Aller au contenu principal
BusinessLe Big Data · 2 min de lecture

Palantir : comment transformer l’IA générative en revenus réels (et leçons pour votre entreprise)

Source originale ↗·

Palantir a publié des résultats trimestriels qui ont fait bondir son cours en bourse, avec un chiffre d'affaires de 1,94 milliard de dollars, en croissance de 93 % sur un an, selon les chiffres détaillés par le magazine Barron's début août 2026. Sur le marché commercial américain, la progression atteint 149 % pour s'établir à 764 millions de dollars sur le trimestre, portée par une valeur totale de contrats restants qui dépasse désormais 6,24 milliards de dollars. L'entreprise anticipe pour l'exercice 2026 des revenus commerciaux américains supérieurs à 3,42 milliards de dollars. Cette accélération repose sur les AIP Bootcamps, un format d'ateliers intensifs de un à cinq jours réunissant les équipes techniques et métiers des clients, pendant lesquels la plateforme Artificial Intelligence Platform (AIP) est déployée directement sur les données réelles de l'entreprise pour résoudre un problème opérationnel précis, plutôt que de multiplier les démonstrations abstraites.

Cette performance tranche avec le constat dressé régulièrement par Gartner et McKinsey, qui documentent le taux d'échec massif des projets d'intelligence artificielle générative bloqués au stade du prototype, ce que les analystes appellent le « purgatoire du POC ». En transformant des essais techniques en contrats signés en quelques jours plutôt qu'en mois de cycles de vente B2B, Palantir prouve aux directions informatiques et data qu'une monétisation rapide de l'IA d'entreprise est possible, à condition de changer de méthode. Le fondateur Alex Karp critique par ailleurs ouvertement le modèle de facturation à l'usage pratiqué par les grands laboratoires d'IA, qu'il juge porteur de risques pour la confidentialité des données des entreprises clientes, un argument qui renforce l'attractivité de l'approche intégrée de Palantir auprès de secteurs sensibles comme l'industrie ou la défense.

Le socle technique de cette réussite commerciale tient à un concept que Palantir développe depuis plusieurs années, l'Ontologie, qui relie les modèles de langage aux objets métiers, aux règles de gestion et aux flux de données opérationnels internes, garantissant une gouvernance stricte plutôt qu'un accès brut à des documents déconnectés. Les cas d'usage privilégiés, restructuration de la chaîne d'approvisionnement, maintenance prédictive industrielle ou réduction des coûts opérationnels, ciblent des processus critiques plutôt que des expérimentations superficielles. Cette trajectoire, saluée sur les marchés financiers et relayée notamment par l'analyste Shay Boloor, qui souligne une croissance commerciale américaine sans le moindre ralentissement séquentiel depuis le lancement des Bootcamps, positionne Palantir comme référence pour les éditeurs logiciels cherchant à sortir l'IA générative du stade expérimental vers une rentabilité mesurable.

Cet article vous a été utile ?

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

Comment Fora utilise l’IA pour transformer le métier d’agent de voyage ?
1Le Big Data 

Comment Fora utilise l’IA pour transformer le métier d’agent de voyage ?

La startup new-yorkaise Fora vient de boucler une levée de fonds de 60 millions de dollars, menée par les fonds Forerunner et Tactile Ventures. Cette opération porte sa valorisation à un milliard de dollars, lui conférant le statut de licorne. Fondée en 2021, l'entreprise a permis à ses conseillers en voyages de générer plus de 3 milliards de dollars de réservations cumulées depuis sa création. La plateforme fonctionne sur un modèle hybride : elle donne à des milliers de conseillers indépendants les moyens de créer leur propre activité, en leur fournissant les outils nécessaires pour gérer clients, réservations et opérations quotidiennes. Parmi ces outils figure Via, un assistant IA intégré que Fora prévoit justement de développer grâce à une partie importante de ce nouveau financement. Via peut rechercher des destinations, comparer les offres des fournisseurs, préparer des itinéraires personnalisés et rédiger des propositions commerciales. Selon les chiffres communiqués par l'entreprise, environ 15 000 conseillers sont actuellement actifs sur la plateforme, dont 97 % ont rejoint le secteur récemment, souvent après une première carrière dans un tout autre domaine. Cette levée de fonds illustre un choix stratégique qui tranche avec la tendance dominante du secteur : plutôt que d'automatiser entièrement le parcours client comme le font de nombreuses agences de voyages en ligne, Fora mise sur l'IA comme un outil d'augmentation plutôt que de remplacement. Concrètement, Via ne dialogue jamais directement avec les voyageurs à la place des conseillers, il se contente d'absorber les tâches administratives chronophages pour libérer du temps humain. Pour les conseillers, cela signifie pouvoir consacrer davantage d'heures au conseil personnalisé et au développement de leur clientèle, deux activités jugées difficilement automatisables. Pour l'industrie du voyage dans son ensemble, ce pari valide une approche où la confiance des investisseurs se porte sur des modèles combinant technologie et expertise humaine plutôt que sur une automatisation intégrale. Ce choix s'inscrit dans un débat plus large sur la manière dont l'IA générative transforme les métiers de service. Selon des analyses publiées par McKinsey et Accenture, les gains de productivité les plus rapides et les plus durables proviennent souvent de cette logique d'« augmentation », où l'humain garde la main sur les décisions à forte valeur ajoutée. Evan Frank, cofondateur de Fora, défend d'ailleurs l'idée que l'intelligence artificielle renforce la valeur de qualités difficiles à reproduire, comme l'expertise, le goût ou la compréhension fine des attentes d'un client. Reste à savoir si ce modèle hybride résistera à la pression concurrentielle des géants du voyage en ligne, qui misent eux sur une automatisation plus poussée, et si l'afflux de nouveaux conseillers venus d'autres secteurs confirmera la viabilité à long terme de cette approche entrepreneuriale assistée par l'IA.

