Les entreprises constatent enfin un retour sur investissement de l'IA, et mesurent le potentiel restant

Le directeur du déploiement d'OpenAI : croissance de Codex, baisse des prix de l'IA et retour sur investissement

Arnaud Fournier, directeur du déploiement chez OpenAI, a accordé une interview à The Decoder dans laquelle il détaille la stratégie de l'entreprise pour intégrer l'IA au coeur des grandes organisations. Il y évoque la croissance explosive de Codex, l'outil de programmation assistée par IA d'OpenAI, et explique qu'OpenAI entend envoyer ses propres ingénieurs directement dans les entreprises clientes pour accélérer et approfondir cette intégration. Fournier souligne également que le prix de l'intelligence artificielle a chuté de façon marquée ces derniers mois. Cette baisse des coûts change la donne pour les directions d'entreprise qui hésitaient à franchir le pas : l'IA générative devient économiquement viable pour un spectre beaucoup plus large d'acteurs. Fournier insiste aussi sur la boucle de rétroaction entre les clients et les équipes de développement d'OpenAI, les retours du terrain alimentant directement l'amélioration des modèles. La question du retour sur investissement, longtemps centrale dans les freins à l'adoption, est précisément ce que cette approche d'accompagnement terrain vise à lever. OpenAI intensifie ainsi sa présence dans le segment entreprise alors que la concurrence s'y densifie, avec Anthropic et ses offres Claude for Work, Google avec Gemini for Business, et Microsoft qui intègre l'IA dans toute sa suite 365. Codex s'impose comme l'un des chevaux de bataille d'OpenAI auprès des équipes techniques, et le modèle de déploiement "ingénieurs embarqués" rappelle les stratégies de grands cabinets de conseil, signalant qu'OpenAI ne veut plus seulement vendre des API mais devenir un partenaire d'intégration à long terme.

💬 Envoyer ses propres ingénieurs chez les clients, c'est le signe qu'OpenAI a compris que vendre une API ne suffit plus. La vraie bataille sur le marché B2B se joue sur l'intégration et le ROI démontré, pas sur les benchmarks, et la chute des prix change vraiment les calculs dans les DSI qui hésitaient. Je retiens surtout ça : OpenAI est en train de devenir un cabinet de conseil déguisé en startup.

L'étude d'Atlassian montre que l'IA doit être adoptée au niveau des équipes, et non individuellement, pour un vrai retour sur investissement

