Pourquoi Votre Entreprise Doit Accélérer son Adoption de l’IA

L’essentiel à retenir

Le message principal est simple mais crucial : les choses évoluent encore plus vite qu’il n’y paraît. La disruption sera encore plus importante que ce que nous imaginons, et les entreprises qui domineront les 5 à 10 prochaines années se construisent actuellement, dans les 1 à 2 années à venir.

Contrairement à de nombreuses présentations sur l’IA qui insistent sur la prudence et les limites, je soutiens fermement que le coût de sous-investir dans l’IA est significativement plus élevé que celui de surinvestir. Un surinvestissement pourrait vous faire dépenser pour des technologies qui seront dépassées dans quelques mois. Mais le sous-investissement? Il pourrait mener à l’extinction de votre organisation face à des concurrents qui, eux, auront su s’adapter.

L’adoption de l’IA progresse à une vitesse fulgurante

Lorsque ChatGPT a été lancé, il est devenu la plateforme la plus rapide à atteindre 100 millions d’utilisateurs – en seulement 5 semaines, alors que TikTok avait mis 8 mois pour atteindre ce même seuil. Selon la Réserve Fédérale de St. Louis, l’adoption de l’IA générative est environ deux fois plus rapide que celle d’Internet. Là où Internet a mis 5 ans pour atteindre 40% de pénétration dans les foyers américains, l’IA générative n’a eu besoin que de 2 ans.

Cette croissance ne se limite pas au grand public. Dans le monde de l’entreprise, nous sommes passés de zéro utilisation de l’IA générative à une adoption quasi-universelle. L’IA est désormais utilisée dans tous les domaines de l’entreprise :

Analyse de données
Support client

Automatisation des tâches
Génération de contenu
Et bien d’autres domaines

Une étude récente auprès de 800 dirigeants et 800 employés a révélé un écart important entre l’utilisation de l’IA par les cadres supérieurs et celle des employés ordinaires. C’est l’un des rares domaines où les dirigeants sont en avance sur leurs collaborateurs, ce qui crée certains problèmes.

Une accélération qui ne fait que s’amplifier

Non seulement l’adoption est rapide, mais elle s’accélère. Les courbes de croissance d’OpenAI en termes d’utilisateurs, d’abonnés et de revenus sont impressionnantes. Il a fallu environ 2 ans à ChatGPT pour atteindre 400 millions d’utilisateurs hebdomadaires actifs, puis seulement 2 mois pour doubler ce chiffre à 800 millions.

Cette accélération se manifeste également dans les entreprises. Entre 2022 et 2023, nous avons observé une croissance modeste des organisations utilisant l’IA pour une ou plusieurs fonctions. Mais au premier semestre 2024, on a constaté un bond spectaculaire. Par exemple, le pourcentage d’organisations utilisant l’IA pour deux fonctions ou plus est passé de 31% à 50% au premier semestre 2024. Au second semestre, le nombre d’organisations utilisant l’IA dans trois fonctions ou plus a bondi de 27% à 45%.

Pourquoi cette accélération?

Tout dans l’IA suit une logique de croissance exponentielle. L’écosystème des développeurs en est un parfait exemple. Selon le rapport sur les tendances de l’IA de Mary Maker, l’écosystème des développeurs NVIDIA a connu une croissance de 6x entre 2019 et aujourd’hui, tandis que l’écosystème Gemini a vu une croissance de 5x entre mai 2024 et mai 2025.

Plus il y a de développeurs qui construisent des solutions d’IA, plus il y a de solutions disponibles, plus les gens utilisent l’IA, et ainsi de suite.

La démocratisation du code avec le « vibe coding »

Important à noter : cette croissance ne concerne pas uniquement les développeurs traditionnels. L’une des tendances les plus significatives est le « vibe coding » (programmation intuitive). L’intérêt pour le vibe coding dépasse désormais celui pour le prompt engineering, avec une accélération rapide du nombre de dépôts sur GitHub.

Pourquoi est-ce si important? Parce que cela ouvre des catégories entièrement nouvelles de cas d’usage. Lorsque des non-développeurs peuvent communiquer en code avec des développeurs, non seulement ils peuvent faire avancer leurs organisations plus rapidement, mais ils débloquent des cas d’utilisation de l’IA qui n’étaient tout simplement pas possibles auparavant. Ils ne sont plus limités par ce que les startups ont pu mettre sur le marché en termes d’applications d’IA.

