Le centre de gravité de l’IA est en train de changer, et l’argent aussi

Imaginez un centre de service équipé de l’IA d’un des plus grands constructeurs automobiles au monde. Le système fonctionne à merveille. Dès qu’une voiture entre dans la baie, le mécanicien de l’IA a déjà fait ses recherches, en passant au crible des montagnes de données de véhicules pour trouver la configuration de service exacte dont il a besoin.

Cette application élégante de pointe a nécessité trois ans de travail pour une petite armée d’ingénieurs. Elle fonctionnait dans 10 concessions.

Lorsque le moment est venu de la mettre à l’échelle pour 12 000 emplacements, l’équipe a découvert ce que chaque entreprise déployant l’IA de pointe apprend tôt ou tard : construire l’application est la partie facile. La mettre à l’échelle pour des milliers d’emplacements nécessite une infrastructure que la plupart de l’industrie est encore en train de découvrir.

Ce fossé entre la construction de quelque chose d’intelligent et son déploiement réel là où les affaires se déroulent est le défi déterminant de l’IA en ce moment. Et il redéfinit où la prochaine vague d’investissements technologiques est en route.

LE PARIS CLOUD EST EN TRAIN DE CHANGER

Pendant environ 20 ans, le livre de jeu du logiciel d’entreprise était simple : tout déplacer dans le cloud. Centraliser les données et les applications et contrôler. Cela a fonctionné à merveille pour gérer les flux de travail, et les investisseurs l’ont récompensé généreusement.

Cependant, les économies sont en train de changer. Les multiples de revenus SaaS, qui ont culminé à environ 18-20 fois pendant la pandémie, sont revenus à des niveaux non vus depuis 2016. La croissance médiane des revenus des sociétés SaaS publiques est tombée à environ 12 % à la fin de 2025. Les investisseurs n’ont toujours pas perdu intérêt pour les logiciels, mais ils ont commencé à poser une question plus difficile : où l’IA génère-t-elle réellement des rendements ?

De plus en plus, la réponse n’est pas dans le cloud.

LE PIÈGE DE L’INTELLIGENCE

Les investissements mondiaux dans l’IA devraient atteindre 2,5 billions de dollars d’ici la fin de 2026. Les quatre plus grandes sociétés de technologie américaines seules devraient dépenser environ 725 milliards de dollars en dépenses d’équipement cette année, en augmentation de 77 % par rapport à l’année précédente, et la plus grande infrastructure annuelle de l’histoire de la technologie. Cet argent s’écoule principalement dans les infrastructures cloud pour soutenir les centres de données, les GPU et les clusters de formation.

Cependant, la plupart des données opérationnelles du monde ne sont pas générées dans les centres de données. Elles sont générées dans les lieux de vente au détail, sur les sols d’usine, sur les plateformes pétrolières, à l’intérieur des hôpitaux, sur les navires de transport et à travers les réseaux énergétiques. Dans ces environnements, les décisions doivent être prises en millisecondes et l’envoi de données à un serveur distant n’est simplement pas viable.

Je vois cela constamment dans mon travail avec les entreprises. Une société de services pétroliers et gaziers passe des mois à construire un modèle prédictif pour l’optimisation des puits, puis le met en package dans un énorme fichier de données, l’envoie à un site distant et espère qu’il fonctionne. Un détaillant développe l’IA pour la gestion des stocks, mais découvre que le déployer dans des milliers de magasins est un problème complètement différent de la construction du modèle lui-même.

L’intelligence est effectivement retenue captive dans le cloud. Le monde physique n’attend pas un aller-retour.

WHERE L’ARGENT VA VRAIMENT

Jensen Huang l’appelle “l’IA physique“. Qualcomm le présente comme l’IA au bord devenant essentiel. Lorsque les deux sociétés qui comprennent probablement mieux que quiconque l’économie de l’IA matérielle pointent dans la même direction, cela vaut la peine de prêter attention.

