L'IA bouleverse le développement logiciel : +170 % de productivité avec 20 % d'effectifs en moins

L'Oréal, Mondelez et Nestlé utilisent l'IA pour accélérer le développement de produits

L'Oréal utilise l'intelligence artificielle depuis quatre ans dans ses laboratoires pour accélérer le développement de ses produits cosmétiques, selon les déclarations de Fabrice Megarbane, président de la division produits grand public du groupe, rapportées par Reuters. La technologie permet aux équipes de prédire comment certaines molécules vont se comporter sur la peau et les cheveux avant même leur intégration dans de nouvelles formules, réduisant ainsi le nombre d'essais nécessaires en laboratoire. Un exemple marquant illustre cette approche: des molécules auparavant utilisées dans des soins pour la peau ont été réaffectées pour créer un shampoing à base de collagène destiné à donner du volume et de la tenue aux cheveux. Selon L'Oréal, cette méthode de formulation prédictive a permis de multiplier par quatre la vitesse de développement des produits. Le groupe traverse par ailleurs sa croissance des ventes la plus faible depuis plusieurs années, ce qui a poussé son directeur général Nicolas Hieronimus à lancer l'an dernier un "plan de relance beauté" pour dynamiser les lancements de nouveaux produits. Cette accélération via l'IA répond à un enjeu commercial direct: pouvoir suivre l'évolution rapide des goûts des consommateurs dans un secteur où les tendances beauté changent vite. En réduisant le nombre de variables à tester physiquement, L'Oréal peut multiplier les combinaisons de molécules explorées et donc les chances de trouver des formules performantes, tout en maîtrisant les coûts de recherche et développement. Cette approche n'est pas isolée: plusieurs géants de l'agroalimentaire suivent une logique similaire. Chez Mondelez, propriétaire de marques comme Cadbury, Toblerone, Oreo et Chips Ahoy, un outil d'IA génère des idées de recettes, y compris des combinaisons inhabituelles, avant leur validation par des experts humains. Selon Filippo Catalano, directeur informatique et numérique du groupe, 60% des recettes de biscuits produites grâce à cet outil affichent de meilleures performances en matière de nutrition, de durabilité et de coût. L'outil a notamment contribué au développement des biscuits Oreo dorés sans gluten et à une nouvelle version des Chips Ahoy, tout en aidant l'entreprise à limiter sa dépendance à des fournisseurs uniques en identifiant des alternatives d'ingrédients. Cette vague d'adoption de l'IA dans l'industrie des biens de consommation s'inscrit aussi dans un contexte réglementaire mouvant, notamment sur la reformulation des produits alimentaires. Nestlé prévoit ainsi de supprimer les colorants artificiels de l'ensemble de ses produits dans le monde d'ici fin 2026, après l'avoir déjà fait pour son portefeuille américain. Selon Stefan Palzer, directeur technique du groupe, ce travail nécessite de cribler des alternatives naturelles, de les tester en conditions de production réelles et d'évaluer leur durée de conservation. Cette démarche fait écho aux objectifs de la Food and Drug Administration américaine, qui collabore avec fabricants, distributeurs et associations professionnelles pour éliminer six colorants certifiés d'ici fin 2027, dans le sillage des engagements pris par l'industrie pour bannir les colorants alimentaires à base de pétrole. D'autres acteurs comme Haleon explorent également l'IA pour leurs formulations, tandis que Barry Callebaut s'est associé à la start-up NotCo pour développer des recettes de chocolat à base d'alternatives végétales, confirmant que l'IA générative s'impose désormais comme un outil central de recherche et développement dans l'industrie des biens de consommation.