Des modèles de plus en plus puissants

Une autre amélioration clé concerne les modèles eux-mêmes. Le passage de modèles non-raisonnants à des modèles capables de raisonner a fondamentalement ouvert cette nouvelle ère des agents.

L’ère des agents intelligents

Si un mot rivalise avec « IA » en termes de buzz, c’est bien « agents ». Les agents sont importants pour les entreprises pour une raison fondamentale : ils changent la façon dont les organisations pensent l’IA.

Dans l’ère des copilotes et des assistants, il était facile pour les organisations de considérer l’IA strictement comme une technologie d’amélioration de la productivité – un outil qui aide les employés à faire leur travail actuel un peu plus vite, un peu mieux ou un peu moins cher.

Les technologies d’amélioration de la productivité sont excellentes. Le pouvoir de faire tout ce que vous faites actuellement mais 30% plus rapidement, moins cher ou mieux est énorme. Des secteurs entiers pourraient être réorganisés sur cette base.

Cependant, ce n’est clairement pas le jeu principal lorsqu’il s’agit de la façon dont l’IA transformera les industries. Avec les agents, vous avez l’opportunité de repenser fondamentalement les modèles d’affaires, les modèles de déploiement et les modèles opérationnels d’une manière qui va bien au-delà de la simple productivité.

L’intérêt croissant pour les agents

L’intérêt pour les agents se reflète dans les chiffres. Selon l’enquête KPMG Pulse, entre le quatrième trimestre 2024 et le premier trimestre 2025, le pourcentage d’entreprises pilotant des agents a presque doublé, passant de 37% à la fin de l’année dernière à 65% (presque exactement 2/3 des organisations) au premier trimestre de cette année.

Plus important encore, le sentiment et l’ambiance autour des projets pilotes d’agents sont très différents de ceux des projets pilotes de copilotes d’il y a un an. Alors qu’auparavant, il s’agissait d’explorer si cette technologie était bonne et ce qu’elle pourrait faire au sein de l’organisation, aujourd’hui, même si les agents sont incroyablement limités dans leurs fonctionnalités, pratiquement aucune entreprise ne les considère comme une option. Au contraire, ils sont perçus comme totalement inévitables.

Il existe une présomption de transformation future qui viendra d’eux. Les projets pilotes actuels visent simplement à comprendre ce qui est réellement disponible et quelles structures organisationnelles doivent être reconstruites pour les accueillir.

Cela se reflète également dans l’enquête KPMG qui a révélé que 99% des répondants prévoyaient de déployer des agents IA. Et franchement, je dois supposer que le 1% restant a mal lu la question.

L’impact sur les budgets

Cette intention se traduit dans les budgets. Selon PWC, plus de 80% des organisations ont vu leur budget IA augmenter cette année en raison des agents. Et un peu plus des deux tiers de ces organisations ont connu des augmentations budgétaires de 10% ou plus.

Une évolution rapide des capacités

Même si les agents ne sont pas encore tout à fait au point, les choses changent rapidement. Le groupe de recherche METR a constaté que les capacités des agents doublent environ tous les 7 mois. Leur méthodologie consistait à mesurer combien de temps un agent pouvait effectuer une tâche avec un taux de réussite de 50%.

Bien qu’il y ait place au débat sur cette méthodologie, ce qui importe n’est pas tant la détermination de la pertinence de cette métrique, mais simplement comment la tendance s’améliore. Il semble que le rythme s’accélère maintenant et que les agents doublent en capacité plus près de tous les 70 jours.

L’importance des standards

Ce ne sont pas seulement les avancées des modèles qui accélèrent le développement des agents. Nous assistons également à un alignement très rapide autour des standards qui accélère le domaine.

Si vous connaissez des initiales associées aux agents, il s’agit probablement de MCP (Model Context Protocol). Le MCP est un moyen de donner aux agents un accès facile aux ensembles de données. Vous pouvez construire un serveur MCP qui se connecte à un ensemble de données particulier, puis d’autres agents peuvent se connecter à ce serveur MCP d’une manière beaucoup plus simple que d’avoir à connecter leur agent à ces données de façon plus manuelle ou sur mesure.

