Les enseignements de Netomi pour l'échelle des systèmes agenics dans l'entreprise

Les prérequis pour réussir le déploiement de l’IA à l’échelle de l’entreprise

Beaucoup d'entreprises savent aujourd'hui construire un prototype d'intelligence artificielle en quelques semaines, mais peinent ensuite à le faire passer en production. Le problème ne se situe pas dans la phase de preuve de concept, généralement rapide et peu coûteuse, mais dans l'étape suivante : connecter l'outil au système d'information existant, l'ouvrir à des centaines voire des milliers d'utilisateurs internes, et garantir sa disponibilité et sa fiabilité dans la durée. Un POC, construit sur un jeu de données restreint et testé par une poignée d'utilisateurs, ne dit rien de la capacité d'un système à tenir la charge, à s'intégrer aux outils métiers déjà en place, ou à respecter les contraintes de sécurité et de conformité propres à une organisation. Cette difficulté a des conséquences concrètes pour les directions informatiques et les métiers : des projets IA prometteurs restent bloqués au stade pilote, sans jamais générer la valeur attendue, tandis que les budgets et l'attention se dispersent sur de multiples expérimentations non industrialisées. Pour les entreprises, l'enjeu n'est plus de prouver que l'IA fonctionne, mais de démontrer qu'elle peut être déployée de façon robuste, mesurable et pérenne, au même titre que n'importe quelle autre brique du système d'information. Ce constat s'inscrit dans une phase de maturation plus large du marché de l'IA en entreprise, où l'expérimentation tous azimuts des deux dernières années cède peu à peu la place à des exigences d'industrialisation : gouvernance des données, supervision des modèles, formation des équipes et alignement avec les processus métiers existants. Les organisations qui réussissent ce passage à l'échelle sont celles qui traitent l'IA comme un projet technique et organisationnel à part entière, doté de ressources, de compétences et d'une feuille de route dédiées, plutôt que comme une simple extension de leurs initiatives d'innovation.

💬 Selon Le Fil IA : le vrai coût de l'IA en entreprise n'est pas dans le prototype, il est dans la plomberie qu'on ne montre jamais en démo. Tout le monde sait faire un POC qui claque en trois semaines, mais brancher ça sur le SI existant, tenir la charge avec mille utilisateurs, respecter la conformité, c'est un métier différent. D'ailleurs c'est là que la plupart des projets meurent, pas sur la techno elle-même mais sur l'industrialisation qu'on a sous-budgétée dès le départ.

Avec 34 millions d’euros, Dust accélère sur les systèmes multi-agents pour les entreprises

La startup française Dust a annoncé une levée de fonds de 34 millions d'euros pour accélérer le développement de ses systèmes multi-agents destinés aux entreprises. Cette opération, l'une des plus significatives du secteur de l'IA appliquée en France cette année, doit permettre à la société de renforcer son infrastructure technique et d'élargir sa base de clients parmi les grandes organisations. Dust propose une plateforme permettant de déployer des agents IA capables de collaborer entre eux pour automatiser des processus métiers complexes, allant bien au-delà du simple assistant conversationnel. L'enjeu est de taille : si l'IA générative s'est diffusée à une vitesse inédite dans les entreprises, son impact réel sur l'organisation du travail reste limité. Les copilotes et chatbots actuels restent des outils individuels, cloisonnés, sans mémoire collective ni coordination. Dust parie que la prochaine étape est la mise en place d'agents spécialisés qui se transmettent des tâches, partagent du contexte et agissent de façon coordonnée, transformant ainsi des workflows entiers plutôt qu'une seule interaction à la fois. Cette levée intervient dans un contexte de compétition intense autour des agents IA, où des acteurs comme Salesforce, Microsoft ou encore des startups américaines telles que Glean et Moveworks se positionnent également sur l'automatisation des processus d'entreprise. La particularité de Dust tient à son ancrage européen et à son approche modulaire, permettant aux équipes IT d'assembler des chaînes d'agents sur mesure. Avec ces nouveaux fonds, la startup entend consolider sa position sur le marché européen avant d'envisager une expansion internationale.

💬 34M€ pour Dust, c'est le genre de levée qui montre que le marché a enfin compris que les chatbots en silo ne suffisent plus. La vraie valeur, elle est dans la coordination entre agents, pas dans l'assistant individuel bien poli. Reste à voir si leur approche modulaire tient face à Salesforce qui a les moyens de racheter le problème.

Visa prépare ses systèmes de paiement pour les transactions initiées par des agents IA

Visa prépare activement ses infrastructures de paiement à l'ère des agents IA, en déployant son programme "Agentic Ready" en Europe. L'objectif : permettre à des logiciels autonomes d'initier des transactions financières sans intervention humaine directe. Deux banques allemandes majeures, Commerzbank et DZ Bank, participent aux essais pilotes de ce dispositif inédit. Ce tournant représente une rupture profonde avec le modèle de paiement traditionnel, fondé depuis toujours sur l'intention et l'identité d'un humain. Si des agents IA peuvent désormais déclencher des achats de manière autonome, après avoir comparé des prix, surveillé des niveaux de stock ou appliqué des règles prédéfinies par l'utilisateur, les banques doivent repenser entièrement leurs mécanismes d'authentification et de consentement. Visa compare elle-même l'ampleur de cette transition à celle du passage aux paiements en ligne, qui avait contraint le secteur à adapter ses flux de traitement. Les enjeux de conformité sont au cœur du programme. Les banques partenaires testent comment intégrer ces agents dans les systèmes existants sans contrevenir aux règles anti-fraude, aux obligations d'audit et aux exigences de consentement client. Un rapport RepRisk cité dans l'article souligne que les incidents liés à l'IA génèrent déjà des pertes se chiffrant en plusieurs millions de dollars pour les établissements financiers. Le travail de Visa porte spécifiquement sur l'infrastructure réseau, authentification des agents, validation des transactions, gestion des litiges, plutôt que sur des outils grand public. À plus long terme, les grandes organisations pourraient confier à des agents IA leurs achats récurrents dans des limites définies, réduisant les étapes d'approbation manuelle. Les régulateurs suivent de près ces évolutions, notamment dans les domaines du crédit et de la détection de fraude. La phase actuelle reste exploratoire, mais elle dessine un futur où l'initiateur d'une transaction n'est plus nécessairement un porteur de carte, mais un programme.

Comment l'économie de l'IA multi-agents influence l'automatisation des entreprises

NVIDIA a lancé Nemotron 3 Super, une architecture open source de 120 milliards de paramètres (12 milliards actifs) conçue pour les systèmes d'IA multi-agents en entreprise, offrant jusqu'à 5× plus de débit et 2× plus de précision que son prédécesseur. Le modèle combine des couches Mamba, des transformers classiques et une technique d'experts spécialisés pour réduire les deux principaux freins à l'automatisation : la « taxe de raisonnement » (coût élevé des agents autonomes) et l'explosion du contexte (jusqu'à +1 500 % de tokens par rapport aux formats standards). Avec une fenêtre de contexte d'un million de tokens, les agents peuvent charger un codebase entier ou des milliers de pages de rapports financiers en mémoire, éliminant la dérive d'objectif et accélérant l'inférence jusqu'à 4× par rapport aux configurations FP8 sur Hopper.