À mesure que l’IA générative évolue vers l’IA agentique, la décision de construire ou d’acheter est devenue de plus en plus complexe, dépendant de facteurs tels que la taille de l’entreprise, les cas d’usage et les priorités stratégiques.

Les grandes entreprises comme les petites et moyennes entreprises (PME) sont depuis longtemps confrontées à une question fondamentale : faut-il développer les capacités d’IA en interne ou les acheter auprès d’un fournisseur ? Cette décision influence non seulement la manière dont les organisations adoptent la technologie, mais aussi le niveau de rentabilité de leur approche.

Lorsque OpenAI a lancé ChatGPT il y a environ quatre ans et que les entreprises ont commencé à expérimenter l’IA générative, la voie à suivre semblait simple. Acheter des grands modèles de langage auprès d’OpenAI ou d’Anthropic, ou utiliser des modèles open source de Meta, paraissait être un choix sûr pour les organisations qui ne voulaient pas prendre de retard.

Cependant, avec la maturité de l’IA générative et l’adoption croissante de l’IA agentique, le dilemme construire ou acheter est devenu plus nuancé. Contrairement aux outils d’IA générative qui répondent à des requêtes individuelles, les systèmes d’IA agentique sont conçus pour planifier et exécuter de manière autonome des tâches en plusieurs étapes — en interagissant avec des outils externes, des bases de données et des API afin d’accomplir des flux de travail tels que le traitement de dossiers, la gestion des stocks ou la planification. Ce passage de la génération de contenu à l’action autonome introduit de nouvelles exigences en matière de fiabilité, de supervision et d’intégration système que les déploiements d’IA antérieurs n’imposaient pas. Les principaux critères à prendre en compte sont désormais la taille de l’entreprise, les applications spécifiques et ce qu’une entreprise ou une PME considère comme son « moat », c’est-à-dire sa proposition de valeur distinctive qui la différencie et la protège de la concurrence.

Priorité au bon cas d’usage et flexibilité

Pour Home Depot, l’expérience client (CX) figure parmi les éléments les plus essentiels de l’entreprise, a déclaré Ningyu Chen, vice-président senior de la technologie du distributeur, lors d’une session à la conférence Ai4 2026 à Las Vegas.

« Nous ne sous-traiterions jamais cet aspect à d’autres », a déclaré Chen.

Cependant, Home Depot entretient des partenariats avec des fournisseurs majeurs de technologies d’IA, notamment Anthropic, OpenAI, Google et Microsoft — et utilise leurs technologies.

Malgré cela, Chen conseille aux entreprises qui réfléchissent à la question construire ou acheter de se concentrer avant tout sur le bon cas d’usage et de rester flexibles quant aux partenaires et aux fournisseurs choisis.

« Je vais laisser le partenariat très ouvert », a-t-il déclaré dans un entretien avec AI Business. « Nous en sommes encore au début, et beaucoup de choses peuvent se produire. Regardez OpenAI, c’était dominant ; maintenant, ce n’est plus le cas. »

Le paysage des fournisseurs de modèles s’est en effet considérablement diversifié depuis l’arrivée de ChatGPT. Claude d’Anthropic, Gemini de Google, la famille open-weight Llama de Meta, Mistral en France, ainsi que DeepSeek et Moonshot AI en Chine, figurent parmi les alternatives qui se disputent désormais le marché à différents niveaux de performance et à différents prix, offrant aux acheteurs davantage d’options — et davantage de complexité — qu’à n’importe quelle période précédente.

« Il faut avoir une couche d’abstraction pour se protéger de ces changements », a-t-il ajouté.

Santhi Ramesh, CEO et chief AI strategy officer de Future Propel, un cabinet de conseil, a souligné que les entreprises souhaitant construire doivent évaluer avec soin le temps et les ressources humaines qu’elles sont prêtes à investir dans l’intégration de l’IA générative ou agentique à leurs plateformes.

Ramesh, qui a auparavant dirigé des initiatives de transformation IA au sein d’organisations telles que The Hershey Company et Ferrero, la société italienne de chocolat, a déclaré que la décision dépend également de la compétence principale de l’entreprise.

« Si votre cœur de métier n’est pas une entreprise technologique, il vaut mieux s’associer et acheter », a-t-elle déclaré dans un entretien. « Si vous disposez de données sensibles, de besoins importants en matière de sécurité, de volumes massifs de données et d’une solution sur mesure que vous souhaitez, alors vous devez construire vous-même. J’ai fait les deux. »

Ces considérations liées aux données et à la sécurité sont particulièrement importantes dans les secteurs réglementés tels que la santé, les services financiers et l’assurance, où les obligations liées à la localisation des données, à l’auditabilité et à la conformité peuvent limiter l’utilisation de plateformes d’IA tierces.

Pour les entreprises et les PME qui ont besoin de davantage de flexibilité, Ramesh recommande de tester, d’apprendre, puis d’acheter une plateforme ou de s’associer à un fournisseur dans des conditions permettant de mettre fin au partenariat — par exemple après une phase bêta.

Le coût d’acheter ou de construire

Acheter peut conduire à une dette opérationnelle, a averti Rachel Ibarra, vice-présidente data et innovation chez Cardinal Group Companies, une société de gestion immobilière et d’immobilier. Cardinal Group adopte une approche hybride, en déployant un agent IA interne appelé Stan.

