Cas d'usage

Cet article (Will AI eat software?) est destiné aux investisseurs. Il évoque l'érosion inéluctable des avantages concurrentiels acquis et la nécessité de parfois reconstruire les systèmes à partir de « zéro », pour rester compétitif. Et de placer les agents au cœur des nouveaux systèmes. Rappelons ici qu'ils peuvent aussi être utilisés comme de nouveaux services, sur leur propre backend, mais en périphérie de l'existant. Si cela ne pénalise pas la performance, cette approche peut être plus pragmatique dans un premier temps.

Ce rapport propose des projections de croissance basées sur des documents d'entreprises analysés jusqu'en mai 2025. Il s'agit d'un document de pointe conçu pour alors recruter des entreprises de service et cabinets de conseil comme « intégrateurs systèmes » au sein de l'écosystème Google. Ces sociétés y sont confortées dans la nécessité de faire évoluer leur mode de facturation, et leur business model vers la conception de briques de propriété intellectuelle, plus près de la couche applicative (bibliothèques d'agents, connecteurs et data, méthodologie de design, marketplaces). 30 cas d'usage sont donnés pour six industries (tech, TMEG, financial services, insurance, auto, industrial, public sector, healthcare, life sciences, retail, CPG). Alors que l'industrie du SaaS (dont les interfaces deviennent obsolètes et gênantes) est disruptée par l'efficacité sans comparaison des agents, les sociétés de services deviendront-elles un jour des studios de design affiliés ? Cette étude intègre : • une méthodologie claire et des projections relatives aux fonctions exposées et au marché de l'IA agentique, • une séparation des marchés de la couche applicative et des services (avec une incertitude tout de même élevée sur cette dernière).

OpenAI choisit le concept de « Self-serve AI ». OpenAI mise sur le fait que les employés, formés à « six primitives » (tâches atomiques), vont créer eux-mêmes leurs cas d'usage. Là où Google voit un besoin d'intégrateurs, OpenAI voit un besoin de formation interne. Leur rapport est un manifeste pour l'autonomie et l'adoption horizontale (« Teaching your teams »). Leur but est de rendre l'IA si simple que l'utilisateur final devient son propre développeur. C'est une vision bottom-up et produit. Entraînement de modèles et systèmes agentiques sont proposés par la firme avec une ergonomie réussie. Ils ont une crédibilité indéniable, mais cela reste du shadow IA : facilité de court terme à laisser les collaborateurs utiliser l'IA sans la vision globale, à expérimenter, qui crée une dépendance aux modèles propriétaires (vendor lock-in) et à l'écosystème, puis expose à la dérive des coûts. Sans résoudre les questions de confidentialité ni celle des performances, toujours bridées puisque génériques.

Seulement 20 ou 25 % des leaders ont une idée de comment l'IA peut améliorer leur ROI. Les cas d'usage répertoriés de l'industrie sont donc à parcourir pour s'en inspirer, mais ils nécessitent une validation pointue couvrant vos spécificités et l'ensemble des problématiques, comme nous souhaitons le faire au cours de nos audits. La valeur de plus en plus évoquée se situe dans l'innovation, plutôt que l'optimisation (et dans le but de croître). En réalité, beaucoup d'entreprises débutent en production et n'ont même pas encore décidé si leurs process actuels devaient évoluer ou se transformer (voir Vos process). Un studio IA est une structure idéale pour innover : nos méthodes de développement rapide (révolutionnées elles aussi par l'IA !) vous permettent de valider, sans plus tarder, toutes les idées déjà évoquées par vos équipes. Là aussi, un audit adapté doit être fait, afin de vous confronter et de vous conseiller, avant de démarrer.

Environ 200 cas d'usage dans ce rapport, pour six industries : consumer, energy, resources & industrials, financial services, government & public services, life sciences & health care, technology, media & telecom.

75 cas d'usage couvrant : insurance, government, finance, education, private lending, banking, industrials. Un contributeur LinkedIn a mentionné ce rapport en pointant qu'il omettait systématiquement des questions telles que les autorisations, la délégation aux agents et la définition de cas limites appelant une intervention humaine. Notre studio intègre des solutions HIL (human-in-the-loop), des mécanismes exhaustifs de traçabilité, d'explicabilité et place votre expertise métier et votre besoin de contrôle au cœur des systèmes. Le tout en dépassant les attentes réglementaires (voir Market fit). Les systèmes décrits ici sont un bon point de départ cependant. Leur expressivité limitée peut être suffisante dans les cas simples (c'est le positionnement des agences IA).

Le rapport identifie que si 88 % des entreprises utilisent l'IA, seules 39 % constatent un impact réel sur leur résultat net (EBIT). Ce décalage provient de plusieurs facteurs : l'absence de refonte des processus, le manque d'engagement des leaders, le focus exclusif sur les coûts. D'après nous, les conclusions souffrent de ce que les calculs de ROI et la question des emplois sont encore trop sensibles. L'étude a porté sur 2 000 participants dans une centaine de pays à l'été 2025. Le taux d'entreprises ayant alors déployé des agents IA était quasiment nul, un an après la sortie des premiers frameworks sérieux.