Comment Balyasny Asset Management a créé un moteur de recherche IA pour l'investissement

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

Les entreprises commencent enfin à toucher un vrai retour sur investissement de l'intelligence artificielle, et mesurent désormais l'ampleur de la valeur encore inexploitée. Selon le rapport SAP Value of AI 2026, réalisé avec Oxford Economics auprès de 2 600 dirigeants dans 13 pays, l'IA soutient désormais près d'un tiers des tâches dans l'entreprise moyenne, contre 25% l'an dernier. Les attentes de retour sur investissement pour l'IA agentique ont bondi de 10% à 17% en un an, tandis que le ROI général de l'IA est passé de 16% à 21%, avec une projection à 15,9 millions de dollars sur deux ans. SAP a déjà déployé plus de 400 cas d'usage d'IA dans son portefeuille. Sean Kask, chief AI strategy officer chez SAP, cite l'exemple d'un agent en bêta dédié à la comptabilité d'engagement (accruals accounting) : une tâche qui prenait environ 12 heures par mois à un comptable dans une entreprise de taille moyenne ne demande plus que deux à trois heures. Ces gains restent toutefois très inégalement répartis. Plus de la moitié des organisations investissent encore dans l'IA de façon ponctuelle ou fragmentée, et seulement 17% affichent une approche stratégique et globale de priorisation, un chiffre qui a néanmoins presque doublé par rapport aux 9% de l'an dernier. Cette fragmentation tient souvent à une pression venue du conseil d'administration, qui pousse les équipes à adopter l'IA sans stratégie ni culture suffisante du sujet, ce qui favorise des initiatives isolées et peu coordonnées. Résultat, un paradoxe révélateur : 69% des entreprises se disent satisfaites du ROI de leur IA, preuve que la technologie génère bien de la valeur, mais 67% restent convaincues qu'elle est loin de délivrer tout son potentiel. La qualité des données reste le principal frein identifié, citée par 73% des répondants, et 79% rapportent des reprises de travail, des retards ou des retards de traitement liés à des résultats de mauvaise qualité, au moins occasionnellement. Seulement 3% des organisations s'estiment pleinement prêtes pour l'IA agentique. Ce constat marque un changement de nature du problème par rapport à l'apprentissage profond classique. Les modèles de fondation ont largement supprimé le besoin de rechercher, extraire et nettoyer les données pour entraîner des modèles sur mesure, mais ils font émerger un nouvel enjeu : préserver le contexte métier au moment où les agents doivent enchaîner plusieurs étapes et outils pour atteindre un objectif, à l'image du fonctionnement humain. Se préparer à cette nouvelle génération d'agents suppose donc deux conditions : les connecter à des données riches en contexte, et les gouverner à grande échelle. Sans cela, même les initiatives les plus abouties restent cantonnées à des silos, capables de fonctionner sur un cas d'usage précis mais incapables de transformer un processus métier dans son ensemble.

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.

Au-delà des modèles : où les investisseurs cherchent la prochaine vague de l'IA

Face à la concentration massive des investissements dans les modèles frontières et les infrastructures des hyperscalers, les investisseurs cherchent de nouveaux territoires où l'IA offre encore de la valeur. Dans une table ronde organisée par The Information, Alexa von Tobel, fondatrice du fonds early-stage Inspired Capital, et Alex Baker, associé chez PwC en charge des opérations TMT aux États-Unis, ont identifié les poches où le potentiel reste intact. Parmi les signaux du marché : le mois dernier, la startup Cursor a accordé à SpaceX une option de rachat à 60 milliards de dollars, illustrant à la fois l'appétit pour l'IA applicative et la fragilité croissante des positions différenciantes dans le logiciel vertical. Pour les deux investisseurs, la vraie question n'est plus de savoir si l'IA va transformer les industries, mais où les avantages concurrentiels sont durables. Von Tobel avertit que dans un monde dominé par des géants comme Google ou Microsoft, chacun avec plus d'un milliard d'utilisateurs, il est risqué de construire quelque chose qu'ils pourraient répliquer à moindre effort. Baker, lui, définit la défendabilité par trois critères : l'intégration profonde dans les environnements enterprise, la difficulté à reproduire l'infrastructure technique sous-jacente, et la confiance des clients. Il estime que la différenciation des startups d'IA verticale qui entraînent leurs propres modèles sectoriels s'érode rapidement, et que le vrai rempart se situe désormais dans la couche d'orchestration, plus difficile à reproduire que le modèle lui-même. C'est dans l'IA physique que les deux investisseurs voient le potentiel le plus solide pour les quatre prochaines années. Von Tobel cite BrightAI, une société de son portefeuille qu'elle décrit comme "Cursor pour les travailleurs d'infrastructure" : l'entreprise déploie des capteurs sur des canalisations d'eau, des poteaux téléphoniques et d'autres actifs physiques, collectant des données que personne d'autre ne capte. L'avantage est concret : retirer des centaines de milliers de capteurs collés sur des équipements serait coûteux et laborieux. Baker souligne que cette irréversibilité physique crée des barrières à l'entrée bien plus solides que celles du logiciel. Il cite également la revitalisation de secteurs comme la sécurité physique, caméras, lecteurs de badges et serrures connectées, longtemps considérés comme matures et désormais réinventés par l'IA. Quant au logiciel traditionnel, Baker reste optimiste malgré la montée des outils de "vibe coding" : dans les workflows réglementés et critiques, les coûts de migration restent un rempart efficace, d'autant qu'un futur peuplé d'agents IA actifs 24h/24 pourrait en fait accroître la demande de logiciels, pas la réduire.

IA : la France perd un investissement de 10 milliards d'euros

La France encaisse un revers majeur dans sa stratégie d'attractivité pour l'intelligence artificielle : la start-up britannique Fluidstack se retire de ses projets de supercalculateurs à Bosquel (Somme) et à Paris, faisant disparaître un investissement annoncé à 10 milliards d'euros. Ce désengagement frappe directement le plan IA porté par Emmanuel Macron, qui avait fait de ces infrastructures l'un des piliers de l'ambition numérique française. Ce retrait illustre la fragilité des engagements obtenus lors des grandes messes de l'attractivité économique. Le gouvernement français avait présenté ces supercalculateurs comme un levier stratégique pour doter l'Europe d'une capacité de calcul souveraine, indispensable à l'entraînement des modèles d'IA de nouvelle génération. La perte de 10 milliards d'euros d'investissement remet en question la capacité de la France à transformer les annonces politiques en réalisations concrètes dans la course mondiale à l'infrastructure IA. Fluidstack, spécialisée dans la location de puissance de calcul GPU à destination des laboratoires et entreprises d'IA, avait été identifiée comme un acteur clé du plan national. Les sites de Bosquel et de Paris devaient accueillir des centres de données à haute densité énergétique. Aucune explication officielle détaillée n'a été rendue publique sur les motifs précis du désengagement, mais ce type de projet se heurte régulièrement à des obstacles liés au foncier, aux délais de raccordement électrique et à la complexité réglementaire française. Ce coup d'arrêt relance le débat sur la capacité de l'Union européenne à rivaliser avec les États-Unis et la Chine en matière d'infrastructure IA. Il souligne aussi la différence entre les effets d'annonce des sommets diplomatiques et la réalité des investissements effectivement déployés sur le territoire.