L'écart d'évaluation des agents : les organisations d'IA en entreprise ont un problème d'alignement avec la réalité, pas de couverture, et déploient quand même en production

Cent cinquante-sept entreprises ont participé à cette enquête menée par VentureBeat en juin 2026 dans le cadre de sa série Pulse Research, consacrée à la manière dont les organisations évaluent la fiabilité de leurs agents IA. Le constat central est frappant: la moitié des entreprises interrogées ont déployé, au cours de l'année écoulée, un agent ou une fonctionnalité basée sur un LLM qui avait pourtant réussi ses tests internes avant de provoquer un incident visible par les clients, et un quart d'entre elles ont connu ce type de défaillance plus d'une fois. Seules 5% des organisations disent faire pleinement confiance à leurs méthodes d'évaluation automatisée, la faiblesse la plus souvent citée (29%) étant le décalage entre les résultats des tests et les performances réelles en production. Malgré cela, 66% des entreprises autorisent déjà un déploiement entièrement automatisé, sans supervision humaine, pour les agents jugés à faible risque (34%), ou construisent activement leurs systèmes pour y parvenir dans les douze prochains mois (33%). L'échantillon, composé à 38% de décideurs finaux et 34% de personnes influentes dans les achats technologiques, provient majoritairement d'entreprises de taille moyenne, entre 100 et 2500 salariés, avec le secteur technologique en tête (23%), suivi du commerce de détail (15%) et de la santé (12%). Ce décalage entre l'autonomie accordée aux agents et la confiance réelle dans les outils censés la contrôler pose un problème concret pour les entreprises qui accélèrent l'adoption de l'IA agentique. Si un agent passe ses tests puis échoue devant un client, c'est la réputation de l'entreprise, sa relation commerciale et potentiellement sa conformité réglementaire qui sont en jeu. Le fait que les organisations avancent malgré tout vers plus d'automatisation, avec moins de supervision humaine, signifie qu'elles acceptent un risque opérationnel croissant sans disposer des garde-fous adéquats. Pour les équipes techniques, cela traduit une pression du marché à déployer vite, quitte à improviser la gouvernance des risques après coup plutôt qu'avant. Ce phénomène s'explique en partie par l'immaturité des outils d'évaluation disponibles: l'étude montre que les outils natifs fournis par les fournisseurs de modèles arrivent à égalité avec l'absence totale d'outillage dédié comme solution la plus répandue (17% chacun), et seulement un quart des entreprises effectuent des contrôles qualité en temps réel sur leur trafic de production réel. L'écosystème des plateformes de fiabilité et d'évaluation des agents reste donc fragmenté, ce qui alimente un cercle vicieux: plus les entreprises automatisent leurs déploiements, plus elles auraient besoin d'évaluations robustes, alors que ces dernières peinent justement à suivre le rythme de l'adoption. Les auteurs de l'étude soulignent que l'échantillon, bien que suffisamment large pour dégager des tendances, reste auto-sélectionné et penché vers le marché intermédiaire, ce qui invite à lire ces résultats comme un signal directionnel plutôt qu'une mesure précise de l'ensemble du marché.

La stratégie IA de MassMutual : contrats de 12 mois, 30 % de gains de productivité, zéro dépendance

MassMutual, l'un des plus grands assureurs américains, a repensé en profondeur sa stratégie d'adoption de l'intelligence artificielle en imposant une règle simple mais radicale : aucun contrat avec un fournisseur d'IA ne dépasse douze mois. Sears Merritt, directeur des systèmes d'information de MassMutual, a détaillé cette approche lors du podcast VB Beyond the Pilot, en soulignant que l'objectif est de préserver la capacité à changer de modèle à mesure que le marché évolue. Les résultats concrets sont déjà mesurables : la productivité des développeurs a augmenté d'environ 30 %, et les workflows du centre de contact client, refondus grâce à l'IA, ont vu les temps de résolution passer de dix minutes à une minute, tandis que les coûts associés sont passés de plusieurs dollars à quelques centimes par interaction. Cette architecture de la flexibilité a des implications majeures pour les directions informatiques des grandes entreprises. En évitant de s'engager sur le long terme avec un seul fournisseur, MassMutual se donne la liberté d'adopter les meilleurs outils disponibles à chaque étape, qu'il s'agisse de modèles propriétaires de pointe ou de solutions open source, que Merritt considère comme centrales dans l'évolution future de l'IA en entreprise. Chaque projet est conditionné à des critères de succès définis en amont, et non à de simples métriques d'adoption, ce qui permet de décider objectivement de passer à l'échelle ou d'abandonner une expérimentation. L'entreprise collecte également des données granulaires sur les usages, les performances des modèles et les coûts, avec l'objectif à terme d'acheminer automatiquement chaque tâche vers le modèle le plus adapté selon sa complexité et son coût. Ce positionnement s'inscrit dans un contexte où les grandes entreprises peinent à transformer leurs pilotes IA en déploiements industriels pérennes. MassMutual illustre une voie alternative : investir d'abord dans une infrastructure agnostique vis-à-vis des fournisseurs, encourager l'expérimentation interne large en donnant accès à une gamme de modèles, et accepter de payer plus cher pour un modèle plus lent quand la qualité des réponses le justifie. Pour arbitrer ces choix, l'entreprise utilise un cadre appelé "trust score", qui croise les retours des utilisateurs avec des métriques opérationnelles pour évaluer si une réponse générée par l'IA améliore réellement les résultats. À l'heure où OpenAI, Anthropic, Google et les modèles open source comme ceux de Meta se livrent une concurrence intense, MassMutual parie que la valeur durable réside moins dans le choix du bon modèle aujourd'hui que dans la capacité à en changer demain.

