Mise à l'échelle de l'automatisation intelligente sans perturbation des flux de travail en cours

Comment l'économie de l'IA multi-agents influence l'automatisation des entreprises

NVIDIA a lancé Nemotron 3 Super, une architecture open source de 120 milliards de paramètres (12 milliards actifs) conçue pour les systèmes d'IA multi-agents en entreprise, offrant jusqu'à 5× plus de débit et 2× plus de précision que son prédécesseur. Le modèle combine des couches Mamba, des transformers classiques et une technique d'experts spécialisés pour réduire les deux principaux freins à l'automatisation : la « taxe de raisonnement » (coût élevé des agents autonomes) et l'explosion du contexte (jusqu'à +1 500 % de tokens par rapport aux formats standards). Avec une fenêtre de contexte d'un million de tokens, les agents peuvent charger un codebase entier ou des milliers de pages de rapports financiers en mémoire, éliminant la dérive d'objectif et accélérant l'inférence jusqu'à 4× par rapport aux configurations FP8 sur Hopper.

Comment les entreprises profitent de l’usage dissimulé de l’intelligence artificielle au travail

Dans la plupart des grandes entreprises, l'intelligence artificielle s'est d'abord installée par la petite porte : des salariés ont adopté en catimini des outils comme ChatGPT ou Copilot, souvent sans autorisation de leur hiérarchie. Ce phénomène, baptisé « shadow AI », s'est généralisé au point que certaines études estiment que plus de la moitié des employés utilisent des outils d'IA non approuvés dans leur travail quotidien, à l'insu de leur employeur. Plutôt que de sanctionner ces pratiques, un nombre croissant de directions choisissent désormais de les récupérer à leur avantage. En observant quels outils s'imposent spontanément, les entreprises identifient les cas d'usage les plus pertinents et les salariés les plus avancés — des données précieuses pour piloter leur propre stratégie d'adoption de l'IA. Ce retournement transforme une zone de risque (fuite de données, violation de licences) en un laboratoire d'innovation involontaire. Ce basculement révèle une tension structurelle dans la transformation numérique des organisations : les politiques officielles peinent à suivre le rythme d'adoption réel des technologies. Après des années de gouvernance restrictive sur le BYOD et les outils cloud non validés, les entreprises semblent tirer les leçons du passé en optant pour une intégration encadrée plutôt qu'une interdiction inapplicable. La question des données sensibles transmises à des modèles externes reste néanmoins un angle mort majeur.

Bain identifie un marché SaaS de 100 milliards de dollars dans l'automatisation par agents IA

Le cabinet de conseil Bain & Company estime à 100 milliards de dollars le marché adressable aux États-Unis pour les éditeurs SaaS qui intègrent l'IA agentique dans l'automatisation des processus d'entreprise. Cette estimation figure dans le deuxième volet d'une série de cinq rapports que Bain consacre au secteur logiciel à l'ère de l'IA. La firme chiffre à 4 à 6 milliards de dollars ce que les éditeurs captent déjà aujourd'hui aux États-Unis, ce qui signifie que plus de 90 % du marché reste inexploité. En étendant l'analyse au Canada, à l'Europe, à l'Australie et à la Nouvelle-Zélande, Bain porte l'estimation globale à environ 200 milliards de dollars. Par fonction, la vente représente la plus grande part individuelle avec environ 20 milliards, portée avant tout par la taille de la main-d'oeuvre commerciale. Les opérations et le coût de production pèsent 26 milliards au total. Le support client, la R&D, l'ingénierie et la finance se situent chacun entre 6 et 12 milliards. Ce que Bain met en évidence, c'est moins la concurrence frontale avec les plateformes SaaS existantes que la conversion en dépenses logicielles d'un travail humain massif et jusqu'ici peu automatisé : la coordination entre applications d'entreprise. Ces workflows traversent des ERP, des CRM, des outils de gestion fournisseurs et des boîtes mail, enchaînant des tâches comme la vérification croisée de données, l'interprétation de messages non structurés ou la décision d'escalader un problème. L'automatisation classique par règles ou par RPA bute sur l'ambiguïté et la dispersion de l'information dans plusieurs systèmes. L'IA agentique, elle, peut agréger des sources hétérogènes, déclencher des actions dans plusieurs outils et opérer dans des cadres de gouvernance définis. Le potentiel d'automatisation varie selon les fonctions : le support client et la R&D atteignent 40 à 60 % des tâches automatisables, grâce à des données structurées et des signaux de résultat clairs. La finance et les RH se situent entre 35 et 45 %, la vente et l'informatique entre 30 et 40 %, tandis que le juridique plafonne à 20-30 % en raison du risque d'erreur élevé. Ce rapport s'inscrit dans un contexte de réorientation stratégique des grands éditeurs, qui cherchent à positionner l'IA agentique non pas comme une fonctionnalité supplémentaire, mais comme un nouveau segment de revenus autonome. Bain identifie six facteurs déterminants pour évaluer l'automatisabilité réelle d'un workflow : la vérifiabilité des résultats, les conséquences d'un échec, la disponibilité de données structurées, la variabilité des processus, notamment. Les workflows à risque réglementaire ou financier élevé, déclarations fiscales, conformité légale, réponse aux incidents de sécurité, nécessitent une supervision humaine rapprochée même lorsque les agents sont techniquement capables. Ce cadre analytique va probablement devenir une référence pour les éditeurs qui doivent décider où concentrer leurs investissements en IA agentique dans les prochains mois.

💬 100 milliards dans l'automatisation agentique, Bain sort l'artillerie. Ce qui me retient dans ce rapport, c'est pas le total (les cabinets de conseil adorent les chiffres ronds), c'est qu'ils pointent le vrai angle : tout le travail de coordination entre ERP, CRM et boîte mail, le genre de flux qui n'a encore aucune ligne budget logiciel aujourd'hui. Sur ce sujet, franchement, c'est plus intéressant que ça en a l'air.

Pourrait-on remettre en cause les méthodes de l'investissement de risque grâce à l'intelligence artificielle?

Les capital-risqueurs misent massivement sur l'intelligence artificielle pour transformer presque tous les secteurs de l'économie mondiale. Mais une question se pose : sont-ils prêts à voir l'IA perturber leur propre industrie ? Le capital-risque lui-même pourrait ne pas échapper à la disruption qu'il finance.