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

Évaluations : le nouveau document de référence des produits IA, selon la responsable IA d'Expedia à VB Transform 2026

Xavi Amatriain, premier directeur de l'IA et des données d'Expedia Group, a affirmé la semaine dernière lors de VB Transform 2026 à Menlo Park que "les nouveaux cahiers des charges, ce sont les evals". Selon lui, les équipes doivent désormais coder ce qu'elles attendent d'un produit directement dans les évaluations, incluant des tests de red teaming et des exigences de sécurité, avant même d'écrire la moindre ligne de code. Amatriain a rejoint Expedia en décembre 2025 après avoir occupé le poste de vice-président IA et Compute Enablement chez Google, où il a travaillé sur les plateformes derrière Gemini et Google Search ; il a aussi mentoré des personnes qui ont fondé Perplexity et Scale AI. Une étude VB Pulse de VentureBeat, menée auprès de 157 entreprises, montre que 66% d'entre elles autorisent déjà un déploiement en production sans revue humaine ou prévoient de le faire dans les douze prochains mois, alors que seulement 5% font pleinement confiance aux évaluations automatisées censées justifier cette décision. La moitié des entreprises interrogées a déjà mis en production un agent ayant réussi ses tests internes avant d'échouer face à un client réel. Cette tension entre rapidité de déploiement et fiabilité réelle des tests est au cœur du débat sur la gouvernance de l'IA en entreprise. Amatriain estime que les garde-fous excessifs nuisent à la boucle de rétroaction : trop de règles biaisent le comportement des utilisateurs et faussent l'apprentissage du système, ce qui rend les garde-fous un "mal nécessaire" dont l'impact doit être minimisé avec le temps. D'autres intervenants de la conférence ont contesté cette position, jugeant que les actions à haut risque exigent au contraire des barrières strictes. Ce désaccord illustre un enjeu très concret pour l'industrie : comment accélérer le déploiement d'agents autonomes sans exposer les utilisateurs à des défaillances coûteuses, alors même que la confiance dans les outils d'évaluation reste faible. Chez Expedia, la gouvernance repose sur trois couches : des principes de haut niveau diffusés largement dans l'organisation, des processus et outils qui leur donnent une portée concrète, puis une automatisation qui s'appuie sur les deux premières. Concrètement, l'entreprise a mis en place des "toll gates" de mise en production, des points de contrôle calibrés selon le niveau de risque de chaque agent, où les évaluations, le red teaming et les revues de sécurité passent de recommandés à obligatoires à mesure que les enjeux augmentent. Amatriain a également rejeté l'idée d'une intelligence artificielle générale unifiée, préférant une architecture composée d'agents spécialisés : des outils assemblés en compétences, des compétences regroupées en sous-agents, eux-mêmes orchestrés en un système agentique complet, conçu autour de principes communs de ton, de contexte et de mémoire.

Cohere : la souveraineté de l'IA en entreprise exige le contrôle de toute la pile agentique, selon sa VP à VB Transform 2026