Le Teamwork Lab d'Atlassian, dirigé par la Dr Molly Sands, a présenté lors d'un échange avec Sam Witteveen (VentureBeat) à la conférence VB Transform 2026 des résultats montrant que la plupart des entreprises abordent l'adoption de l'IA à l'envers, en optimisant l'usage individuel plutôt que le travail d'équipe. Le rapport annuel State of Teams d'Atlassian, qui a interrogé 12 000 travailleurs du savoir dans le monde et environ 200 dirigeants d'entreprises du Fortune 1000, révèle un décalage marqué entre l'activité et la valeur créée. Selon Sands, 89% des dirigeants affirment que les individus accélèrent leur travail grâce à l'IA, mais seuls 6% peuvent citer des exemples concrets de retour sur investissement. Environ 14% des équipes ont réussi à transformer cet usage de l'IA en valeur réelle, ce qui signifie qu'une même organisation peut abriter quelques équipes très performantes entourées d'autres qui ne voient aucun bénéfice. Les équipes en tête partagent trois caractéristiques: le contexte, les flux de travail et la culture. Elles construisent ce qu'Atlassian appelle un graphe de contexte, capturant objectifs, décisions et savoirs organisationnels dans des registres numériques partagés via des outils comme Jira et Confluence, plutôt que de laisser ces informations dans la mémoire individuelle. Ce décalage a des conséquences concrètes pour les entreprises qui investissent massivement dans l'IA sans en tirer de bénéfice mesurable. Accélérer des individus qui travaillent dans des directions légèrement différentes les fait rapidement entrer en collision, prévient Sands, d'où l'importance de repenser des processus entiers de bout en bout plutôt que de simplement accélérer des tâches isolées. Les équipes les plus performantes évoluent aussi sous des dirigeants qui encouragent explicitement l'expérimentation, tout en assumant que certains essais échoueront. Ce constat implique un changement d'approche managérial majeur: l'enjeu n'est plus seulement d'équiper les employés d'outils IA, mais de redessiner collectivement la manière dont le travail circule dans l'organisation. Pour accélérer cet apprentissage, les équipes les plus avancées s'imposent volontairement des contraintes, comme découper chaque tâche en la plus petite unité de travail possible (un seul point d'histoire) ou s'engager à ne pas écrire de code à la main pendant une semaine. Ces pratiques ne sont pas soutenables indéfiniment mais permettent d'apprendre très vite, souligne Sands. Un autre obstacle identifié n'est pas la technologie elle-même mais le fait que chaque employé développe seul ses propres prompts, agents et hypothèses, créant une couche de savoir tacite qui ne profite jamais à l'organisation dans son ensemble. Pour y remédier, Atlassian a expérimenté des accords de travail autour de l'IA en début de projet, où les équipes définissent explicitement ce qu'elles utiliseront l'IA pour faire, ce qu'elles éviteront délibérément, quels agents elles partageront et quelles compétences communes maintenir. Les équipes ayant adopté cette pratique ont utilisé l'IA plus intensément, avancé plus vite et produit un travail de meilleure qualité. La leçon plus large, selon Sands, est que l'IA ne crée pas de nouveaux problèmes de management mais rend plus visibles des failles anciennes, comme les hypothèses implicites et les modèles mentaux divergents au sein des équipes, renforçant ainsi l'importance d'un contexte partagé et de règles de fonctionnement explicites.

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 IPO de SpaceX et d'entreprises IA font peser des risques sur l'essor du secteur, selon des investisseurs

Lors d'un événement sur le financement de l'IA organisé par The Information à New York ce lundi, des investisseurs ont mis en garde contre les risques que font peser plusieurs introductions en bourse majeures sur l'ensemble de l'écosystème IA. SpaceX, Anthropic et OpenAI pourraient toutes entrer en bourse au cours de la même année civile, ce qui représenterait, selon Alexa von Tobel, fondatrice et associée gérante d'Inspired Capital, "trois des plus grandes IPO de l'histoire, potentiellement toutes dans le même calendrier". À l'heure où les grandes entreprises tech et IA cherchent à lever des centaines de milliards de dollars en capitaux propres et en dette pour construire des centres de données, la pression sur ces opérations est considérable. Le risque est simple : si ces introductions en bourse déçoivent les marchés, l'enthousiasme général pour l'investissement dans l'IA pourrait se refroidir brutalement. Von Tobel a utilisé l'expression "cold water on reality" pour décrire ce scénario, où de mauvaises performances boursières rendraient les capitaux environnants "plus prudents". Dans un secteur où la confiance des investisseurs alimente directement la construction d'infrastructures massives, un signal négatif sur les marchés publics aurait des répercussions bien au-delà des seules entreprises concernées, affectant potentiellement des dizaines de milliards de dollars de projets de data centers en cours. Ce contexte s'inscrit dans une période d'investissement sans précédent dans l'infrastructure IA : Microsoft, Google, Amazon et Meta ont annoncé des plans d'investissement totalisant plusieurs centaines de milliards de dollars pour 2025 et 2026. OpenAI et Anthropic, encore privées, sont valorisées respectivement à plusieurs centaines de milliards de dollars, et leur entrée en bourse constituerait un test grandeur nature de la confiance du marché public dans la rentabilité future de l'IA générative. La performance de ces IPO servira de baromètre pour toute une génération d'investissements technologiques à venir.