« La valeur de l’ingénieur ou de consultant se mesure désormais moins en heures travaillées que dans sa maîtrise des systèmes d’IA »

Chez Zillow, le responsable ingénierie affirme au VB Transform 2026 que le ROI de l'IA ne tient que s'il est mesuré avant le développement

Ces derniers mois, la question du retour sur investissement de l'intelligence artificielle en entreprise est revenue au centre des débats lors de la conférence VB Transform 2026, où Toby Roberts, vice-président senior de l'ingénierie chez Zillow, et Arvind Jain, cofondateur et directeur général de Glean, ont détaillé l'architecture bâtie pour gérer des parcours clients complexes. Zillow, plateforme immobilière qui intervient dans environ 80% des transactions immobilières aux États-Unis chaque année, fait face à un défi particulier : ses clients passent d'un appel téléphonique à un conseiller en prêt puis à un agent immobilier, parfois sur plusieurs mois, et s'attendent à ce que le contexte de leur dossier les suive tout au long du processus. Un simple chatbot ne pouvait pas porter ce fil conducteur. L'entreprise a donc construit sa propre couche de contexte persistante plutôt que de dépendre d'une seule interface de conversation externe, une décision prise rapidement une fois que l'équipe a examiné la réalité d'une transaction complète plutôt qu'une conversation isolée. Contrairement à l'idée reçue selon laquelle la donnée est l'obstacle principal des projets d'IA en entreprise, Roberts a expliqué que chez Zillow, la vraie difficulté n'était pas là : l'entreprise avait déjà posé des bases solides avec une architecture en maillage de données, une traçabilité claire et une gouvernance intégrant permissions et identité. Le vrai problème a été de construire un système capable de se souvenir où en était un client dans son parcours et de transmettre cette information peu importe la plateforme utilisée ensuite. Cette approche a des conséquences concrètes pour les entreprises qui déploient de l'IA agentique à grande échelle : Zillow a pu attribuer de manière crédible une hausse de 40% du code livré à l'adoption de l'IA, mais uniquement parce qu'elle disposait déjà d'une base de métriques DORA établie des années avant le déploiement de l'IA, et non grâce au déploiement lui-même. Autrement dit, mesurer l'impact réel de l'IA suppose d'avoir fixé un point de référence avant de se lancer, pas après. Sur le plan technique, Zillow s'appuie sur vingt ans d'historique en apprentissage automatique, hérité de produits comme Zestimate, pour privilégier des modèles plus petits et spécialisés plutôt qu'un modèle généraliste unique. En parallèle, l'entreprise utilise des milliers d'agents Glean en production, gérant des tâches répétitives avec des dizaines de milliers d'exécutions. Jain a présenté deux leviers de réduction des coûts propres à la plateforme de Glean : le routage vers des modèles moins chers pour la majorité des tâches, et un contexte précalculé qui évite à un agent de consommer des tokens à reconstruire son contexte à chaque requête, ce qui peut diviser par deux la consommation de tokens par rapport à un modèle comme Claude, plus lent selon lui car l'assemblage initial du contexte prend du temps. Jain insiste aussi sur l'intérêt de centraliser cette intégration une seule fois via la passerelle Glean MCP plutôt que de laisser chaque service, finance, juridique ou marketing, reconstruire ses propres connexions aux mêmes systèmes, un coût caché que la plupart des entreprises n'ont pas anticipé. Enfin, même avec une plateforme consciente des permissions, Zillow a ajouté des règles strictes et un contrôle de conformité permanent pour ses catégories de données les plus sensibles, refusant de faire confiance uniquement à l'héritage automatique des droits d'accès.

Deloitte avertit ses consultants : l'IA menace l'heure facturable

Deloitte a présenté en interne à ses propres consultants une projection sans équivoque : le modèle classique de facturation à l'heure, pilier du secteur du conseil depuis des décennies, ne représentera plus qu'une fraction résiduelle du marché d'ici 2035. La cause identifiée est l'essor des agents IA, capables d'accomplir en minutes des analyses qui mobilisent aujourd'hui des équipes entières pendant des semaines. Un consultant a résumé le message ainsi : "Notre modèle est grillé." McKinsey et BCG cherchent déjà activement des modèles de revenus alternatifs. Ce constat frappe au coeur d'une industrie dont les revenus reposent entièrement sur la valeur du temps humain facturé. À mesure que les agents IA produisent des livrables comparables à une fraction du coût, les entreprises clientes gagneront un levier pour réduire drastiquement leurs dépenses en conseil, tandis que les consultants juniors, dont les tâches sont les plus automatisables, font face à une menace directe sur l'emploi. Longtemps présentée comme un simple levier de productivité, l'IA est désormais reconnue en interne par les grands cabinets comme un substitut potentiel du travail facturé. La course aux nouveaux modèles économiques est ouverte : abonnements, forfaits aux résultats, ou licences logicielles. Cette mutation place les Big Four et leurs concurrents face à un choix stratégique fondamental avant 2030 : se réinventer ou voir leur part de marché s'effacer au profit de plateformes IA à bas coût.

💬 Qu'un client grogne sur les honoraires, c'est vieux comme le conseil. Que Deloitte le présente à ses propres consultants comme un fait accompli, c'est différent : ça veut dire que même en interne, la valeur du temps humain facturé ne tient plus face aux agents IA. Les Big Four ont quelques années pour trouver un modèle de remplacement, et pour l'instant aucun ne l'a.

