ERP, CRM, outils métier : là où se gagne la bataille d’une IA fiable et gouvernée

La Chine se lance dans une nouvelle ruée vers l'or de l'IA : les modèles du monde

Le chercheur chinois Hongyuan Lu a terminé son doctorat en intelligence artificielle et ingénierie il y a un an. Il a alors sollicité des investisseurs pour lancer une startup consacrée aux "world models", ces systèmes d'IA capables de comprendre et de simuler le monde physique. À l'époque, les fonds de capital-risque, focalisés sur les applications d'agents IA, n'avaient montré aucun intérêt. Cette année, la situation a radicalement changé. Lu, coauteur de plusieurs travaux académiques sur la façon dont une IA peut appréhender un environnement spatial virtuel, a vu affluer les demandes de contact de venture capitalists sur l'application WeChat. Sa startup FaceMind, basée à Shanghai et Hong Kong, a levé 20 millions de dollars en amorçage cette année, avec parmi ses investisseurs le fonds de capital-risque de Qihoo 360, entreprise chinoise spécialisée en cybersécurité. Ce basculement traduit un déplacement majeur des priorités dans l'écosystème technologique chinois. Après une période où les agents IA capables d'exécuter des tâches numériques concentraient l'essentiel des financements, les investisseurs se tournent désormais vers des systèmes capables de modéliser la réalité physique elle-même, une brique jugée essentielle pour des applications comme la robotique, les véhicules autonomes ou les simulations industrielles. Pour des chercheurs comme Lu, jusque-là ignorés par le marché du capital-risque malgré une expertise académique reconnue, cette évolution ouvre soudainement un accès au financement et à la reconnaissance qui leur faisaient défaut. Cet engouement soudain illustre le fonctionnement propre au secteur du capital-risque chinois, prompt à se rallier en masse autour d'un nouveau terme à la mode dès qu'il semble porteur. Les "world models" s'inscrivent dans une compétition plus large entre laboratoires chinois et occidentaux pour dominer la prochaine génération de technologies d'IA, au-delà des seuls grands modèles de langage. La présence d'un acteur comme Qihoo 360, davantage connu pour la cybersécurité que pour l'IA de pointe, montre aussi que des entreprises technologiques établies cherchent à diversifier leurs paris sur ce terrain émergent, dont les applications concrètes restent encore à démontrer à grande échelle.

💬 Ce qui frappe, c'est la vitesse du retournement : un chercheur snobé par le capital-risque chinois il y a un an lève 20 millions de dollars aujourd'hui, sans que la techno ait fondamentalement changé entre-temps. Quand une boîte de cybersécurité comme Qihoo 360 se met à parier sur les world models, c'est le signe que le mot est devenu plus vendeur que la démo qui va avec. Reste à voir si ça tient en prod, parce que la robotique et les véhicules autonomes attendent encore leurs preuves d'usage à grande échelle.

Meta lance une offensive commerciale pour accélérer l'adoption de ses outils IA en entreprise

Meta Platforms a annoncé le lancement d'une nouvelle unité interne baptisée Enterprise Solutions, destinée à accélérer l'adoption de ses outils d'intelligence artificielle auprès des grandes entreprises. Selon un mémo interne signé par la directrice générale senior Naomi Gleit, cette organisation regroupera trois types de profils : des chefs de produit chargés de piloter les engagements clients, des ingénieurs data qui préparent les données des clients pour les intégrer dans les systèmes d'IA de Meta, et des ingénieurs logiciels qui connectent directement les outils Meta aux infrastructures opérationnelles des entreprises. Ce positionnement marque un tournant stratégique pour Meta, qui cherche à monétiser ses technologies d'IA au-delà de ses plateformes publicitaires. En plaçant ses propres ingénieurs et chefs de produit directement au sein des équipes de ses clients, l'entreprise mise sur une personnalisation poussée pour convaincre les directions informatiques et les grands comptes de faire confiance à ses solutions. C'est un modèle de vente à haute valeur ajoutée, qui cible clairement les budgets technologiques des entreprises du Fortune 500. Meta suit ainsi une tendance déjà bien établie dans le secteur : Google, Palantir et d'autres acteurs ont popularisé le concept d'ingénieurs déployés en avant-poste, ou "forward-deployed engineers", directement intégrés chez les clients pour adapter les solutions IA à leurs besoins spécifiques. Dans un marché de l'IA d'entreprise de plus en plus disputé, cette approche permet de créer des dépendances techniques profondes et de verrouiller la relation client sur le long terme, au moment où Microsoft, Google et Amazon s'affrontent également pour capter ces contrats.