Anthropic a introduit MCP en novembre. Il a connu un certain engouement initial, puis à partir de février environ, il a vraiment décollé et n’a jamais regardé en arrière. Par la suite, tous les grands laboratoires, malgré le fait qu’ils étaient tous des concurrents d’Anthropic, ont adopté le MCP :

Google l’a adopté
OpenAI l’a adopté, même s’il semblait un temps qu’ils allaient essayer de concurrencer sur le front des standards

Microsoft l’a adopté

En fait, Microsoft a non seulement adopté MCP et en a fait une fonctionnalité clé de Microsoft Build cette année, mais leur PDG Satya Nadella tweete également sur A2A, un protocole de messagerie pour agents qui vient de Google.

Ceci contraste fortement avec les comportements historiques en matière de standards. Les guerres de protocoles autour des standards Internet de base comme le courrier électronique étaient des batailles qui duraient plusieurs décennies. Très clairement, en ce qui concerne l’IA et les agents, tous les grands laboratoires ont décidé que la valeur ajoutée et la vitesse qu’ils obtiennent en s’alignant tous autour des mêmes standards valent beaucoup plus que d’être l’entreprise qui a construit ces standards en premier lieu.

Concevoir pour le futur, pas pour le présent

L’implication de tout cela est que nous ne pouvons pas concevoir pour là où les agents sont maintenant. Nous devons concevoir pour là où ils se dirigent.

Microsoft commence à présenter une vision de ce à quoi ressemblera l’avenir des organisations lorsqu’elles seront habilitées par des agents. L’indice de tendance de travail de cette année portait entièrement sur ce qu’ils appelaient « l’entreprise frontière ». Ils voient l’entreprise frontière se dérouler en trois phases :

Phase un (où nous sommes, ou du moins où nous avons été) : humain plus assistant. Chaque employé dispose d’un assistant IA qui l’aide à travailler mieux et plus vite. C’est l’ère de l’efficacité et de la productivité.
Phase deux (où nous commençons tout juste à entrer) : équipes humain-agent. Les agents rejoignent les équipes en tant que collègues numériques, prenant en charge des tâches spécifiques sous la direction humaine. C’est ce sur quoi porteront les 6 à 12 prochains mois.

Phase trois : dirigé par l’humain, opéré par l’agent. Les humains définissent l’orientation et les agents exécutent les processus et flux de travail commerciaux, en vérifiant si nécessaire. Le paradigme est celui des « patrons d’agents » où chacun, au lieu de faire le travail qu’il faisait auparavant, gère des agents qui font ce travail pour eux.

Les cas d’usage pratiques

OpenAI a récemment publié un article pour aider les entreprises à comprendre quels cas d’usage elles pourraient envisager. Ils ont organisé le monde en six cas d’usage primitifs qu’ils ont observés le plus couramment dans tous leurs déploiements organisationnels et d’entreprise :

Création de contenu
Recherche
Codage

Analyse de données
Idéation et stratégie
Automatisation

En appliquant ce phasage et cette séquence à la façon dont les agents pourraient impacter quelque chose comme la génération de contenu :

Aujourd’hui, nous avons des LLM qui peuvent rédiger du texte, traduire des choses et adapter les formats. Si vous avez réalisé une vidéo YouTube, vous pouvez extraire cette transcription et la transformer en article de blog pour LinkedIn. C’est incroyablement précieux – des gains d’efficacité sérieux et de nouvelles opportunités en découlent.

Au cours des 6 à 12 prochains mois, vous commencerez à voir l’introduction d’agents en arrière-plan. Il s’agira de choses comme des rédacteurs fantômes contextuels et des agents qui surveillent la voix de la marque, les objectifs de campagne, etc., et génèrent automatiquement des documents, des publications, des scripts vidéo qui sont acheminés vers les humains pour approbation.
Une phase après cela, nous verrons des agents d’arrière-plan encore plus avancés faisant des choses comme surveiller les métriques d’engagement en temps réel, exécuter des tests A/B et réviser continuellement le contenu créatif.
Une phase encore plus lointaine voit des studios créatifs entièrement synthétiques où vous avez des équipes multi-agents (pensez à des agents qui sont des écrivains, des agents qui sont des designers, des agents qui sont des acteurs vocaux, etc.) qui peuvent scénariser, tourner, monter, localiser et placer des publicités de bout en bout.

