Créer une entreprise basée sur l'IA, et pas seulement grâce à l'IA

Toutes les entreprises avec lesquelles je discute ont une stratégie d'IA. La plupart suivent la même stratégie : ajouter un copilote ici, automatiser un flux de travail là, créer un centre d'excellence, mesurer les économies réalisées et annoncer au conseil d'administration que l'adoption de l'IA est en cours.

C'est en cours. Et ce n'est pas suffisant.

Les entreprises qui façonneront la prochaine décennie ne sont pas celles qui ajoutent l'IA à leurs activités existantes. Ce sont celles qui reconstruisent leur modèle économique autour de l'IA, considérée comme une compétence opérationnelle fondamentale. La différence entre ces deux approches est comparable à celle entre installer des panneaux solaires et repenser entièrement le réseau électrique.

La distinction qui compte

La plupart des organisations se posent encore la mauvaise question. Elles se demandent : « Comment utiliser l’IA dans notre entreprise ? » La bonne question est : « Comment devenir une entreprise de l’IA ? »

La différence n'est pas sémantique. Une entreprise dotée d'IA intègre l'intelligence artificielle à ses processus existants. Elle ajoute un chatbot au service client. Elle automatise un rapport auparavant rédigé manuellement. Elle considère l'IA comme une fonctionnalité, gérée par le département informatique, et dont l'impact se mesure à la réduction des coûts. Les gains sont réels, mais progressifs, et plafonnent rapidement.

Une entreprise spécialisée en IA, c'est tout autre chose. Elle reconstruit son modèle opérationnel autour de l'intelligence artificielle comme compétence fondamentale. Elle n'automatise pas les flux de travail existants. Elle s'interroge sur la pertinence même de ces flux de travail lorsque le coût de l'intelligence tend vers zéro. Elle considère les données non comme un sous-produit des opérations, mais comme le carburant d'un système évolutif où chaque nouveau cas d'usage enrichit tous les autres.

Les entreprises qui domineront la prochaine décennie n'ajoutent pas l'IA à leurs processus. Elles se reconstruisent autour d'elle.

Qu'est-ce qui a changé au cours des douze derniers mois ?

Pour comprendre pourquoi cela est important aujourd'hui, il faut comprendre ce qui a changé. Et ce qui a changé, ce n'est pas une seule chose, mais trois choses qui se sont produites simultanément.

Les modèles ont franchi un seuil de qualité que les ingénieurs respectent.

Fin 2025 a marqué un tournant. Lorsque les créateurs de Redis et de Python ont commencé à utiliser publiquement des outils de programmation assistée par l'IA, la culture d'ingénierie a radicalement changé. Auparavant, les ingénieurs expérimentés pouvaient considérer la génération de code par IA comme un simple gadget. Désormais, cette position est devenue plus difficile à défendre. Dans une entreprise que je connais bien, les commits assistés par l'IA représentent aujourd'hui entre 40 et 60 % du code écrit. Leur service d'assurance qualité est passé d'une équipe complète à deux personnes. Le taux d'incidents en production est resté stable.

La trajectoire de Claude en est un bref aperçu. Anthropic a lancé Claude Opus 4 en mai 2025, ouvrant la voie à une nouvelle ère en matière de programmation et de capacités d'agentivité. Opus 4.1 a suivi en août, offrant une mise à jour de précision pour les tâches d'ingénierie concrètes. En novembre, Opus 4.5 reprenait la tête du classement des performances de programmation avec un score de 80,9 % sur SWE-bench Verified. Avec la sortie d'Opus 4.6 en février 2026, le modèle pouvait fonctionner de manière autonome pendant plus de quatorze heures. Une durée suffisante pour qu'une équipe de seize agents Opus 4.6 développe un compilateur C en Rust, capable de compiler le noyau Linux. Gemini de Google a suivi une trajectoire parallèle : Gemini 3 a été lancé avec un raisonnement de pointe, Gemini 3.1 Pro est arrivé en février 2026 en tête sur douze des dix-huit benchmarks suivis, et son prix (deux dollars par million de jetons d'entrée) a rendu l'intelligence artificielle de pointe accessible à un coût abordable.

Il ne s'agit pas d'un simple renouvellement matériel, mais d'un changement de paradigme. Les modèles sont désormais suffisamment performants, abordables et fiables pour que le principal frein à l'IA en entreprise passe définitivement de la capacité à l'organisation.

La couche protocolaire a atteint sa maturité.

Le protocole MCP (Model Context Protocol), initialement une expérimentation interne d'Anthropic, est devenu, selon Jensen Huang de Nvidia, une technologie qui a « complètement révolutionné le paysage de l'IA agentielle ». Google a annoncé le déploiement de serveurs MCP entièrement gérés sur BigQuery, Compute Engine, Kubernetes Engine et Maps. Microsoft a intégré Claude à Microsoft 365 Copilot. D'autres signaux plus généraux le confirment : la récente levée de fonds d'OpenAI a permis à AWS de devenir le distributeur exclusif de sa plateforme d'agents Frontier, un pari structurel sur le passage de l'IA agentielle du stade expérimental à l'infrastructure d'entreprise cette année.

