L'IA en entreprise attend encore son moment de plateforme
Il existe des technologies qui voient le jour bien avant que quiconque les rende véritablement utilisables. Le courrier électronique existait depuis des décennies avant que Hotmail n'apprenne à votre mère à s'en servir. La navigation GPS fonctionnait sur des équipements militaires des années avant qu'un appareil à cent dollars guide un livreur dans ses itinéraires. Et les téléphones intelligents — dotés d'écrans, d'appareils photo, de lecteurs de musique et d'un accès à internet — étaient déjà commercialisés depuis plusieurs années lorsque Steve Jobs monta sur la scène du Moscone Center en janvier 2007.
Ce que Jobs fit ce jour-là ne fut pas d'inventer quoi que ce soit. Ce fut de dissimuler ce qui existait déjà sous une couche d'expérience que n'importe qui pouvait maîtriser sans mode d'emploi. C'est là toute la différence entre une technologie qui existe et une technologie qui est adoptée massivement. Et cette différence est, aujourd'hui, précisément le territoire où évolue l'intelligence artificielle en entreprise.
L'essai publié par Fast Company le 10 septembre 2026 le formule avec une clarté qui mérite qu'on s'y arrête : le marché de l'IA en entreprise dispose de modèles puissants, d'infrastructures cloud, de bases de données vectorielles, d'agents et d'API. Ce qui lui manque encore, c'est la couche qui rend tout cela sans importance pour celui qui doit l'utiliser. L'analogie avec l'iPhone n'est pas décorative. Elle est structurellement précise. Et ce qu'elle révèle sur la situation dans laquelle de nombreuses organisations se trouvent bloquées est plus inconfortable qu'il n'y paraît au premier abord.
Le problème n'est pas le modèle, c'est la friction organisationnelle
Lorsqu'un dirigeant d'une entreprise de taille moyenne parle aujourd'hui de déployer l'IA, la vraie conversation qui s'engage — non pas celle de la présentation, mais celle qui se tient ensuite dans les couloirs — implique plusieurs mois de conseil, une refonte des processus, un choix entre des modèles qui évoluent tous les trimestres, des discussions sur la gouvernance des données, des couches de sécurité que l'équipe informatique ne parvient pas à valider complètement, et une adoption qui arrive toujours plus lentement que prévu.
Ce n'est pas un problème technologique. C'est un problème de friction organisationnelle accumulée autour d'une technologie qui n'a pas encore trouvé son iPhone.
Les dépenses mondiales consacrées aux plateformes d'IA avoisineront 64,25 milliards de dollars en 2026, soit une hausse de 63,4 % par rapport à l'année précédente, selon les estimations de Gartner. Les projections du Futurum Group situent ce marché à près de 497 milliards de dollars d'ici 2030. Ce sont des chiffres qui ne laissent aucun doute sur la direction des flux de capitaux. Mais la vitesse des dépenses n'est pas un indicateur de maturité du marché ; elle indique que de nombreuses organisations paient le prix d'une transition qui n'a pas encore fini de définir sa forme.
Ce qui se passe dans la plupart des grandes entreprises n'est pas une adoption de l'IA. C'est une accumulation de projets pilotes qui ne passent pas à l'échelle, d'équipes de science des données qui produisent des modèles que personne ne finit par opérer, et d'un écart grandissant entre ce que l'organisation peut acheter et ce qu'elle peut soutenir dans la durée. La technologie arrive. La capacité organisationnelle à l'absorber, elle, n'arrive pas.
Cette distinction est importante, car elle modifie la nature du problème. Si l'obstacle était technologique, la solution se trouverait dans les laboratoires. Mais si l'obstacle est organisationnel, la solution se trouve dans les conversations que les équipes dirigeantes ne tiennent pas avec suffisamment de clarté ni de régularité.
La couche qui manque n'est pas technique
L'article de Fast Company propose l'analogie de l'App Store avec une précision qu'il vaut la peine de prolonger. L'iPhone ne fut pas le moment de plateforme pour Apple. Ce fut l'App Store, lancé en 2008, qui transforma l'appareil en infrastructure. Car l'App Store supprima la nécessité pour chaque développeur de réinventer le système d'exploitation, le matériel et la distribution. Ils n'avaient plus qu'à concevoir l'application.
L'IA en entreprise n'a pas encore son App Store. Ce qu'elle possède, ce sont des couches de complexité que chaque organisation négocie pour son propre compte : choix du modèle, architecture mémorielle, système d'agents, observabilité, intégrations, permissions, conformité réglementaire. Chaque déploiement est artisanal. Chaque entreprise paie le coût de la réinvention de la plateforme avant même de pouvoir construire l'application.
L'indice des tendances du travail de Microsoft pour 2026 introduit le concept d'« entreprises frontière » — des organisations qui repensent leurs structures opérationnelles autour de la collaboration entre humains et agents d'IA, plutôt que d'ajouter simplement des outils par-dessus des processus existants. Selon ce même indice, fondé sur des enquêtes auprès de 20 000 personnes utilisant l'IA dans leur travail, 66 % affirment que l'IA leur permet de consacrer plus de temps à des tâches à plus forte valeur ajoutée, et 58 % déclarent qu'elle produit des résultats qu'ils n'auraient pas pu obtenir un an auparavant.