Je vais rédiger l'article en français selon les consignes (3 paragraphes, sans titres, sans tirets cadratins). Lors de VB Transform 2026, la conférence phare consacrée aux agents d'intelligence artificielle générative dans l'entreprise, qui s'est tenue cette semaine à l'Hôtel Nia de Menlo Park devant des centaines de dirigeants et experts techniques, Rachad Alao, vice-président de l'ingénierie produit chez la startup canadienne Cohere, a détaillé sa vision de la souveraineté de l'IA en entreprise lors d'un entretien avec Matt Marshall, PDG et rédacteur en chef de VentureBeat. Alao, qui a auparavant dirigé les équipes d'IA responsable et de sécurité chez Google et Meta, a expliqué que la souveraineté ne se limite pas à télécharger un modèle ouvert ou à faire tourner une application derrière un pare-feu d'entreprise. Pour des organisations gérant des systèmes critiques comme les banques, les hôpitaux ou les administrations, il faut selon lui un contrôle total sur la localisation des données, sur les juridictions concernées, mais aussi sur l'ensemble de la chaîne technique : GPU, cloud privé, systèmes de gouvernance, connecteurs et outils de recherche utilisés par les agents. Interrogé sur la baisse rapide des prix de l'inférence, qui pourrait affaiblir l'argument en faveur de modèles plus petits et optimisés, Alao a répondu que la consommation totale de tokens augmente encore plus vite, à mesure que les entreprises passent de simples chatbots à des agents capables de raisonner, d'appeler des outils et d'enchaîner plusieurs étapes avant de répondre. Il a aussi opposé le modèle économique de Cohere, qui ne facture pas ses clients au token consommé, à celui de fournisseurs dont l'intérêt est de maximiser cette consommation. Sa recommandation est de router chaque tâche vers le modèle adapté selon le niveau d'intelligence requis et la sensibilité des données, une approche qu'applique déjà une banque canadienne non nommée utilisant les modèles on-premises de Cohere pour les tâches réglementées et sa plateforme North pour des besoins plus complexes mais moins sensibles. Cette stratégie s'appuie sur les récents modèles de Cohere, dont North Mini Code, sorti le mois dernier, un modèle open source dédié à la programmation agentique qui fonctionne sur un seul GPU Nvidia H100 et se révèle, selon Alao, plus efficace et moins coûteux que les modèles propriétaires pour 80% des cas d'usage des développeurs, même si les plus grands modèles frontières gardent un léger avantage sur les tâches les plus difficiles. Cohere a également lancé Command A+, un modèle à mélange d'experts de 218 milliards de paramètres dont seulement 25 milliards sont actifs à chaque étape de génération, avec une version compressée en quatre bits qui réduit encore les besoins matériels. Ces annonces s'inscrivent dans une compétition plus large entre fournisseurs d'IA d'entreprise, où la maîtrise de l'ensemble de la pile technologique devient un argument commercial face aux géants du secteur.

L'IA tient-elle ses promesses ? Transformer l'élan vers l'IA en valeur mesurable

Les grandes entreprises traversent aujourd'hui ce que Brian Gracely, directeur de la stratégie de portefeuille chez Red Hat, appelle le moment "Day 2" de l'intelligence artificielle : la phase où les pilotes cèdent la place à la production, et où les questions de coût, de gouvernance et de rentabilité deviennent plus complexes que la construction des systèmes eux-mêmes. Lors d'une session de l'AI Impact Tour de VentureBeat, Gracely a illustré cette réalité avec un exemple frappant : des clients qui détiennent 50 000 licences de Microsoft Copilot sans savoir précisément ce que leurs employés en tirent, tout en payant pour ce qu'il décrit comme "le calcul informatique le plus cher du monde, parce que ce sont des GPU". Après deux ou trois cycles budgétaires consacrés à l'IA générative, les directions d'entreprise ne demandent plus "peut-on construire quelque chose ?" mais "obtenons-nous ce pour quoi nous payons ?" Le problème central n'est pas seulement le coût brut de l'infrastructure GPU : c'est l'absence d'instrumentation permettant de relier les dépenses aux résultats concrets, rendant quasi impossible la justification des renouvellements de contrats à grande échelle. Cette prise de conscience provoque un changement stratégique profond dans la manière dont les entreprises envisagent leur rapport à l'IA. Le modèle dominant des deux dernières années, payer un fournisseur au token, au siège ou à l'appel API en lui déléguant toute l'infrastructure, est de plus en plus remis en question. Gracely résume cette évolution : plutôt que d'être purement "consommateur de tokens", certaines organisations cherchent à devenir "productrices de tokens", en évaluant quels usages justifient de posséder ou louer directement des GPU, et si les cas d'usage nécessitent vraiment les modèles les plus avancés ou si des modèles ouverts plus légers suffisent. Cette décision n'est pas binaire : elle dépend de la tolérance au risque, de la nature des charges de travail et de la maturité de chaque organisation. Le paradoxe auquel font face les responsables financiers est bien réel. Le PDG d'Anthropic, Dario Amodei, a estimé que les coûts d'inférence chutent d'environ 60 % par an, et l'émergence de modèles open source comme DeepSeek a considérablement élargi les alternatives stratégiques disponibles. Pourtant, la baisse du coût unitaire ne se traduit pas par une réduction des factures totales : l'usage s'accélère à un rythme qui compense largement les gains d'efficacité. C'est une manifestation du paradoxe de Jevons, principe économique selon lequel l'amélioration de l'efficacité d'une ressource tend à augmenter sa consommation globale plutôt qu'à la réduire. Une entreprise qui triple son utilisation de l'IA pendant que les coûts diminuent de moitié dépense encore davantage qu'avant. Pour les décideurs, cela signifie que la maturité de l'IA en entreprise passe désormais par une discipline opérationnelle rigoureuse, et non plus par l'enthousiasme des premières expérimentations.