Visa prépare ses systèmes de paiement pour les transactions initiées par des agents IA

Visa prépare activement ses infrastructures de paiement à l'ère des agents IA, en déployant son programme "Agentic Ready" en Europe. L'objectif : permettre à des logiciels autonomes d'initier des transactions financières sans intervention humaine directe. Deux banques allemandes majeures, Commerzbank et DZ Bank, participent aux essais pilotes de ce dispositif inédit. Ce tournant représente une rupture profonde avec le modèle de paiement traditionnel, fondé depuis toujours sur l'intention et l'identité d'un humain. Si des agents IA peuvent désormais déclencher des achats de manière autonome, après avoir comparé des prix, surveillé des niveaux de stock ou appliqué des règles prédéfinies par l'utilisateur, les banques doivent repenser entièrement leurs mécanismes d'authentification et de consentement. Visa compare elle-même l'ampleur de cette transition à celle du passage aux paiements en ligne, qui avait contraint le secteur à adapter ses flux de traitement. Les enjeux de conformité sont au cœur du programme. Les banques partenaires testent comment intégrer ces agents dans les systèmes existants sans contrevenir aux règles anti-fraude, aux obligations d'audit et aux exigences de consentement client. Un rapport RepRisk cité dans l'article souligne que les incidents liés à l'IA génèrent déjà des pertes se chiffrant en plusieurs millions de dollars pour les établissements financiers. Le travail de Visa porte spécifiquement sur l'infrastructure réseau, authentification des agents, validation des transactions, gestion des litiges, plutôt que sur des outils grand public. À plus long terme, les grandes organisations pourraient confier à des agents IA leurs achats récurrents dans des limites définies, réduisant les étapes d'approbation manuelle. Les régulateurs suivent de près ces évolutions, notamment dans les domaines du crédit et de la détection de fraude. La phase actuelle reste exploratoire, mais elle dessine un futur où l'initiateur d'une transaction n'est plus nécessairement un porteur de carte, mais un programme.

Marché entreprise : les acteurs de l’IA misent sur des ingénieurs placés chez le client

Microsoft et Amazon ont annoncé coup sur coup la création de divisions dédiées au Forward Deployed Engineering (FDE), c'est-à-dire au placement direct d'ingénieurs IA chez leurs clients entreprise. Chez Microsoft, cette nouvelle entité baptisée Microsoft Frontier Company doit mobiliser 2,5 milliards de dollars d'investissement et réunir 6 000 experts métier et ingénieurs. Selon Judson Althoff, CEO de Microsoft Commercial Business, elle doit devenir « l'organisation d'ingénierie la plus importante, compétente et orientée vers l'obtention de résultats concrets et mesurables pour les clients », chargée de co-concevoir et déployer des systèmes d'IA à grande échelle avec les entreprises clientes. De son côté, Amazon Web Services a annoncé plus tôt dans la semaine sa propre division Forward Deployed Engineering, avec un investissement de 1 milliard de dollars. OpenAI avait ouvert le bal dès le mois de mai en rachetant l'ESN Tomoto pour créer The OpenAI Deployment Company, financée par 19 investisseurs pour plus de 4 milliards de dollars. Une semaine auparavant, Anthropic avait dévoilé un dispositif comparable, en s'associant à des acteurs financiers pour bâtir une structure commerciale où ses ingénieurs travaillent aux côtés d'intégrateurs partenaires afin d'accélérer le déploiement de projets fondés sur les modèles Claude, sans que le montant investi soit précisé. Google Cloud a lui aussi annoncé début juin son intention de recruter massivement sur ce créneau. Cette course au FDE traduit un changement de modèle économique pour les géants de l'IA, qui ne se contentent plus de vendre des accès API ou du cloud mais placent désormais des compétences humaines directement dans les équipes de leurs clients pour garantir des résultats métiers concrets. Pour les entreprises, cela promet des déploiements plus rapides et mieux adaptés à leurs cas d'usage réels, mais soulève aussi la question du contrôle : Microsoft insiste ainsi sur sa capacité à proposer des modèles OpenAI, Anthropic, Microsoft AI ou open source « sans jamais perdre le contrôle au profit d'un acteur unique », signe que la crainte d'un enfermement chez un fournisseur unique est bien présente chez les clients. Le concept de FDE a été popularisé par Palantir, qui en a fait une marque de fabrique jusque dans des contrats sensibles, à l'image de la DGSI française, où la société française ChapsVision vient justement de lui souffler le contrat en mettant en avant cette même approche de proximité terrain. Face à la difficulté persistante des entreprises à transformer leurs projets d'IA en résultats mesurables, les hyperscalers et laboratoires d'IA généralisent désormais cette méthode, ouvrant une nouvelle guerre des talents autour des ingénieurs de déploiement.

💬 Microsoft, Amazon, Google, OpenAI, Anthropic : tout le monde envoie ses ingénieurs bosser directement chez le client, et ça dit tout du vrai problème de l'IA en entreprise. Ce n'est plus une histoire d'accès API, c'est une guerre de service après-vente à coups de milliards, parce que sans quelqu'un sur place pour faire tourner le truc, les projets IA restent des PowerPoint. Et ce qui devrait alerter les DSI, c'est que ChapsVision vient de piquer le contrat de la DGSI à Palantir avec exactement la même recette : la vraie bataille n'est plus le modèle, c'est qui a les mains dans le cambouis.