BusinessActu
1 source
Palantir et Zeta Global veulent unifier les données et l’IA pour transformer le marketing
2Le Big Data 

Palantir et Zeta Global veulent unifier les données et l’IA pour transformer le marketing

Palantir Technologies et Zeta Global ont annoncé le 23 juin 2026 un partenariat stratégique visant à fusionner données d'entreprise et intelligence marketing au sein d'une infrastructure commune. Le projet central consiste à reconstruire le Data Cloud de Zeta sur Foundry, la plateforme de gestion et de gouvernance des données de Palantir, déjà adoptée par de grandes organisations dans les secteurs de la défense, de l'industrie et des services publics. Athena, le moteur d'IA décisionnelle de Zeta, sera intégré à cette nouvelle architecture pour permettre aux entreprises de piloter leurs campagnes marketing en temps réel, à partir de données unifiées et gouvernées selon les standards de sécurité propres à Palantir. L'enjeu concret est de résoudre un problème structurel que rencontrent la plupart des grandes entreprises : les données clients captées par les équipes marketing restent cloisonnées, séparées des flux opérationnels issus de la production, de la logistique, des ventes ou du service client. En connectant ces univers sur une plateforme unique, Palantir et Zeta promettent une vision consolidée de l'activité et des cycles de décision beaucoup plus courts. Pour les directions marketing, cela signifie passer d'une analyse rétrospective à une exécution pilotée en temps réel par l'IA, Athena étant conçue pour identifier des opportunités, recommander des actions et déclencher des campagnes à partir des signaux remontés par l'ensemble des systèmes de l'entreprise. Ce partenariat s'inscrit dans la montée en puissance du marketing dit agentique, où les systèmes d'IA ne se contentent plus d'analyser mais participent activement à la décision et à l'exécution. Pour Palantir, l'opération marque une percée significative dans le secteur du marketing commercial, un domaine historiquement secondaire dans son portefeuille dominé par les contrats gouvernementaux et industriels. Pour Zeta, s'adosser à l'infrastructure Foundry lui confère une crédibilité auprès d'entreprises exigeantes en matière de conformité et de sécurité des données. La convergence entre données opérationnelles et données marketing, longtemps jugée techniquement trop complexe, devient désormais l'axe de différenciation que les deux acteurs cherchent à imposer comme nouveau standard dans l'industrie.

UEPalantir étant déjà implanté auprès d'institutions et d'entreprises européennes via Foundry, ce partenariat pourrait à terme être accessible aux équipes marketing en Europe, mais Zeta Global reste quasi absente du marché européen.

BusinessActu
1 source
L'IA générative rapide et fiable, pas sa capacité, freine son adoption en entreprise, selon le directeur AGI d'Amazon (VB Transform 2026)
3VentureBeat AI 

L'IA générative rapide et fiable, pas sa capacité, freine son adoption en entreprise, selon le directeur AGI d'Amazon (VB Transform 2026)

