L'IA à base d'agents oblige à repenser la structure des organisations

Repenser le SEO B2B à l’ère de l’IA : l’importance stratégique de la perception

En 2026, le SEO B2B vit une mutation silencieuse mais radicale sous l'effet des intelligences artificielles génératives. Cyril Bladier, expert reconnu en stratégie digitale B2B, le formule sans détour : là où Google proposait une liste de liens classés, ChatGPT, Gemini ou Perplexity formulent une réponse rédigée. L'enjeu n'est donc plus d'apparaître en première position, mais d'être la substance même de ce que l'IA a retenu d'un secteur. La décision d'achat B2B se joue désormais bien avant le clic, dans le dialogue privé de l'acheteur avec un assistant conversationnel, une conversation que personne n'enregistre et qu'aucun outil d'analytics ne capte. Le phénomène du « zéro-clic » ne tue pas le prospect, il tue l'indicateur que les équipes marketing avaient l'habitude de mesurer. Sur LinkedIn, devenu un véritable moteur de recherche B2B en puissance, ce n'est plus le nombre de likes qui compte, mais le « dwell time », le temps d'attention réel accordé à un contenu. Un article long lu attentivement vaut infiniment plus qu'une série de posts survolés. L'impact concret pour les entreprises B2B est considérable : être cité dans les réponses d'une IA ne garantit pas d'être choisi. Des outils émergent pour traquer les mentions de marque dans les réponses générées, mais Bladier met en garde contre leur usage naïf. Un « score de visibilité » affiché de manière rassurante transforme un simple comptage de citations en illusion de mesure de perception. Ce qui échappe totalement à ces outils, c'est ce que l'acheteur retient d'une citation, le jugement qu'il forge en privé, la confiance ou la méfiance qui s'installe avant même de visiter un site. Pour être recommandée par une IA, une entreprise ne peut pas s'appuyer uniquement sur un site bien structuré et des balises optimisées : l'IA s'appuie massivement sur la preuve sociale dispersée sur le web, les forums, les avis clients, les discussions sectorielles, autant de signaux qui se construisent là où les marques n'ont pas la main. Ce bouleversement est le fruit d'une mutation épistémologique accélérée depuis l'irruption des grands modèles de langage dans les usages quotidiens. Bladier invite les dirigeants à changer de question de fond : tant que l'on se demande comment répartir le budget entre SEO classique, publicité payante et optimisation IA, on range des meubles dans une maison dont les murs bougent. Le personal branding des dirigeants est devenu un actif SEO à part entière, et la réputation se construit désormais de manière holistique, sur de multiples canaux, souvent hors du contrôle direct des marques. L'enjeu stratégique pour les prochaines années sera de bâtir une perception de marché solide et cohérente, visible non seulement pour les algorithmes de recherche traditionnels, mais surtout pour les modèles d'IA qui synthétisent et filtrent l'information avant que l'acheteur ne formule sa décision.