La théorie du Docteur Strange

Je pense que cela sous-estime encore l’ampleur du changement que les agents vont apporter. Pour ceux qui ne connaissent pas la référence, dans le cycle Infinity de Marvel, les Avengers se préparent à combattre Thanos, qui veut éliminer la moitié de l’univers d’un claquement de doigts. Les choses ne se présentent pas bien pour eux. Pour trouver une source d’intelligence ou d’inspiration, le Docteur Strange se rend dans le multivers pour examiner tous les scénarios multiversels dans lesquels les Avengers combattent Thanos afin de voir où ils réussissent réellement. Après avoir examiné 14 605 scénarios, il a découvert qu’il n’y en avait qu’un seul dans lequel ils battaient Thanos.

Ce qui est intéressant, c’est que dans un monde d’intelligence illimitée, « trop bon marché pour être mesurée » selon Sam Altman, pourquoi ne pourrions-nous pas appliquer une façon de penser similaire au travail ? En d’autres termes, pourquoi ne pourrions-nous pas, pour chaque décision, examiner 14 605 scénarios ?

Prenons l’exemple de la rédaction de contenu pour les médias sociaux. Même les organisations les plus sophistiquées voient encore une relation un-à-un entre le travail que les humains font maintenant et le travail que les agents feront à l’avenir.

Dans le cas de la rédaction publicitaire, vous pourriez avoir une petite équipe de rédacteurs qui se concentrent sur différents canaux. Mais au lieu d’avoir un seul agent de rédaction, pourquoi ne pas en avoir une centaine, chacun ayant une voix différente ? Certains sont destinés à imiter la voix de votre marque. D’autres sont destinés à imiter la voix d’un concurrent. D’autres, pour le plaisir, sont destinés à imiter des écrivains célèbres comme Shakespeare ou Hemingway.

À partir de là, vous avez un autre ensemble d’agents qui sont formés pour imiter des publics clés et qui fournissent des critiques des différentes versions des agents de rédaction en fonction des préférences de ces publics.

Enfin, vous avez un ensemble d’agents synthétiseurs qui intègrent les résultats et les rassemblent tous dans une courte liste d’options avec un raisonnement, faisant des recommandations aux humains qui peuvent finaliser.

D’un côté, il y aura certainement des contextes de travail où cela est totalement excessif. Toutes les décisions ne justifieront pas ce mode de travail, mais la contrainte ne résidera pas dans notre capacité à appliquer ce type d’intelligence à un problème donné, même aussi petit qu’un tweet.

Nous venons de voir la semaine dernière une baisse de 80% du coût de GPT-4o, qui était jusqu’à ce même jour le modèle le plus avancé d’OpenAI. Une baisse de 80% en 3 mois depuis le lancement de GPT-4o. Et d’ailleurs, lorsque GPT-4o est sorti, il était déjà moins cher que GPT-4 quelques mois auparavant.

Le coût de l’intelligence diminue de façon précipitée et à mesure qu’il le fait, ce type de scénario deviendra possible. Nous ne verrons pas seulement un remplacement un-à-un des travailleurs humains d’aujourd’hui. Nous verrons des combinaisons d’intelligence et de travail à une échelle et une ampleur qu’il n’était jamais possible d’envisager auparavant.

Comment les organisations gagnantes se préparent

La grande question est bien sûr de savoir comment les organisations gagnantes se préparent à un changement de cette ampleur. Et la réponse peu amusante si vous êtes dans ces organisations et que vous dirigez cette charge est que vous devez tout faire en même temps.

Je vois six domaines auxquels chaque entreprise doit penser :

1. Cadrage du leadership

Vous vous souvenez peut-être de ce graphique que nous avons examiné au début qui montrait que les dirigeants faisaient plus de tous les cas d’utilisation que les employés. Et nous voyons très fréquemment un grand écart de leadership entre là où les dirigeants pensent qu’ils en sont avec leur stratégie d’IA et là où les employés pensent qu’ils en sont.

Ceci est reproduit chaque fois que les gens font des enquêtes à ce sujet. Cette récente enquête de Writer de décembre dernier a révélé des sensibilités très différentes entre les dirigeants et leurs employés sur des choses comme « Ai-je une stratégie d’IA ? » Je pense que les répondants à cela étaient quelque chose comme 75% des dirigeants qui ont dit qu’ils avaient une stratégie d’IA contre seulement 45% des employés.