Ces chiffres sont intéressants. Mais ils révèlent quelque chose que l'analyse superficielle ignore souvent : les 34 % restants ne perçoivent pas ce bénéfice. Et la différence entre les deux groupes ne tient pas au modèle qu'ils utilisent. Elle tient à la question de savoir si leurs organisations ont reconfiguré les flux de travail autour de la technologie ou si elles l'ont simplement ajoutée par-dessus la structure existante.
C'est là la conversation qui fait défaut dans la plupart des comités de direction : non pas « quel outil d'IA achetons-nous », mais « quelle partie du travail cessons-nous de faire nous-mêmes pour que quelque chose d'autre s'en charge, et comment réorganisons-nous tout le reste en conséquence ». Cette seconde conversation a un coût politique interne que la première n'a pas. Elle implique des décisions sur les rôles, les hiérarchies, les investissements et les engagements que de nombreuses organisations reportent tout en continuant à acheter des licences.
La plateformisation de l'IA et la question de la capture de valeur
Lorsqu'une technologie arrive à maturité au point de devenir une plateforme, la carte de la valeur se redistribue. Dans le cas de l'iPhone, les fabricants de téléphones furent les premiers à en pâtir. Les opérateurs de télécommunications, qui avaient contrôlé pendant des années la distribution de contenus et d'applications, perdirent leur position dominante. Les gagnants furent ceux qui contrôlaient la couche du système d'exploitation, l'identité de l'utilisateur, le canal de distribution et la relation directe avec le développeur.
L'IA en entreprise se trouve au seuil de ce même processus. La question n'est pas de savoir si une plateformisation aura lieu, mais quelle couche capturera la valeur lorsqu'elle se produira. Les candidats sont nombreux et leurs positions relatives restent encore en jeu : les fournisseurs de modèles fondamentaux, les opérateurs cloud qui contrôlent l'infrastructure de calcul, les éditeurs de logiciels d'entreprise disposant de millions d'utilisateurs actifs, les intégrateurs de systèmes qui ont accès aux données opérationnelles de leurs clients, et une classe émergente de plateformes d'orchestration qui n'a pas encore de leader clairement établi.
Ce que l'on peut anticiper avec une certaine assurance, c'est que les organisations qui, aujourd'hui, reconfigurent leurs processus opérationnels — et ne se contentent pas d'acheter des outils — accumulent un avantage qui n'est pas technologique, mais structurel. Le modèle que vous utiliserez l'an prochain sera peut-être différent de celui que vous utilisez aujourd'hui. Mais si votre organisation a appris à fonctionner avec des décisions distribuées entre humains et agents, cette capacité ne disparaît pas lorsque vous changez de fournisseur.
C'est là la différence que les données de Microsoft établissent entre les « entreprises frontière » et les autres : non pas l'accès à de meilleurs modèles, mais la volonté des dirigeants de repenser la manière dont les décisions sont prises, dont les responsabilités sont distribuées et dont la performance est mesurée dans un environnement où une partie du travail est exécutée par un système autonome.
Le coût d'attendre le moment parfait pour adopter
Il existe un schéma récurrent dans l'histoire des plateformes technologiques que les grandes organisations ont tendance à sous-estimer : la période la plus coûteuse n'est pas celle de l'adoption précoce avec ses inévitables frictions, mais celle de l'adoption tardive, quand l'écart est déjà établi et que le coût pour le combler devient exponentiellement plus élevé.
Les entreprises qui ont adopté internet avec une véritable rigueur structurelle au début des années 2000 ne l'ont pas fait parce qu'elles avaient la certitude d'un modèle d'affaires numérique. Elles l'ont fait parce qu'elles ont compris que la structure de leur secteur allait changer et qu'elles ont préféré payer le coût de l'incertitude plutôt que celui de l'obsolescence. Celles qui ont attendu que le marché se stabilise sont arrivées dans la partie quand les règles avaient déjà été écrites par d'autres.
L'IA en entreprise se trouve dans une situation analogue, mais avec une variable supplémentaire qui complique l'analyse : la vitesse de changement au niveau des modèles est si élevée que de nombreuses organisations l'utilisent comme argument pour différer. « Les modèles vont changer dans six mois, alors autant attendre qu'ils se stabilisent. » C'est un raisonnement qui paraît prudent et qui, dans la pratique, fonctionne comme une paralysie institutionnalisée.
Ce qui n'évolue pas à la même vitesse que les modèles, c'est la capacité organisationnelle à absorber la technologie. Cette capacité se construit dans le temps, grâce à des décisions dirigeantes soutenues, à de petits échecs générateurs d'apprentissage et à des conversations internes que beaucoup d'équipes reportent parce qu'elles sont inconfortables. Une organisation qui entame ce processus aujourd'hui dispose d'une avance de dix-huit mois sur celle qui décide d'attendre que « le marché mûrisse ».
Le moment de plateforme pour l'IA en entreprise finira par arriver. Lorsqu'il sera là, les organisations qui auront capturé de la valeur ne seront pas nécessairement celles qui auront acheté les meilleurs modèles ni celles qui auront engagé le meilleur prestataire. Ce seront celles qui auront eu la conversation inconfortable sur la part de leur façon de fonctionner qu'elles devaient abandonner pour que quelque chose de nouveau puisse croître. Cette conversation n'est inscrite à l'ordre du jour d'aucun conseil d'administration. Mais son absence a déjà un coût.
