete Stavros, de KKR, l'a dit sans détour: les bénéfices dans son portefeuille ont progressé d'environ 5%, loin des 50% que suggèrent les gros titres. Martín Escobari, de General Atlantic, s'est montré plus optimiste, estimant que la technologie est prête à automatiser la majorité du travail de bureau, et que ce qui manque, c'est la priorisation et la diffusion. Lors du dîner, les dirigeants qui décrivaient des succès avec l'IA partageaient un même réflexe: la considérer comme une couche de décision transversale à l'entreprise, plutôt que comme une collection d'outils isolés. Un exemple est venu de la certification de pierres précieuses: après le rachat d'IGI par Blackstone, des systèmes de détection d'images pilotés par IA sont utilisés pour identifier les diamants de synthèse, avec une précision d'environ 95%, surpassant les évaluateurs humains sur certaines tâches de classification. Des dirigeants du secteur de la santé ont décrit un recours croissant aux grands modèles de langage pour interpréter des analyses sanguines, faire émerger des diagnostics possibles et alimenter les échanges sur la prévention. C'est précisément ce que construit Aily Labs, présentée comme la première plateforme d'intelligence décisionnelle nativement pilotée par l'IA pour les grandes entreprises, conçue pour faire passer les groupes du Fortune 500 de données fragmentées à un impact mesurable sur le compte de résultat en moins de deux semaines. La plateforme d'Aily orchestre des agents IA autonomes qui ne se contentent pas de faire remonter des informations: ils exécutent des décisions, avec des effets qui remontent jusqu'au chiffre d'affaires et au résultat net, dans la finance, la chaîne d'approvisionnement, la R&D et les opérations commerciales. L'objectif, selon Anghelina, est de donner à chaque niveau de l'organisation la même intelligence en temps réel et la capacité d'agir dessus. La distinction entre une IA qui signale un problème et une IA qui agit est revenue à plusieurs reprises: pour Anghelina, c'est précisément là que la plupart des déploiements en entreprise s'enlisent, un système repère un problème de stock puis laisse un humain reprendre la main. L'agent de gestion des stocks d'Aily va plus loin en remontant à la cause racine d'un sur ou sous-stockage et en agissant de façon autonome pour limiter les dégâts avant qu'ils n'affectent le résultat. Dans un déploiement chez un client du Fortune 500, cela s'est traduit par 685 millions de dollars de valeur d'inventaire débloquée. Un des constats marquants du dîner porte sur l'écart entre l'usage de l'IA par les dirigeants et celui du reste de leurs organisations. Plusieurs cadres ont décrit l'IA comme un collaborateur permanent, capable de synthétiser l'ensemble du compte de résultat, de stress-tester des décisions et d'accélérer des travaux qui prenaient auparavant plusieurs jours. Anghelina a été directe sur ce que révèle cet écart: la question n'est plus de savoir si l'IA a sa place dans les conseils d'administration, mais pourquoi elle y reste cantonnée. L'objectif, selon elle, ne se limite pas à améliorer les informations dont dispose la direction, il s'agit de bâtir une source unique d'intelligence en temps réel à partir de laquelle chaque salarié, du PDG jusqu'au terrain, doit pouvoir opérer. Mais la réalité est très différente quelques étages plus bas, où une large part de la main-d'œuvre reste au tout début de la courbe d'adoption, un décalage qui illustre bien l'ampleur du chantier qui attend encore la plupart des entreprises.

💬 Le vrai chiffre à retenir c'est les 5% de Pete Stavros, pas les 50% des gros titres. Ça confirme ce que je répète depuis des mois: l'IA en entreprise avance par frictions et cas d'usage précis (le tri de diamants, les stocks débloqués à 685 millions), pas par grand soir automatisé. Et l'écart qu'Anghelina pointe, entre des dirigeants qui traitent déjà l'IA comme un collègue et des équipes qui n'ont pas encore commencé, c'est le vrai goulot d'étranglement des deux prochaines années, bien avant la question des capacités du modèle.