Et les enjeux de la conversation sur le leadership ne sont pas seulement informationnels. Lorsque les employés n’ont pas une idée de la vision du leadership, en particulier des agents, ils peuvent avoir de réelles inquiétudes quant à leur place dans l’organisation à l’avenir. Ce ne sont pas des questions techniques. Ce sont des questions de leadership et le leadership doit s’engager avec les employés, non seulement pour leur dire que l’IA est importante, mais pour les aider à comprendre comment l’IA va impacter la forme de l’organisation à l’avenir.

2. Productivité individuelle

Même si nous passons aux agents, les gains de productivité individuels qui proviennent des copilotes et des assistants sont toujours vraiment importants. Les organisations doivent investir dans les capacités ascendantes de leurs personnes à utiliser ces outils.

Et je pense que si nous avons observé quelque chose, c’est qu’il y a eu une sorte de surcorrection pour se concentrer uniquement sur les agents, et beaucoup de ces choses dont les gens se souciaient l’année dernière, c’est-à-dire les programmes de perfectionnement et de formation, ont été renvoyées à une fonction L&D qui tend à obtenir un second rôle organisationnel.

3. Expérimentation avec les agents

Oui, en fait, votre entreprise doit expérimenter avec les agents. Et c’est normal si vous réalisez que les agents ne sont pas à un point où ils peuvent être entièrement déployés pour vos fonctions critiques. Les organisations intelligentes disent : « Très bien, nous allons quand même tester des choses dans d’autres domaines. Nous allons tester des agents SDR, des agents de recherche, des agents de service client. » Fondamentalement, elles n’utilisent pas l’excuse que les agents ne sont pas exactement là où ils seront à l’avenir pour ne pas commencer aujourd’hui.

4. Infrastructure de données et technique

L’une des catégories les plus importantes en ce moment est l’infrastructure de données et technique. Il y a d’énormes changements dans la façon dont les agents sont construits, qui pointent tous vers la suprématie et l’importance d’avoir une architecture de données sophistiquée qui peut interagir avec les modèles finaux que nous finirons par utiliser.

5. Infrastructure de politique

De même, il faut investir dans une infrastructure de politique. Les gens utilisent l’IA de manière inappropriée au travail, dans de nombreux cas, non pas parce qu’ils essaient d’enfreindre les règles, mais parce qu’ils ne savent pas quelles sont les règles. L’infrastructure politique est en fin de compte une partie clé des choses, tout comme l’infrastructure de données.

6. Vision du futur

Enfin, et c’est vraiment important, il doit y avoir un processus de vision du futur, une réimagination du futur. Encore une fois, les meilleures organisations ne considèrent pas seulement l’IA comme un outil d’efficacité et de productivité, mais essaient vraiment de comprendre comment elle va façonner leur modèle d’affaires, leur modèle de déploiement, leur modèle opérationnel, fondamentalement ce qu’elles font et comment elles le font à un niveau fondamental.

Si vous ne deviez faire qu’une chose

Comme je viens de le dire, vous devez en quelque sorte tout faire en même temps. Cependant, si vous deviez passer les six prochains mois à ne faire qu’une seule chose, il y a beaucoup à dire pour investir vraiment dans l’infrastructure technique.

Selon l’Economist, seulement 22% des organisations affirment actuellement que leurs architectures actuelles sont pleinement capables de prendre en charge les charges de travail d’IA. Et il y a énormément de travail à faire pour améliorer cela.

Une tendance clé que nous observons est que, bien que dans de nombreux cas, les organisations utiliseront des agents prêts à l’emploi, pour de nombreuses industries à haute valeur ajoutée et fortement réglementées, elles seront obligées de développer leurs propres systèmes d’IA. Heureusement pour elles, il y a énormément de travail en cours autour des agents qui construisent efficacement d’autres agents à l’intérieur de ces types d’organisations.

Cela pourrait devenir la norme où tout concerne l’infrastructure technique et de données dans laquelle les modèles peuvent être déposés pour une expérience vraiment sur mesure et personnalisée. Mais cela ne fonctionnera que si cette infrastructure de données et technique est à la hauteur.