Lors de VB Transform 2026, mardi, Bryan Silverthorn, directeur de l'autonomie AGI chez Amazon, arrivé dans l'entreprise via son rachat d'Adept AI et qui dirige aujourd'hui l'entraînement des agents multimodaux au sein du laboratoire AGI du groupe, a expliqué pourquoi les agents IA peinent à passer du pilote à la production. Selon des données de Cisco, 85 % des entreprises testent des agents IA mais seulement 5 % les ont réellement déployés en production. Silverthorn propose de décomposer la fiabilité en quatre dimensions distinctes, à savoir la cohérence, la robustesse, la prévisibilité et la sécurité, un cadre qu'il attribue à des recherches menées à Princeton. Il illustre le problème avec l'exemple d'un client ayant déployé un agent chargé d'extraire des numéros de série depuis des écrans dans le cadre de tests logiciels : l'agent a fonctionné parfaitement pendant deux mois avant de commencer à lire des chiffres erronés par intermittence, un défaut causé par un encodeur visuel réagissant différemment selon la position du numéro à l'écran, déclenché par une modification logicielle imperceptible pour un humain. Une étude interne de VentureBeat, présentée avant la session, confirme ce constat : la moitié des entreprises interrogées ont déployé des agents ayant réussi leurs évaluations internes mais ayant échoué face aux vrais clients, la plupart des sociétés surveillant la disponibilité de leurs agents sans jamais vérifier leur exactitude. Ce décalage entre évaluation et réalité a des conséquences concrètes pour l'ensemble de l'industrie de l'IA d'entreprise. Il révèle que la plupart des sociétés se contentent des évaluations fournies par les éditeurs de modèles, sans dispositif de contrôle supplémentaire, ce qui revient, selon Silverthorn, à un pari entre faire confiance au fournisseur ou ne faire confiance à rien. Pour les entreprises bloquées dans cette phase de pilotes sans déploiement réel, le message est clair : améliorer les modèles ne suffit pas, il faut aligner la rigueur des mesures sur les enjeux réels de chaque application. Chez Amazon, cette philosophie s'incarne dans une culture interne où les chercheurs surnomment leurs agents des "stagiaires", capables de prouesses impressionnantes comme de dérapages spectaculaires, nécessitant des compétences de management plutôt que de simple ingénierie logicielle : anticiper les erreurs possibles, prévoir des systèmes de secours et des options d'annulation, et accepter consciemment un certain niveau de risque. Le laboratoire d'Amazon assume ce compromis, tolérant qu'un agent lance parfois la mauvaise expérience en échange d'une vitesse de recherche accrue, un agent menant même des expériences en continu selon son propre plan de recherche. Silverthorn reste prudent sur l'auto-amélioration des IA, qu'il juge encore lointaine, tandis qu'un client du transport routier utilise déjà l'automatisation de navigateur pour unifier des réclamations de garantie éparpillées entre plusieurs systèmes, les futurs agents devant combiner cet usage avec des API et d'autres outils plutôt que s'y limiter.

BusinessOpinion
1 source
Marketing d’entreprise : passer à l’AI-native, le vrai levier de transformation en 2026
4Le Big Data 

Marketing d’entreprise : passer à l’AI-native, le vrai levier de transformation en 2026

En 2026, l'intelligence artificielle est présente dans la quasi-totalité des grandes directions marketing, mais les résultats concrets restent souvent décevants. Une analyse publiée par le Forbes Business Development Council pointe un paradoxe central : malgré la multiplication des outils et des initiatives, peu d'entreprises constatent une amélioration durable et significative de leurs performances commerciales. La raison est structurelle : l'IA est utilisée comme accélérateur de tâches existantes, rédaction plus rapide, automatisation partielle, analyse de données facilitée, mais le modèle opérationnel, lui, reste inchangé. Les campagnes continuent d'être planifiées selon des cycles rigides, les budgets définis en amont, les résultats évalués après coup. L'IA s'ajoute en couche technologique sans remettre en cause les logiques historiques, produisant une optimisation marginale plutôt qu'une transformation réelle. Ce qui distingue les entreprises qui tirent véritablement profit de l'IA, c'est leur capacité à reconstruire entièrement leur fonction marketing autour d'un système qui apprend et s'adapte en continu. L'IA modifie l'équation fondamentale du marketing : analyser, produire, tester, optimiser, un cycle autrefois freiné par des délais longs et des budgets contraints, devient possible en temps réel. Les données ne sont plus des instantanés ponctuels mais des signaux continus ; les contenus ne sont plus figés mais générés et ajustés en permanence ; les tests ne sont plus exceptionnels mais intégrés au fonctionnement quotidien. L'IA générative permet notamment de produire à grande échelle des variantes de contenus adaptées à des segments précis, voire à des individus. Le rôle du marketing évolue : il ne s'agit plus de concevoir des campagnes, mais de piloter un système dynamique d'apprentissage où chaque action alimente la suivante, créant un effet cumulatif sur les performances. La transition vers ce modèle "AI-native" suit généralement une progression en quatre phases : assistance (l'IA améliore la productivité, les décisions restent humaines), automatisation (certaines tâches sont déléguées à des systèmes), augmentation (génération de contenu, expérimentation et optimisation fonctionnent déjà en boucle), puis autonomie (le marketing devient un système qui s'auto-optimise en temps réel, avec une intervention humaine centrée sur la supervision stratégique). Ce passage d'un stade à l'autre ne relève pas d'un simple déploiement technologique : il implique de revoir les infrastructures de données, les modèles de gouvernance et les indicateurs de performance. Un projet pilote réussi ne suffit pas à transformer une organisation. L'enjeu pour les directions marketing en 2026 est donc moins d'adopter de nouveaux outils que de repenser leur architecture opérationnelle pour rendre l'apprentissage continu structurel, et non anecdotique.

BusinessOpinion
1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription en un clic