Mistral rejoint Harvey pour les usages IA en entreprise

Fujitsu intègre OpenAI à sa stratégie IA pour les entreprises japonaises

Le 27 mai 2026, Fujitsu a officialisé un partenariat stratégique avec OpenAI pour intégrer ChatGPT Enterprise et Codex à ses services destinés aux entreprises japonaises. Le géant technologique, qui compte parmi les plus grands groupes IT du pays, prévoit de déployer ces outils aussi bien en interne que dans ses offres clients. Les équipes de développement logiciel, de gestion de projets, d'opérations et de livraison de services seront les premières concernées. Fujitsu cible en priorité trois secteurs : l'industrie manufacturière, la santé et la pharmacie, des domaines soumis à une pression croissante sur l'efficacité opérationnelle et l'automatisation des processus. Ce partenariat répond à une question devenue centrale pour les grandes entreprises : comment faire de l'IA une véritable infrastructure métier plutôt qu'une vitrine technologique ? Pour y répondre, Fujitsu s'appuie sur son modèle FDE (Forward Deployed Engineer), une méthode de travail qui associe étroitement experts sectoriels, ingénieurs et clients pour identifier rapidement des cas d'usage exploitables. En combinant cette approche terrain avec les modèles d'OpenAI, le groupe vise à réduire le fossé persistant entre démonstrations technologiques et création réelle de valeur. L'objectif affiché est de construire un modèle de collaboration entre employés et agents IA capable de standardiser des tâches complexes et d'accélérer les cycles de décision. La cybersécurité constitue un second axe prioritaire : face à la multiplication des menaces et à la complexité des infrastructures critiques, Fujitsu entend développer des dispositifs de cyberdéfense hybrides où humains et IA travaillent conjointement pour améliorer la détection et la vitesse de réponse aux incidents. Ce rapprochement s'inscrit dans un contexte japonais particulier : le vieillissement démographique accéléré et la pénurie structurelle de talents techniques font de l'automatisation intelligente un enjeu économique de premier ordre pour les industriels du pays. Fujitsu dispose d'une implantation historique profonde dans le tissu industriel japonais, ce qui lui confère un avantage réel pour déployer des solutions à grande échelle. Du côté d'OpenAI, ce partenariat confirme une stratégie d'expansion agressive vers les marchés enterprise en Asie, après des accords similaires avec des acteurs majeurs en Europe et aux États-Unis. L'alliance illustre aussi une tendance de fond : les éditeurs d'IA générative ne cherchent plus à vendre des modèles bruts, mais à s'ancrer dans des écosystèmes sectoriels via des partenaires locaux disposant de la légitimité et de la connaissance métier que les modèles seuls ne peuvent pas apporter.

💬 Le contexte japonais, ça change la lecture. Pénurie structurelle de talents, démographie qui s'effondre : les industriels là-bas n'ont pas cinq ans devant eux pour tâtonner avec l'IA. Ce qui m'intéresse dans ce deal, c'est le modèle FDE, cette méthode d'embarquer des ingénieurs directement chez les clients pour trouver les cas d'usage qui tiennent en prod, pas ceux qui brillent en démo.