Mistral ouvre la voie à une IA souveraine en Europe

Mistral AI s'impose comme l'alternative européenne aux géants américains de l'intelligence artificielle, en proposant une pile technologique souveraine qui répond aux exigences croissantes des directions informatiques en matière d'indépendance numérique. La startup française, fondée en 2023, combine des modèles frontier à poids ouverts avec des investissements massifs dans les infrastructures de centres de données pour construire une offre crédible face aux OpenAI, Google et Microsoft. L'enjeu est stratégique pour l'Europe : dépendre exclusivement de modèles propriétaires américains expose les entreprises et les États à des risques juridiques (transferts de données hors UE), des risques de souveraineté (accès aux données sensibles) et une dépendance technologique structurelle. Les DSI et CIO européens cherchent des solutions conformes au RGPD et au AI Act, deux cadres réglementaires que les acteurs locaux comme Mistral peuvent plus naturellement intégrer dans leur architecture. Mistral mise sur plusieurs leviers différenciants : ses modèles à poids ouverts (open-weight), qui peuvent être déployés on-premise ou dans des clouds souverains sans transmettre de données à des serveurs tiers, et sa capacité de calcul propre via des partenariats avec des opérateurs de centres de données européens. Ses modèles de la famille Mistral Large et Le Chat sont positionnés comme des alternatives performantes aux offres de GPT-4 ou Claude, avec des garanties de localisation des données sur le territoire européen. Dans un contexte de tensions géopolitiques croissantes et de questionnements sur la fiabilité des fournisseurs américains, Mistral bénéficie d'un timing favorable. Le soutien de l'Union européenne à une industrie IA locale, combiné aux investissements annoncés dans le cadre du plan AI Gigafactories, pourrait accélérer l'adoption de ces solutions souveraines parmi les grandes entreprises et administrations du continent.

SAP : comment la gouvernance de l'IA en entreprise protège les marges bénéficiaires

Manos Raptopoulos, président mondial du succès client pour l'Europe, l'APAC, le Moyen-Orient et l'Afrique chez SAP, a posé un constat sans appel lors de l'AI & Big Data Expo North America : la distance entre 90 % et 100 % de précision n'est pas une nuance graduelle dans le monde de l'entreprise, c'est une différence existentielle. Les systèmes d'IA dits "agentiques" sont désormais capables de planifier, raisonner, coordonner d'autres agents et exécuter des flux de travail de façon autonome. Mais leur déploiement à grande échelle expose les organisations à des risques opérationnels sévères si leur gouvernance reste au stade de la liste de conformité plutôt que de devenir une contrainte d'ingénierie à part entière. Intégrer des bases de données vectorielles modernes aux architectures relationnelles historiques exige des investissements massifs, et restreindre la boucle d'inférence de l'agent pour éviter les hallucinations dans les chaînes financières ou logistiques fait grimper la latence et les coûts de calcul cloud, modifiant les projections de rentabilité initiales. L'enjeu dépasse la simple fiabilité technique : il touche directement les marges et la responsabilité juridique des entreprises. Raptopoulos identifie trois questions que les conseils d'administration doivent impérativement résoudre avant tout déploiement agentique : qui est responsable en cas d'erreur d'un agent, comment tracer les décisions automatisées pour les audits, et à quel seuil précis l'humain doit reprendre la main. Sans ces réponses, l'expansion incontrôlée des agents risque de reproduire les crises du "shadow IT" de la décennie passée, avec des conséquences potentiellement bien plus graves, car ces systèmes agissent directement sur des données sensibles et influencent des décisions à l'échelle de l'organisation entière. Des données maîtres fragmentées, des systèmes métiers en silos ou des ERP surchargés de personnalisations introduisent une imprévisibilité dangereuse au pire moment : lorsqu'un agent autonome s'appuie sur ces fondations défaillantes pour formuler une recommandation touchant la trésorerie, les relations clients ou la conformité réglementaire, les dégâts opérationnels se propagent instantanément. Ce diagnostic s'inscrit dans un contexte de fragmentation géopolitique croissante. Les mandats de souveraineté des données et les exigences de localisation dans des marchés clés comme New York, Francfort, Riyad ou Singapour complexifient la définition des périmètres de responsabilité. SAP avance que l'intelligence d'entreprise authentique ne peut pas reposer sur des grands modèles de langage entraînés sur du texte générique : elle doit être ancrée dans les données propriétaires de l'entreprise, commandes, factures, dossiers logistiques et données financières incluses. Raptopoulos en fait un mandat de direction générale, non un projet informatique : intégrer un contrôle déterministe au coeur d'une intelligence probabiliste est la condition pour que l'IA agentique devienne un levier de rentabilité plutôt qu'une source de risque systémique.