Intuit a abandonné deux fois en quatre mois sa propre architecture d'agents IA : lors de VB Transform 2026, sa VP IA a présenté cela comme la voie rapide

Voici l'article traduit et résumé : Intuit a reconstruit deux fois en quatre mois l'architecture de ses agents d'intelligence artificielle, selon Nhung Ho, vice-présidente IA de l'entreprise, qui s'est exprimée lors de la conférence VB Transform 2026. La société est d'abord passée d'une flotte d'agents spécialisés à une couche d'orchestration centrale, avant d'abandonner ce système au profit d'une architecture basée sur des compétences et des outils partagés. Ce second chantier a duré 60 jours, avec une première version fonctionnelle livrée en moins de 20 jours. La cause de cet échec était précise : dans le système orchestré, les agents se transmettaient leurs résultats en langage naturel, et chaque transfert faisait perdre du contexte nécessaire à l'agent suivant. Comme l'a expliqué Ho, avec dix agents qui se relaient l'information, chaque passage de main amplifie les erreurs. La couche d'orchestration avait tenu environ trois mois, une durée que Ho qualifie en plaisantant d'équivalent d'une année compte tenu du rythme effréné de l'évolution des agents IA en 2026. Cette double refonte illustre un problème structurel majeur pour les entreprises qui déploient des systèmes multi-agents en production : la communication en langage naturel entre agents dégrade la fiabilité de façon cumulative plutôt qu'occasionnelle. Pour convaincre sa direction d'abandonner un système récemment construit, l'équipe de Ho a présenté une démonstration comparative utilisant de vraies requêtes clients issues de la production, montrant la supériorité de la nouvelle architecture. Convaincre les centaines d'ingénieurs qui avaient développé les agents spécialisés à démanteler leur travail en compétences et outils individuels a nécessité un argument différent : un agent autonome ne résout qu'un problème isolé, tandis qu'une compétence partagée profite à tous les clients concernés. Ce changement a aussi transformé le rôle des équipes partenaires, désormais chargées d'exécuter des évaluations plutôt que de construire des agents, ces évaluations devenant le seul moyen fiable de mesurer la performance du nouveau système. La conséquence la plus visible de cette refonte pour les clients est une fonctionnalité permettant, en pleine conversation avec un agent, de faire intervenir un humain avec tout le contexte déjà accumulé, que ce soit un conseiller support Intuit, un comptable personnel ou un teneur de livres de l'entreprise. Cette fonction reste en phase de test précoce, limitée à environ 1% de la clientèle d'Intuit, avant une montée en puissance prévue dans les prochaines semaines. Ho oppose cette approche à celle de la plupart des assistants IA généralistes, qui se contentent généralement de renvoyer l'utilisateur vers un professionnel en cas de question fiscale complexe, sans transition fluide ni transfert de contexte. Ce cas illustre une tendance plus large dans l'industrie : après une première vague d'enthousiasme pour les agents autonomes multiples, les entreprises technologiques réévaluent leurs architectures au profit de systèmes plus simples et plus robustes, où la supervision humaine reste intégrée au processus plutôt que reléguée à une simple mise en garde.

💬 Ce qui les a fait replonger deux fois de suite, c'est le langage naturel entre agents qui perd du contexte à chaque relais. Dix agents qui se refilent l'info en texte libre, ça amplifie l'erreur à chaque passage, pas de mystère. Ce que je retiens surtout, c'est le retour en force de l'humain dans la boucle avec tout le contexte gardé : après la vague "full autonome", tout le monde redécouvre que la supervision, c'est pas un aveu d'échec, c'est l'architecture qui marche.