Dust lève 40 M$ pour accélérer les assistants IA collaboratifs en entreprise

La startup française Dust vient d'annoncer une levée de fonds de 40 millions de dollars en série B, menée par Sequoia et Abstract, avec la participation de Snowflake Ventures et Datadog. Cette opération porte son financement total à plus de 60 millions de dollars. L'entreprise, fondée en France, revendique déjà plus de 3 000 organisations clientes, un taux d'utilisation hebdomadaire supérieur à 70 %, un taux de rétention nette des revenus de 240 % en 2025, et plus de 300 000 agents déployés sur sa plateforme. Des clients comme Vanta et Persona illustrent l'adoption concrète : chez Persona, plus de 300 agents ont été créés dans 11 départements pour automatiser des workflows transverses ; chez Vanta, les équipes ventes et support s'appuient sur ces agents pour préparer les business reviews et les prévisions commerciales. Ce financement valide une thèse que Dust pousse contre le courant dominant : l'IA en entreprise échoue à créer de la valeur collective parce que chaque employé travaille avec son propre assistant, son propre historique, sans mémoire partagée. Résultat, différentes équipes reproduisent les mêmes analyses, les mêmes recherches, les mêmes documents, sans capitaliser sur ce qui a déjà été produit. Dust propose un modèle dit "multijoueur", où agents IA et collaborateurs humains évoluent dans un environnement commun, mêmes données, mêmes outils, mêmes objectifs opérationnels. La plateforme se connecte à plus de 100 sources de données et outils métiers, permettant aux agents de générer des documents, analyser des tableurs, produire des présentations et agir directement dans les systèmes connectés. L'enjeu : transformer l'IA d'un outil d'assistance personnelle en infrastructure organisationnelle réutilisable à grande échelle. Dust s'inscrit dans une compétition qui s'accélère entre les plateformes cherchant à capter la couche d'orchestration de l'IA en entreprise, un marché aujourd'hui saturé de copilotes individuels mais encore peu structuré côté collaboration. La participation de Sequoia, l'un des fonds les plus sélectifs de la Silicon Valley, et de fonds liés à des acteurs de la data comme Snowflake et Datadog, signale que l'infrastructure d'IA collaborative est perçue comme la prochaine bataille stratégique. Face aux préoccupations croissantes des entreprises en matière de gouvernance, Dust met également en avant des contrôles de permissions avancés et des journaux d'audit, des arguments de poids pour les grandes organisations hésitant encore à industrialiser leurs usages IA. Avec 40 millions supplémentaires, Dust a désormais les ressources pour accélérer son développement commercial et s'imposer comme standard avant que les géants technologiques ne structurent définitivement ce marché.

💬 Le NRR à 240 %, c'est pas du storytelling, ça veut dire que les clients qui restent dépensent de plus en plus, et c'est le seul chiffre qui compte vraiment pour juger une boîte SaaS. La thèse "IA collaborative vs. copilote solo" est bonne, elle colle à un vrai problème que tu vois partout : chacun a son ChatGPT dans son coin et personne ne capitalise sur rien. Reste à voir si Dust tient sa position quand Microsoft décide de pousser Copilot dans cette direction.

KPMG dévoile sa stratégie d'agents IA pour améliorer les marges des entreprises

Malgré des budgets IA en forte hausse, seules 11 % des grandes entreprises mondiales ont atteint un stade de déploiement d'agents IA produisant des résultats à l'échelle de l'organisation, selon le premier baromètre trimestriel Global AI Pulse de KPMG, publié début 2026. L'enquête révèle que les entreprises prévoient en moyenne de dépenser 186 millions de dollars sur les douze prochains mois en intelligence artificielle — 245 millions pour la région Asie-Pacifique, 207 millions pour les États-Unis, 157 millions pour la zone EMEA. Pourtant, 64 % des répondants déclarent obtenir des résultats « significatifs », un qualificatif que KPMG juge trompeur : entre des gains de productivité marginaux et une transformation opérationnelle capable de peser sur les marges, l'écart reste, pour la majorité, considérable. Le vrai enseignement du rapport est la fracture entre les « leaders IA » — les organisations qui déploient des agents autonomes capables de coordonner des tâches entre fonctions, de prendre des décisions sans validation humaine à chaque étape, et d'identifier des anomalies en quasi-temps réel — et tout le reste. Parmi ces leaders, 82 % disent obtenir de la valeur concrète de l'IA, contre 62 % pour les autres entreprises. Cet écart de 20 points cache une différence de philosophie radicale : les retardataires ont superposé des outils IA (copilotes, résumés automatiques) à leurs processus existants sans les repenser, générant des améliorations ponctuelles. Les leaders ont fait l'inverse — ils ont d'abord redessiné leurs processus, puis déployé les agents pour les opérer. En ingénierie informatique, 75 % des leaders utilisent des agents pour accélérer le développement logiciel, contre 64 % pour leurs pairs ; en opérations et supply chain, l'écart est de 64 % contre 55 %. Ce ne sont pas des différences d'adoption d'outils, mais de réarchitecture profonde. Ce rapport s'inscrit dans un mouvement de fond : depuis 2023, les grandes entreprises ont massivement investi dans des modèles de langage, mais la pression monte pour justifier ces dépenses auprès des conseils d'administration. Steve Chase, directeur mondial de l'IA chez KPMG International, résume : « Dépenser plus pour l'IA n'est pas synonyme de créer de la valeur. » La vraie question posée par ces 186 millions de budget moyen n'est pas leur montant, mais leur affectation : quelle part va à l'infrastructure opérationnelle nécessaire pour extraire de la valeur des modèles eux-mêmes, plutôt qu'aux seules licences et à la puissance de calcul ? Sur un horizon de trois à cinq ans, la réponse à cette question pourrait devenir la principale variable de compétitivité dans plusieurs secteurs industriels.

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.