Mendo lève 12 millions d’euros pour accélérer le déploiement de l’IA en Europe

La startup parisienne Mendo a bouclé le 11 juin 2026 un tour de table de série A d'un montant de 12 millions d'euros, mené par les fonds Ventech et Educapital, avec la participation de Tomcat et OVNI. L'entreprise, qui compte aujourd'hui une cinquantaine de collaborateurs, prévoit de doubler ses effectifs pour atteindre une centaine de personnes, avec des recrutements concentrés dans les fonctions produit, ingénierie et développement commercial. Ce financement servira également à enrichir les capacités analytiques de sa plateforme et à accélérer son implantation sur les principaux marchés européens. Mendo se positionne comme une couche d'accompagnement entre les outils d'intelligence artificielle et les utilisateurs finaux au sein des organisations, avec pour mission de transformer les investissements IA en résultats mesurables plutôt qu'en simples expérimentations. L'enjeu que Mendo cherche à adresser est devenu l'un des principaux freins à la transformation numérique des entreprises : le fossé entre le déploiement d'une technologie et son adoption réelle par les équipes. Selon les données avancées par la startup, ses approches permettraient d'atteindre des taux d'adoption jusqu'à six fois supérieurs à ceux obtenus par des méthodes traditionnelles. Dans un contexte où les investissements mondiaux dans l'IA atteignent des niveaux records, une majorité d'entreprises restent bloquées au stade des projets pilotes, incapables de passer à l'échelle. La plateforme de Mendo aide les organisations à identifier les cas d'usage à fort impact, à adapter leurs processus internes et à mesurer concrètement les gains obtenus, ce qui répond à une demande croissante des directions générales qui veulent justifier leurs budgets IA devant leurs actionnaires. La levée intervient dans un marché en pleine recomposition, accélérée par l'émergence de l'IA agentique : ces systèmes capables d'orchestrer des tâches complexes et d'interagir simultanément avec plusieurs applications métiers commencent à contraindre les entreprises à repenser en profondeur leurs flux de travail, voire leur structure décisionnelle. Dans ce contexte, le segment de l'adoption et de la gestion du changement autour de l'IA devient un marché à part entière, distinct de celui des éditeurs de modèles ou d'outils. Mendo n'est pas seule sur ce créneau en Europe, mais son ancrage parisien et le profil de ses investisseurs la placent dans une bonne position pour capter les grands comptes européens soucieux de conformité et de souveraineté numérique. Les prochains mois diront si la startup parvient à s'imposer comme la référence continentale de l'adoption de l'IA en entreprise avant que des acteurs américains plus capitalisés ne s'emparent du sujet.

💬 Le vrai frein à l'IA en entreprise, c'est pas la technologie, c'est l'adoption. Mendo se glisse exactement là où il fallait quelqu'un, avec les bons investisseurs et un marché européen en demande. Le x6 sur les taux d'adoption, c'est une belle promesse, reste à voir si ça tient hors des cas pilotes.