Les pièges courants pour les organisations

1. Attendre les améliorations futures des modèles pour commencer

Vous voyez cela tout le temps. Il y a cette sorte de paralysie qui se produit parce que vous savez que les choses seront meilleures dans 6 mois. Alors, combien devriez-vous investir aujourd’hui ?

Je vous dirai, en tant que personne qui dirige une startup qui a passé 6 mois à construire, ajuster et régler un agent vocal que je suis presque sûr que dans 6 mois à partir de maintenant, j’aurais pu coder en une journée. Vous n’avez tout simplement pas le privilège d’attendre.

2. Traiter cela comme s’il s’agissait simplement d’un changement de logiciel

Ce n’est pas comme changer de plateformes cloud. Il s’agit d’une réimagination fondamentale de la façon dont l’organisation va fonctionner et vous devez la traiter comme telle.

3. Trop se concentrer sur l’efficacité et la réduction des coûts

Se concentrer sur l’automatisation des processus plutôt que sur la refonte des activités. Il y a une tendance pour certaines organisations à considérer les agents comme simplement RPA 2.0. Et je pense que ces organisations vont se faire frapper.

Ce qui ne veut pas dire que vous ne devriez pas penser à automatiser les processus, mais ce n’est loin d’être la fin en soi.

4. Ne pas établir une vision de leadership

Ne pas établir une vision de leadership et ne pas intégrer les employés dans cette vision.

5. Ne pas penser assez grand

Il y a généralement un manque de pensée suffisamment grande.

6. Mauvais outils

Un autre défi clé que nous voyons est les mauvais outils. Il tend à y avoir un écart assez important entre la qualité des outils grand public que les gens utilisent dans leur vie régulière, c’est-à-dire ChatGPT et ses modèles les plus avancés, et les modèles médiocres d’il y a quelques générations qu’ils ont au travail.

Si vous êtes passé de l’utilisation de GPT-4o dans votre vie personnelle à l’utilisation de ce que Microsoft Copilot comprend dans la plupart des organisations en ce moment, c’est une expérience très frustrante et limitante. Pareil pour les outils de codage.

Évidemment, c’est un domaine qui évolue très rapidement et vous voyez certaines grandes organisations commencer à assouplir cela. Plus récemment, il semble qu’une révolte interne ait conduit Amazon à envisager d’abandonner son propre assistant de codage IA pour utiliser à la place Cursor.

Je souligne cela spécifiquement parce que, comme je l’ai dit, dans un monde de défis très complexes, celui-ci n’est pas si difficile. Trouvez comment faire adhérer vos services juridiques et de conformité et utilisez de meilleurs outils. Je vous promets que vous serez content de l’avoir fait.

Conclusion

En fin de compte, comme je l’ai dit, si vous devez retenir une chose de tout cela, c’est que l’IA ne concerne pas seulement l’efficacité. Il s’agit d’opportunité. Et recâbler votre état d’esprit pour penser de cette façon, puis recâbler l’organisation pour saisir cette opportunité est la clé.

Les gagnants des 5 à 10 prochaines années se feront dans les 1 à 2 prochaines années pour une raison très simple. L’avantage des agents et de l’IA se cumule.

Si vous restez assis et pensez : « Je vais juste entrer dans ce jeu dans 6 mois quand les agents seront meilleurs », ce qui va se passer n’est pas seulement que vous aurez 6 mois de retard sur vos concurrents. C’est qu’ils vont passer par des étapes de découverte de tous les changements organisationnels qui doivent se produire pour utiliser pleinement ces outils. Ils vont passer par un processus de préparation des données. Ils vont développer une nouvelle infrastructure politique.

Et ce que cela signifie, c’est que lorsque de nouvelles capacités de modèle seront mises en ligne, même si vous êtes maintenant dans le jeu quand elles le seront, vous ne serez pas aussi prêt qu’eux à en profiter. Et alors que vous courrez pour mettre votre organisation à niveau, non seulement ils utiliseront ces outils avancés, mais ces outils avancés leur permettront de progresser plus rapidement que vous. Ainsi, l’écart entre vous et eux augmentera, et non diminuera.

Vous comprenez l’idée. Le point est que l’avantage des agents se cumule, donc vous devez aller plus vite.

Featured image by Sebastien Bonneval on Unsplash