Google I/O : les entreprises veulent de l'aide pour exploiter l'IA

Lors de la conférence Google Cloud Next, le discours dominant a changé de cap par rapport à l'année précédente. En 2025, les dirigeants de Google vantaient la puissance brute de leurs modèles d'IA pour les entreprises. En 2026, le message central est devenu : comment aider concrètement les entreprises à faire fonctionner ces modèles. Des entretiens menés sur place auprès de clients et de revendeurs Google Cloud révèlent que de nombreuses organisations buttent sur des obstacles concrets dans leur adoption de l'IA, certaines peinent encore à déployer leur premier agent, tandis que d'autres se retrouvent à gérer une multitude d'agents dont la coordination devient ingérable. Ce glissement de priorité illustre un problème structurel de l'industrie : l'écart entre la promesse marketing des outils d'IA et leur déploiement opérationnel réel. Les entreprises ne manquent pas de modèles ni d'accès aux API, elles manquent d'expertise pour intégrer ces briques dans leurs processus métier, gérer les erreurs, orchestrer plusieurs agents en parallèle et maintenir des systèmes fiables en production. C'est un frein majeur à la monétisation pour les fournisseurs de cloud, qui misent sur la consommation à grande échelle. Google Cloud se retrouve dans une position partagée par ses concurrents Microsoft Azure et Amazon Web Services : après avoir massivement investi dans la course aux modèles, les hyperscalers doivent maintenant construire la couche de services, d'outillage et d'accompagnement qui transforme la puissance brute en valeur business. La conférence Next marque ainsi une maturité nouvelle du marché, où l'implémentation devient le vrai champ de bataille.

L'adaptation du commerce de détail à l'ère de l'IA

Macy's, l'un des grands distributeurs historiques américains, est en train de refondre ses opérations autour d'une philosophie qu'il nomme "AI-first". Selon Murali Murugan, directeur senior de l'ingénierie chez Macy's, il ne s'agit pas d'ajouter de l'intelligence artificielle par-dessus des systèmes existants, mais de repenser en profondeur la façon dont les décisions sont prises. Concrètement, l'IA est intégrée directement dans la personnalisation des parcours clients, les moteurs de recherche produits, la planification opérationnelle et le développement logiciel interne. Les premières expérimentations ont ciblé des cas d'usage à fort impact mesurable, notamment les recommandations dans les résultats de recherche et l'engagement client, générant rapidement des gains en taux de conversion et une réduction des frictions. "Une fois les premières victoires établies, le passage à l'échelle est devenu une décision commerciale, non plus un débat technologique", explique Murugan. Cette transformation affecte en premier lieu la couche invisible du commerce de détail: la chaîne logistique, la gestion des stocks, la vitesse à laquelle les ingénieurs livrent du code et la capacité à répondre en temps réel aux comportements des clients. Pour le consommateur, l'impact le plus visible prend la forme d'"Ask Macy's", un assistant d'achat conversationnel conçu pour fonctionner comme un styliste personnel plutôt qu'une barre de recherche classique. Un client qui prépare un bal de fin d'année, un voyage ou un événement de dernière minute peut décrire son besoin en langage naturel et recevoir des recommandations personnalisées fondées sur ses achats passés, ses préférences et le contexte de sa demande. L'objectif affiché est de réduire ce que Murugan appelle "l'écart entre le signal et l'action": capter un comportement client, l'interpréter et y répondre presque instantanément. Cette évolution s'inscrit dans un mouvement plus large qui traverse l'ensemble du commerce de détail américain, confronté à une concurrence fragmentée et à la pression des pure players numériques. Les distributeurs traditionnels, longtemps en retard sur la personnalisation à grande échelle, passent d'expérimentations isolées à des systèmes intégrés et continus. Macy's positionne l'IA non pas comme un substitut au jugement humain, mais comme une couche d'amplification discrète, que les clients ne perçoivent pas directement mais dont ils ressentent les effets. "La vraie transformation vient de l'amélioration continue, d'un apprentissage rapide des erreurs et d'une adaptation aux nouveaux standards technologiques", conclut Murugan. Le projet est développé en partenariat avec Infosys, et illustre comment les grands acteurs traditionnels du retail misent sur l'IA pour rester compétitifs face à des concurrents nativement numériques.

💬 Ce que réussit Macy's, c'est surtout ça : faire passer l'IA du statut de projet isolé à celui de système nerveux des décisions, et c'est un basculement culturel, pas technologique. La méthode est claire et reproductible : gains mesurables d'abord, passage à l'échelle ensuite. Les distributeurs qui jouent encore à l'expérimentation vont se retrouver à rattraper deux ans de retard dans un marché qui n'attendra personne.