Bain : les entreprises ratent leurs objectifs d'économies IA à cause des résistances humaines

Les entreprises élargissent leur adoption de l'IA tout en maintenant le contrôle

La majorité des entreprises déploient aujourd'hui l'intelligence artificielle de manière progressive et encadrée, loin des systèmes autonomes qui font régulièrement la une. Selon une étude de McKinsey & Company, la plupart des organisations utilisent désormais l'IA dans au moins un domaine de leur activité, mais rares sont celles qui l'ont déployée à l'échelle de l'ensemble de l'entreprise. Un exemple concret illustre cette tendance : S&P Global Market Intelligence a intégré des outils d'IA dans sa plateforme Capital IQ Pro, utilisée par des analystes financiers pour examiner des dépôts réglementaires, des transcriptions d'appels de résultats et des données de marché. Le système permet d'interroger de vastes ensembles de données via une interface conversationnelle, mais les résultats restent systématiquement ancrés dans des sources financières vérifiées, avec la possibilité de remonter aux documents d'origine pour limiter les erreurs. Ce choix d'une IA d'assistance plutôt qu'autonome n'est pas anodin dans des secteurs où une erreur peut entraîner des pertes financières importantes ou engager des responsabilités légales. En finance, les outils comme Capital IQ Pro sont conçus pour éclairer le jugement des analystes, pas pour le remplacer. La décision finale reste humaine. McKinsey souligne par ailleurs un écart croissant entre le déploiement de l'IA et la génération de valeur mesurable : de nombreuses organisations peinent à traduire leurs investissements en résultats concrets. Ce fossé pousse les directions à exiger des systèmes capables d'expliquer leurs sorties, de citer leurs sources et d'opérer dans des périmètres définis, trois conditions essentielles pour établir la confiance dans des environnements réglementés. Derrière cette prudence se dessine un enjeu de gouvernance qui mobilise de plus en plus d'acteurs. S&P Global Market Intelligence note que les organisations bâtissent activement des cadres pour gérer les risques liés à l'IA, notamment la qualité des données et les biais des modèles. Les systèmes agents, capables de planifier et d'agir sans intervention humaine directe, suscitent un intérêt grandissant, mais la majorité des entreprises en est encore aux premières étapes d'expérimentation. Les progrès continus sur les grands modèles de langage laissent entrevoir des usages plus autonomes à terme, en analyse financière, support client ou gestion de chaîne logistique. Ces questions seront au coeur de l'AI & Big Data Expo North America 2026, qui se tiendra les 18 et 19 mai prochains, avec S&P Global Market Intelligence parmi les sponsors, et des sessions dédiées à la gouvernance de l'IA et à son usage dans les industries régulées.

Les coûts d'Anthropic augmentent : les entreprises poussent leurs fournisseurs à raccourcir les contrats

Les entreprises augmentent significativement leurs dépenses auprès d'Anthropic et d'autres fournisseurs d'IA, et ce budget supplémentaire doit bien venir de quelque part. La cible naturelle : les contrats logiciels traditionnels. Selon des dirigeants et des consultants, de nombreuses organisations ne renoncent pas encore à leurs applications d'entreprise, mais elles se positionnent pour le faire si l'IA venait à rendre ces outils moins indispensables. Concrètement, elles exigent des contrats plus courts et des conditions plus favorables auprès de leurs éditeurs SaaS historiques. Ce changement de rapport de force représente une menace sérieuse pour les grands éditeurs de logiciels d'entreprise comme Salesforce, SAP ou ServiceNow. Des contrats pluriannuels de trois à cinq ans, autrefois la norme, sont désormais contestés. Les entreprises clientes gagnent en flexibilité pour pivoter vers des solutions IA si celles-ci se révèlent capables de remplacer des fonctions entières -- CRM, gestion des workflows, support client -- à moindre coût. Cette pression s'inscrit dans un contexte de réallocation massive des budgets technologiques vers l'IA générative. Les dépenses en modèles de fondation comme Claude d'Anthropic ou GPT d'OpenAI explosent, tandis que les directions financières cherchent à compenser ces investissements en réduisant les coûts fixes. Le secteur du SaaS, qui avait bénéficié d'une décennie de croissance quasi garantie grâce aux renouvellements automatiques, entre dans une phase d'incertitude structurelle dont l'issue dépendra largement de sa capacité à intégrer l'IA dans ses propres offres.

💬 Les boîtes n'ont pas encore quitté Salesforce. Mais elles exigent des contrats d'un an au lieu de cinq, histoire de garder une porte de sortie si l'IA finit par faire le boulot du CRM ou du support client à moindre coût. C'est ça, le vrai truc ici : l'IA comme levier de négociation avant même d'être un remplacement.

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.

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.