Selon un dirigeant de Dataiku, les entreprises qui espèrent suivre le rythme rapide du développement de l'IA doivent avoir une compréhension approfondie de leurs propres processus métier — ainsi que de la flexibilité dans les modèles et les agents qu'elles déploient.

L'IA générative et agentique est largement utilisée par les entreprises depuis plusieurs années. Pourtant, tout comme au début de l'essor de l'IA qui a suivi la publication de ChatGPT par OpenAI en 2022, la vitesse de développement de la technologie ne semble pas avoir été suivie par l'adoption. L'attention étant désormais fixée sur le coût de l'utilisation de l'IA, les entreprises sont contraintes d'examiner sérieusement la manière dont elles appliquent l'IA générative et de s'assurer qu'elles en tirent de la valeur.

Un changement a toutefois commencé récemment, alors que les entreprises ont atténué leur scepticisme quant à la manière dont la technologie de l'IA générative et agentique pourrait les aider. Elles ont ressenti un besoin pressant de mettre en œuvre la technologie à la lumière du phénomène de l'agent personnel open source OpenClaw, de la publication par Anthropic de Claude Cowork, adaptable par domaine, et des puissants modèles Mythos, ainsi que de l'appel du PDG de Nvidia, Jensen Huang, à embrasser une « stratégie OpenClaw ».

Dans un entretien accordé plus tôt ce mois-ci lors de la conférence Ai4 2026 à Las Vegas, Jed Dougherty, senior vice president de l'IA et de la plateforme chez Dataiku, fournisseur de plateformes d'IA et de machine learning pour entreprises, a évoqué les obstacles auxquels les entreprises sont confrontées en matière d'autonomie agentique et de choix des bons modèles ou agents. Selon lui, quelle que soit la marque d'IA choisie par une entreprise, elle doit la gérer de manière à ce qu'elle fonctionne pour son organisation. Dataiku, fondée en 2013 et valorisée à 3,7 milliards de dollars lors de son tour de financement de 2022, vend une plateforme centralisée pour construire, déployer et gouverner l'IA d'entreprise — un positionnement qui s'aligne sur son plaidoyer en faveur d'une couche d'orchestration centralisée et agnostique.

Les entreprises doivent-elles désormais accepter pleinement l'autonomie des agents d'IA, compte tenu du succès d'OpenClaw, ou faut-il encore davantage de supervision humaine ?

Dougherty : Le besoin d'un guidage humain subsiste. Les gains et les succès les plus importants observés lors de l'utilisation d'agents se trouvent toujours dans les entreprises où des humains restent dans la boucle. Chaque entreprise doit disposer d'une stratégie pour identifier ce qui peut être entièrement transféré à des systèmes totalement autonomes. Il est important d'identifier quelles politiques et quels processus au sein de votre organisation peuvent être autonomisés, ou quels sous-ensembles pourraient l'être.

Sa prudence fait écho aux recherches du secteur : Gartner prévoit que plus de 40 % des projets d'IA agentique seront annulés d'ici fin 2027 après l'échec des preuves de concept, invoquant des coûts croissants, une valeur métier peu claire et des contrôles de risques insuffisants.

Quel rôle jouent les FDE, ou ingénieurs déployés sur le terrain, dans l'adoption des technologies d'IA par les entreprises ?

Dougherty : Nous avons investi beaucoup de temps et d'argent pour recruter et constituer une solide équipe d'ingénieurs déployés sur le terrain avec laquelle nous aidons nos clients. C'est très important. Par exemple, j'aidais un client. Nous essayions de construire des sites web relativement simples. Je n'avais pas anticipé le nombre de petits obstacles techniques que je tiens totalement pour acquis parce que je les accomplis chaque jour, et qui bloquent les gens sur place ou ralentissent considérablement le premier point auquel un site web pourrait être déployé. Avoir un ingénieur déployé sur le terrain qui sait gérer les aspects simples de l'infrastructure reste précieux.

Le modèle d'ingénierie déployée sur le terrain a été popularisé par Palantir et s'est depuis répandu dans le paysage des fournisseurs d'IA, ceux-ci s'efforçant de traduire les capacités de laboratoire en déploiements d'entreprise fonctionnels.

Dans quelle mesure les experts sont-ils nécessaires pour faire fonctionner l'IA agentique ? Et diriez-vous que les fournisseurs se sont trompés dans leur discours au début de l'utilisation généralisée de l'IA générative, en tentant de la présenter comme un outil ne nécessitant pas d'experts ?

Dougherty : Je ne pense pas. L'IA est une technologie toute nouvelle. Il y a quatre ans, les gens étaient plutôt doués pour le libre-service en machine learning parce qu'ils le pratiquaient depuis 10 ans. Aujourd'hui, avec de nouvelles capacités d'agents qui se répandent partout, les fournisseurs doivent consacrer un peu de temps à aider les gens à franchir cet obstacle initial. Dans un an ou deux, à mesure que davantage de personnes auront touché la technologie et s'y seront habituées, je ne pense pas qu'un niveau d'accompagnement pratique aussi élevé sera nécessaire. Mais en ce moment, lorsque j'essaie d'expliquer à quelqu'un qui n'a jamais touché un agent ni construit un agent auparavant, il est simplement utile d'avoir un expert comme intermédiaire. Les capacités de transformation des entreprises qu'offrent des agents structurés reproduisant de grandes parties de vos pipelines métier sont relativement complexes.