IA dans la santé : et si le vrai défi était l’organisation des soins

Jordan Cohen, cofondateur et PDG de Tessan, entreprise française de téléconsultation réalisant plus de 3 500 actes médicaux par jour, défend une thèse centrale : le vrai défi de l'intelligence artificielle en santé n'est pas technologique, mais organisationnel. Plutôt que d'ajouter de l'IA à un système existant, il s'agit d'utiliser la donnée pour combler le vide structurel entre les consultations, ce moment où le patient disparaît du radar, sans information, sans orientation, sans suivi. Chez Tessan, les algorithmes interviennent à chaque étape du parcours : ils organisent les symptômes en amont, assurent la transcription automatique pendant la consultation et alimentent des assistants opérationnels chez les partenaires. Des bornes de check-up en pharmacie et des objets connectés captent en temps réel des constantes vitales telles que la tension artérielle, la fréquence cardiaque ou la saturation en oxygène, permettant de détecter des signaux faibles et de déclencher, si nécessaire, une téléconsultation ou un suivi renforcé. Ce changement de paradigme touche directement les patients, les médecins et les pharmacies, appelées à devenir des hubs de détection de proximité. Pour les patients, l'enjeu est de rester intégrés en permanence dans un parcours de soins continu, relancés et réévalués si leur état l'exige. Pour les médecins, l'IA n'ambitionne pas de se substituer au diagnostic : elle améliore la qualité du signal en amont, priorise les cas urgents et réduit la charge administrative. En dermatologie, des modèles internes analysent et hiérarchisent les images avant tout examen médical. D'autres recherches portent sur l'estimation de paramètres physiologiques par vidéo, captant des données que le système actuel ignore. L'impact économique est réel : une détection précoce et une orientation plus rapide réduisent les consultations inutiles et les hospitalisations évitables. Le système de santé français s'est historiquement bâti sur une logique réactive : on consulte lorsque le symptôme apparaît, parfois tardivement, quand la situation s'est déjà dégradée. Cette architecture par actes isolés produit un vide que ni le médecin ni le patient ne comblent aujourd'hui, faute d'outils adaptés. L'essor d'infrastructures de données continues, combiné à des algorithmes capables de les activer au bon moment, ouvre la voie à une médecine d'anticipation. Tessan n'est pas seul sur ce terrain : l'ensemble du secteur health-tech s'oriente vers la donnée comme actif central du parcours de soins, avec des pistes allant de la prévention personnalisée à l'intégration dans les systèmes d'information hospitaliers. Ce que souligne Jordan Cohen, c'est que la valeur future de l'IA en santé ne viendra pas de l'acte médical lui-même, mais de la capacité à organiser une continuité durable autour du patient.

L'IA à base d'agents au service d'une santé mondiale plus humaine

Le secteur mondial de la santé fait face à une pression croissante : l'Organisation mondiale de la santé prévoit un déficit de 11 millions de professionnels de santé d'ici 2030, résultat de décennies de sous-investissement et d'une demande en hausse portée par le vieillissement des populations. Dans ce contexte, de nombreux établissements se tournent vers l'IA agentique, des systèmes capables de prendre des décisions autonomes et d'agir sans intervention humaine constante. Selon une étude KPMG, 68 % des prestataires de santé ont déjà intégré des agents IA dans leur fonctionnement. À New York, le Hospital for Special Surgery (HSS), centre médical académique spécialisé en santé musculo-squelettique, fait figure de pionnier. L'établissement utilise des agents IA pour traiter 1 100 dossiers de remboursements d'assurance par mois, une tâche qui mobilisait auparavant plusieurs semaines de travail impliquant du personnel interne et un prestataire externe. Le délai de traitement des recours est passé de 45 à 5 minutes, et le taux de succès de ces recours est passé de 65 % à 100 % en neuf mois. HSS a également déployé un service d'orientation et de prise de rendez-vous accessible 24h/24 via web, SMS ou téléphone, développé en partenariat avec la société Ema Unlimited, spécialisée dans l'IA agentique pour les entreprises. L'impact est concret et mesurable : là où les outils numériques précédents, dossiers médicaux électroniques, télémédecine, moniteurs connectés, avaient surtout alourdi la charge administrative sans résoudre les problèmes de fond, l'IA agentique libère les cliniciens des tâches répétitives pour qu'ils se concentrent sur les soins à forte valeur ajoutée. Le service de triage conversationnel pose des questions ciblées aux patients, identifie le bon spécialiste en tenant compte de la localisation, de la couverture assurantielle et des disponibilités, et finalise la prise de rendez-vous sans intervention humaine. Selon le Dr. Ashis Barad, directeur digital et technologique de HSS, l'IA agentique ne se contente pas d'automatiser : elle « effondre, augmente et surpuissante » les flux de travail existants. Ce tournant intervient après des années de promesses non tenues du numérique en santé. La migration vers les dossiers électroniques aux États-Unis, au début des années 2000, a fragmenté les données plutôt que de les unifier. Les outils de télémédecine ont amélioré l'accès géographique mais sans reproduire la qualité des consultations en présentiel. L'IA agentique se distingue par sa capacité à gérer des scénarios complexes et nuancés, à consulter des sources cliniques expertes et à s'améliorer dans le temps. Pour autant, la prudence reste de mise : chez HSS, toutes les décisions sont auditables, les cas sensibles ou incertains sont escaladés vers des spécialistes humains, et les données patients sont protégées selon les protocoles internes. La question centrale pour les prochaines années sera de savoir si cette technologie peut être déployée à grande échelle sans sacrifier la confiance des patients et la sécurité des soins.