Ibarra a déclaré que les entreprises qui hésitent entre développement interne et acquisition externe doivent se demander « à quoi ressemble un système cohérent ».

« Il ne s’agit pas seulement de l’écosystème technologique », a-t-elle déclaré lors d’une intervention à la conférence. « Il s’agit de l’écosystème de fonctionnement de l’organisation. »

Pour les entreprises dont les données constituent un avantage concurrentiel tangible, il peut être préférable de construire, a déclaré Ibarra. Elle a également suggéré que les organisations envisagent de construire lorsqu’elles ont un besoin partiel.

« Donc, vous n’avez besoin que d’une partie de quelque chose de relativement petit [et] davantage tourné vers l’interne, qui vous apporte un fort avantage interne », a-t-elle déclaré dans un entretien. « C’est ce que je qualifierais de plus adapté à la construction pour des entreprises non technologiques qui n’ont pas nécessairement les ressources pour recruter une grande équipe d’ingénieurs. »

L’infrastructure constitue également un point essentiel, a déclaré Markus McKay-Fleisch, directeur de l’activation des services professionnels chez Smartsheet.

« La vraie question pour moi est : pensez-vous disposer de la bonne infrastructure pour construire vous-même ? », a-t-il déclaré dans un entretien. « S’agit-il d’un programme de développement citoyen dans lequel des personnes métiers construisent, et si oui, quels garde-fous mettez-vous en place ? »

Les entreprises doivent également s’assurer de disposer d’une infrastructure d’hébergement solide et de la capacité de maintenir les agents ou systèmes IA lorsqu’ils tombent en panne ou évoluent. Les principaux fournisseurs cloud — AWS, Google Cloud et Microsoft Azure — ont chacun lancé des plateformes d’agents gérés destinées à réduire cette charge, offrant des outils d’orchestration et de déploiement préconfigurés qui se situent entre le développement entièrement sur mesure et les produits prêts à l’emploi.

Par ailleurs, construire un agent ou un système IA nécessite de gérer les subtilités du choix du meilleur modèle d’IA pour chaque cas d’usage.

Phenom est une entreprise de technologies RH et d’IA appliquée qui développe des logiciels pour aider les organisations à recruter des candidats et à développer les compétences.

L’éditeur utilise plusieurs modèles, notamment des modèles ouverts de Mistral ainsi que le modèle Kimi à faible coût du fournisseur chinois Moonshot AI. Selon le CEO Mahe Bayireddi, de nombreuses organisations qui construisent des agents IA ou des systèmes fondés sur des agents doivent parfois changer de modèle selon le cas d’usage approprié. Par exemple, certains modèles conviennent bien aux applications RH, tandis que d’autres sont mieux adaptés à la finance.

Les entreprises ne « comprennent pas les subtilités qui permettent de changer, non pas au niveau de votre entreprise, mais au niveau du secteur », a déclaré Bayireddi. « Vos modèles changeront à la volée. »

Just a Bite Better

Steve Toy, fondateur et créateur de Just a Bite Better, une application d’IA dédiée à la nutrition, a choisi de construire des agents IA directement dans son application plutôt que d’acheter un système pour les mettre en œuvre. L’application utilise plusieurs agents travaillant ensemble pour offrir aux consommateurs une vue d’ensemble de leur nutrition.

« Nous n’utilisons aucun fournisseur unique ni aucun modèle unique », a déclaré Toy dans un entretien. « Nous avons construit notre propre jardin de modèles, si vous voulez, qui n’est rien d’autre que le code qui accède aux API de tout cela. »

Pour Toy, la décision de construire plutôt que d’acheter ou d’utiliser un jardin de modèles de Google, AWS ou Microsoft est motivée par ses compétences techniques et par la nature spécifique de son application métier.

« Je ne gère pas de transferts d’argent importants dans tous les sens », a-t-il déclaré, ajoutant que les consommateurs paient l’application via Apple, Google ou Stripe. En outre, les consommateurs peuvent supprimer toute information personnellement identifiable, et leurs données sont encodées de manière à ne pas désigner une personne spécifique.

« Nous avons, à bien des égards, des enjeux limités, alors qu’IBM et PayPal doivent se soucier d’autres choses », a déclaré Toy.

Il a ajouté que, pour les entreprises qui évaluent encore s’il faut acheter ou construire, il vaut mieux savoir précisément ce qu’elles doivent acheter, en particulier dans un marché saturé de fournisseurs, produits et services d’IA.

« Pour comprendre comment acheter, vous devez savoir quel problème vous essayez de résoudre et vous rappeler que toute entreprise se décompose en plusieurs parties », a-t-il déclaré. « Quand vous achetez, vous achetez pour résoudre un problème, une partie de votre entreprise. »

Construire peut toutefois aider à maîtriser les coûts, a ajouté Toy. Pour Just a Bite Better, il a mis en place un système qui fixe un plafond strict au nombre de tokens ou au coût que chaque modèle peut utiliser chaque mois.

« C’est ainsi que vous pouvez éviter une catastrophe, et c’est vraiment important parce qu’il est très facile de se réveiller un matin et de découvrir une facture de 50,000 dollars », a déclaré Toy.