Quel est le meilleur cas d'usage de l'IA agentique pour transformer les entreprises ?

Dougherty : Une entreprise doit se connaître elle-même avant de pouvoir identifier le meilleur cas d'usage. Le meilleur cas d'usage de l'IA agentique dans toute entreprise est son processus fondamental. Prenons l'exemple des assurances. Une demande d'indemnisation arrive, et un certain traitement est effectué sur cette demande. Une enquête doit être menée sur cette demande. Une décision est prise sur le paiement ou non de cette demande d'indemnisation. Il y a probablement un audit. Peut-être informera-t-on l'équipe juridique. Ainsi, la partie fondamentale du métier de l'assurance consiste à décider comment et s'il faut payer les demandes d'indemnisation, et s'il faut continuer à travailler avec ce client. Plus une compagnie d'assurance est capable de décrire, dès maintenant, comment elle procède sans IA générative, mieux elle pourra comprendre quels sous-ensembles de ce processus de règlement des demandes d'indemnisation peuvent ensuite être reproduits ou renforcés par l'IA agentique.

Les entreprises connaissent parfois leur valeur métier, mais se trouvent face à une multitude d'options. Comment peuvent-elles choisir le fournisseur avec qui s'associer ?

Dougherty : Un travail optimal avec les données en machine learning et désormais en IA signifie choisir le bon sous-outil pour la bonne tâche et pouvoir l'échanger ou l'ajuster facilement. Parfois, Snowflake est la meilleure base de données, et parfois non. Parfois, OpenAI est la meilleure option, et parfois un modèle sur site est la meilleure option pour des données très sensibles ou pour surveiller les coûts. Disposer d'une couche d'orchestration, d'une plateforme qui permet de combiner ces différents outils sous-jacents de manière sûre, contrôlée et gouvernée — voilà le socle. Il vous faut une couche d'orchestration centralisée et agnostique qui permet de choisir facilement le bon outil pour la bonne tâche.

Comment les entreprises peuvent-elles gérer le coût croissant de l'utilisation de l'IA ?

Dougherty : Je le compare au choc de la facture du cloud que les gens ont ressenti au début de l'ère du cloud, lorsqu'ils ont tout migré vers AWS puis ont reçu une facture massive l'année suivante. Cela va se produire d'ici 2027, à mesure que davantage de personnes commenceront à utiliser l'IA générative. Il m'est facile de consommer pour 1 000 dollars de jetons par jour lorsque je travaille intensément sur quelque chose, et ce n'est pas bon marché. Je pense qu'il y aura une certaine résistance à ce sujet, mais c'est aussi incroyablement précieux. Entre de bonnes mains, les choses que l'on peut construire — moi, je peux les construire en une journée ou en deux mois. Rien ne peut remplacer cela. C'est pourquoi il est très important de ne pas avoir un seul agent qui effectue toutes les tâches. Il faut les décomposer en autant de petites étapes que possible. L'autre point à surveiller dans la gestion des coûts est de rester ouvert aux évolutions du marché. Se tenir informé du marché, quant aux meilleurs modèles de fondation et aux niveaux de prix, fait réellement une différence radicale, potentiellement dans la gestion de vos coûts. Pouvoir passer de l'un à l'autre est crucial.

La dynamique qu'il décrit a un précédent du côté du cloud, où le FinOps — désormais une discipline formelle dotée de sa propre fondation professionnelle — a pris forme après que les entreprises frappées par les premières factures du cloud ont mis en place des processus dédiés au suivi et à la gouvernance des dépenses.

Qu'en est-il des modèles ouverts de Alibaba, de DeepSeek et d'autres fournisseurs chinois ? Comment les entreprises devraient-elles réagir à cette tendance ?

Dougherty : Ils sont excellents. Nous constatons que de nombreux fournisseurs tiers proposent ces modèles chinois tiers ou d'autres modèles open source, en les offrant à un prix très compétitif. Vous pouvez absolument intégrer des modèles open source tiers et économiser beaucoup d'argent. En outre, ils dépendent essentiellement des capacités.

À mesure que les agents se multiplient au sein d'une organisation, leur gestion deviendra beaucoup plus critique, a déclaré Dougherty. « L'IA conversationnelle et l'utilisation de l'IA pour développer des applications sont là pour rester. Tout le monde va construire ce genre de choses. Nous devons déterminer ce qui fonctionne et ce qui ne fonctionne pas. »

Note de la rédaction : cet entretien a été modifié pour des raisons de clarté et de concision.

Source : AI Business