Tech • IA • Crypto
10 fondateurs IA : leurs paris pour 2026 et leurs peurs !
7/10INTRO
Les leaders technologiques européens avertissent que la souveraineté des données, le contrôle de l’IA en entreprise et l’évolution de l’économie du cloud deviennent des facteurs décisifs de la compétitivité mondiale.
POINTS CLÉS
Positionnement mondial de Scality
L’entreprise française de stockage de données Scality, fondée il y a 15 ans avec des racines à Paris, San Francisco et Tokyo, est devenue un leader mondial au service d’infrastructures critiques. Elle gère les données de gouvernements dans 35 pays, de grands hôpitaux et de 15 des plus grandes banques mondiales, où une panne pourrait interrompre des opérations chirurgicales ou financières. Sa technologie soutient aussi Iron Cloud d’Iron Mountain aux États-Unis.
Déficit de souveraineté européenne
Malgré de solides capacités, les entreprises européennes peinent à obtenir des contrats publics domestiques. Contrairement aux États-Unis, avec des mécanismes comme le Small Business Act, ou à des pays comme l’Inde et l’Arabie saoudite qui favorisent la production locale, l’Europe manque de politique industrielle coordonnée. Les acheteurs publics supposent souvent que des contrats attribués à des intégrateurs comme Capgemini ou Atos soutiennent l’écosystème local, même si les technologies sous-jacentes proviennent de IBM ou Dell.
Coûts et rapatriement du cloud
Scality affirme que ses solutions de stockage défini par logiciel sont environ 30 % moins chères que les tarifs négociés des hyperscalers. Cet écart pousse les grandes entreprises à s’éloigner des modèles de cloud entièrement externalisés. Si les PME restent dépendantes des hyperscalers, les grandes organisations explorent des stratégies hybrides ou de rapatriement pour reprendre le contrôle et réduire les coûts.
L’IA comme transformation systémique
L’intelligence artificielle est décrite comme une rupture comparable à l’internet et à l’informatique mobile, avec des implications profondes pour les comportements sociaux et les structures économiques. Au-delà des gains de productivité, elle redéfinit les interactions, la prise de décision et l’organisation du travail. Ses effets sociétaux à long terme restent incertains, rappelant les sous-estimations passées de l’impact des réseaux sociaux.
Contrôle de l’IA en entreprise
Les entreprises craignent de perdre le contrôle de leurs connaissances internes en utilisant des plateformes d’IA externes. Des acteurs comme Glean soulignent l’importance de conserver la propriété de la « mémoire organisationnelle » (processus, expertise, modes de décision). Ces données sont un actif stratégique qui doit rester sous contrôle interne plutôt que d’être intégré à des modèles tiers.
Montée des agents IA spécialisés
Une transition s’opère des outils généralistes vers des agents spécialisés intégrés aux processus métier. Ils automatisent des fonctions comme la revue de contrats, le support client ou les ventes, améliorant fortement la productivité. Leur efficacité dépend moins du modèle que de l’accès aux données propriétaires et au contexte de l’entreprise.
Commoditisation des modèles d’IA
À mesure que les modèles fondamentaux deviennent accessibles, la différenciation se déplace vers les données, l’orchestration et l’intégration. Les entreprises qui contrôlent des jeux de données et des flux de travail uniques conservent un avantage, tandis que l’usage de modèles externes identiques homogénéise les résultats.
Fragmentation géopolitique de l’IA
L’accès aux modèles avancés est de plus en plus conditionné par des contraintes géopolitiques. Certains systèmes sont limités à des nationalités ou régions, renforçant les dépendances technologiques. Parallèlement, les modèles chinois à poids ouverts gagnent du terrain, remettant en cause la domination occidentale.
Nouvelle logique économique du logiciel
L’essor de l’IA transforme les modèles de valorisation du logiciel. Les indicateurs classiques cèdent la place à la capacité d’adaptation et de survie à long terme. Des entreprises comme Datadog, Snowflake et Figma se repositionnent comme des couches d’infrastructure au sein des écosystèmes d’IA, plutôt que comme des applications isolées.
Retour de l’infrastructure sur site
Un retour partiel vers des infrastructures sur site ou dédiées émerge, surtout pour les charges IA nécessitant des GPU intensifs et beaucoup d’énergie. Plutôt que des centres internes classiques, les entreprises devraient louer des environnements privés dédiés combinant matériel, énergie et stockage tout en gardant le contrôle opérationnel.
CONCLUSION
Le contrôle des données, des infrastructures et des capacités d’IA propres aux entreprises devient central dans la puissance économique, tandis que l’Europe fait face à des défis structurels pour affirmer sa souveraineté technologique dans une compétition mondiale accrue.