L'IA à base d'agents a résolu le code, et mis à nu tous les autres problèmes du génie logiciel

L'intelligence artificielle agentique a résolu le problème de l'écriture du code, mais ce faisant, elle a mis en lumière tous les autres goulots d'étranglement du génie logiciel. Les équipes d'ingénierie génèrent aujourd'hui plus de code que jamais grâce aux agents IA, mais les dirigeants d'entreprise posent une question de plus en plus pressante : si le rythme de livraison s'est accéléré, pourquoi les produits ne s'améliorent-ils pas à la même cadence ? La réponse est que l'écriture du code n'a jamais été le facteur limitant. Ce qui ralentit les organisations, c'est la définition des bonnes exigences, l'intégration avec des systèmes complexes, et la maintenance en conditions réelles. Quand les agents inondent une organisation de nouveau code, ces difficultés structurelles s'amplifient. La revue humaine du code généré par IA est en train de devenir un énorme nouveau bottleneck, et les ingénieurs perdent le contexte nécessaire pour détecter les erreurs des agents. Des coûts incontrôlés émergent aussi : Uber a épuisé son budget IA 2026 dès le mois d'avril, et selon Axios, une entreprise anonyme a reçu une facture Anthropic de 500 millions de dollars en un seul mois à cause de boucles agentiques incontrôlées. Ces dérives ont des conséquences concrètes sur les organisations. Les entreprises qui n'anticipent pas ces dynamiques risquent de tirer une conclusion simpliste et destructrice : réduire les effectifs tout en augmentant les dépenses IA. Celles qui raisonnent de manière délibérée créeront au contraire de nouveaux rôles adaptés à cette réalité. La différence tient à une gouvernance claire : traiter les configurations d'agents comme de l'infrastructure de production, versionner et tester les prompts avant déploiement, et surtout ne jamais accorder à un agent les mêmes droits d'accès qu'à un ingénieur humain. Ces derniers disposent d'un jugement contextuel et assument une responsabilité directe, un agent qui hérite de leurs permissions sans garde-fous introduit un angle mort d'accountability dans les systèmes critiques. Cette situation s'inscrit dans une transition plus large : l'IA passe de l'assistance à l'exécution autonome, et les modèles économiques comme les pratiques de sécurité n'ont pas encore rattrapé ce changement. Sur le plan technique, la réponse passe par une stratégie multi-modèles et multi-fournisseurs, aucun modèle n'excelle sur toutes les tâches, et se concentrer sur un seul vendeur crée un point de défaillance unique inacceptable pour une fonction aussi critique que l'ingénierie. La priorité doit aller aux modèles frontier les plus performants plutôt qu'aux moins chers en coût par token, car c'est la qualité du résultat qui détermine le coût réel en minimisant les retravaux coûteux. Les métriques traditionnelles, lignes de code, pull requests, déploiements, ne mesurent plus rien d'utile dans ce nouveau contexte.

💬 Personne ne voulait l'entendre, mais écrire du code n'a jamais été le vrai goulot. Les agents ont prouvé ça à coup de factures à 500 millions et de budgets grillés en avril pour l'année entière. Ce qui ralentit encore, c'est comprendre ce qu'on construit et intégrer les vieilles briques, et là, aucun agent ne te sauve si t'as pas mis les garde-fous.