Ce changement se produit déjà sur le terrain. Les entreprises de tous les secteurs, du pétrole et du gaz, de l’automobile, de la vente au détail et de l’industrie, exécutent déjà des charges de travail d’IA au bord. Ils savent que l’IA de pointe fonctionne, mais luttent pour savoir comment la mettre à l’échelle. La gestion de milliers de déploiements sur du matériel diversifié et des environnements, et la mise à jour des modèles sur le terrain sans perturber les opérations, présente un défi considérable.

Le cas d’investissement est simple : lorsque l’IA doit fonctionner de manière autonome – inspecter des produits sur une ligne de production, gérer la production d’énergie dans une ferme éolienne, coordonner des systèmes autonomes à travers un réseau logistique – elle doit fonctionner là où l’action se déroule.

DES APPLICATIONS AUX AGENTS

Il y a un autre changement qui se produit sous l’histoire de l’infrastructure, et il pourrait s’avérer encore plus important.

Les agents changent la rigidité traditionnelle des applications d’entreprise. Un agent n’est pas un code statique qui fait une chose. C’est un système qui peut raisonner, interpréter des données non structurées et agir sans être explicitement programmé pour chaque scénario. Au lieu de construire une application personnalisée pour surveiller la qualité sur une ligne de production, vous déployez un agent qui interprète les flux vidéo, identifie les défauts et signale les problèmes, tout en s’adaptant à mesure que les conditions changent. Au lieu de coder un système de maintenance prédictive à partir de zéro pour chaque type d’équipement, vous déployez un modèle de raisonnement qui traite les données des capteurs et prend des décisions en temps réel.

Là où il fallait autrefois des années et des équipes de développeurs pour construire des applications de pointe, les agents peuvent réduire considérablement ce délai.

POURQUOI CE N’EST PAS SIMPLE

Mais comme dans la plupart des cas, le diable est dans les détails. Lorsqu’un agent personnel d’IA fait une erreur, il envoie un e-mail gênant. Lorsqu’un agent industriel fait une erreur, il peut arrêter une ligne de production ou créer un risque pour la sécurité. La même qualité qui rend les agents d’IA flexibles et puissants est exactement ce qui rend les entreprises prudentes lorsqu’elles les déployer dans des environnements critiques pour la sécurité.

La sensibilité des propriétés intellectuelles est stupéfiante. Une société de services énergétiques qui a passé une décennie à collecter des données opérationnelles pour construire un système d’optimisation autonome de forage a créé quelque chose d’irremplaçable. Si cet agent est compromis, un concurrent acquiert effectivement des années de connaissances institutionnelles en un seul coup. Le Cyber Resilience Act de l’UE et les cadres NIST en évolution sont en train de s’attaquer à ces risques, mais l’infrastructure technologique pour faire respecter les garde-fous au bord est encore en construction.

La sécurité et la gouvernance ne sont pas des fonctionnalités pour l’ère de l’IA de pointe. Ce sont les fondements.

LA PROCHAINE INFRASTRUCTURE DE CONSTRUCTION

Chaque grande ère de l’informatique a été définie par une infrastructure de construction. L’ère du PC a construit des réseaux locaux et des bureaux. L’ère du cloud a construit des centres de données et des plateformes SaaS. L’ère de l’IA est en train de construire l’infrastructure pour faire fonctionner l’intelligence dans le monde physique.

Les sociétés et les investisseurs qui reconnaissent ce changement tôt seront positionnés pour la prochaine décennie. Cela signifie non seulement investir dans la capacité d’IA, mais également dans l’infrastructure d’orchestration, de sécurité et de déploiement qui transforme un modèle capable en un système industriel fiable.

La valeur ne réside pas dans le prochain chatbot ou le prochain modèle hébergé dans le cloud. Elle réside dans l’infrastructure qui rend l’IA opérationnelle à grande échelle dans l’usine, le champ pétrolifère, le réseau de vente au détail et partout ailleurs où le monde physique génère des données qui ne peuvent pas attendre.

À quelque part en ce moment, une autre société se tient là où ce constructeur automobile se tenait, avec une application géniale qui fonctionne sur un petit nombre de sites, regardant le fossé entre le pilote et l’échelle. Ceux qui combleront ce fossé construiront les fossés concurrentiels de la prochaine décennie.