L'importance de ce protocole réside moins dans sa nature même que dans ce qu'il permet : une méthode standardisée permettant aux agents d'IA de découvrir et d'utiliser des outils. Les agents peuvent désormais opérer sur l'ensemble des systèmes d'entreprise sans nécessiter d'intégration spécifique pour chacun d'eux. C'est à ce moment que l'écosystème de l'IA acquiert une modularité comparable à celle qui a fait la puissance du web. Un seul agent peut désormais interroger votre entrepôt de données, consulter votre calendrier, rédiger un message sur Slack et créer un ticket Jira. Non pas parce que quelqu'un a écrit du code pour chacune de ces intégrations, mais parce que les outils s'exposent via un protocole commun que l'agent peut découvrir à l'exécution.

L'Australie, en particulier, a atteint un point d'inflexion

L'Indice économique anthropique, publié cette semaine, révèle que l'Australie utilise Claude à un rythme plus de quatre fois supérieur à ce que sa population laisserait supposer. La Nouvelle-Galles du Sud et le Victoria représentent près de 70 % de l'adoption nationale, un phénomène qui s'explique non pas par la richesse minière ou les dépenses publiques, mais par la forte concentration de professionnels de la finance, des services et des technologies à Sydney et Melbourne. Les utilisateurs australiens répartissent leur utilisation sur un éventail de tâches plus large que la moyenne mondiale : moins de programmation, et davantage de gestion, d'administration et de communication professionnelle.

Le gouvernement australien a signé un protocole d'accord avec Anthropic sur la recherche en matière de sécurité de l'IA et le suivi des données économiques. Dario Amodei a rencontré le Premier ministre à Canberra. Il ne s'agit pas d'une annonce technologique, mais d'un signal structurel indiquant que l'adoption de l'IA dans les entreprises australiennes a franchi un cap : le gouvernement la considère désormais comme un enjeu de politique économique.

L'entreprise sans tête : un modèle pour la construction de l'IA

Si le problème technologique est en grande partie résolu, il reste l'architecture. Non seulement l'architecture logicielle, mais aussi l'architecture du fonctionnement de l'entreprise. Je souhaite décrire une tendance que j'observe se dessiner au sein des organisations qui réussissent cette transition. Je l'appelle l'Entreprise Headless, un terme emprunté au concept de CMS headless qui a révolutionné le développement web il y a une dizaine d'années.

L'intuition originale sans tête

Le CMS headless a séparé le contenu de sa présentation. Au lieu d'un système monolithique gérant à la fois le stockage et l'affichage, l'approche headless a créé une couche de contenu basée sur une API, accessible à n'importe quelle interface utilisateur. Cette séparation des responsabilités a permis une explosion d'innovations dans la diffusion d'expériences numériques.

L'entreprise sans interface applique le même principe aux systèmes CRM, ERP et à tous les autres systèmes d'entreprise qui étaient traditionnellement monolithiques, combinant données, logique et interface en un seul ensemble étroitement couplé.

Pourquoi les ERP et les CRM sont mûrs pour une décomposition

Nous avions déjà évoqué le problème des progiciels de gestion intégrée (ERP) dépendants d'un fournisseur unique en 2018. Les problèmes que nous avions alors identifiés (implémentations complexes, cycles de mise à jour extrêmement lents, dépendance vis-à-vis du fournisseur telle que nous l'avions qualifiée de « syndrome de Stockholm ») persistent. Au contraire, ils se sont aggravés. L'éditeur d'ERP qui a poursuivi ses clients pour avoir connecté Salesforce à leurs données existe toujours. De nombreuses entreprises continuent d'exécuter leurs processus essentiels sur des systèmes conçus à l'époque des vidéoclubs.

Mais un changement fondamental s'est opéré. En 2018, la décomposition d'un ERP monolithique était un programme pluriannuel qui nécessitait le développement d'intégrations sur mesure pour chaque système devant communiquer avec tous les autres. Le coût était prohibitif et le risque énorme. En 2026, grâce aux agents compatibles MCP capables de découvrir et d'orchestrer les outils en temps réel, l'économie de la décomposition a radicalement changé.

Le modèle

Le modèle Headless Enterprise comporte quatre couches :

La couche d'intelligence est au cœur du système. Il ne s'agit pas d'un modèle unique, mais d'une couche de coordination : un orchestrateur qui achemine les décisions vers la combinaison appropriée de modèles, d'outils et d'experts. Elle préserve le contexte des interactions et amplifie l'apprentissage au fil du temps. Chaque décision métier qui transite par la couche d'intelligence la rend plus performante, ce qui améliore la décision suivante. C'est cet effet cumulatif qui distingue une entreprise de l'IA d'une entreprise avec l'IA.

La couche de données considère les données comme un produit, et non comme un sous-produit. Dans un ERP traditionnel, les données sont enfermées dans l'application. Dans l'entreprise headless, elles sont exposées via des API que tout système (y compris les agents d'IA) peut exploiter. La couche de données inclut non seulement les enregistrements transactionnels, mais aussi le contexte sémantique qui leur donne du sens : la nature réelle d'une relation client, l'état d'avancement réel d'un projet, les conséquences indirectes potentielles d'une décision.

La couche de capacités remplace les applications monolithiques par des capacités composables. Au lieu de « notre CRM » ou « notre ERP », l'organisation assemble des capacités (gestion de la relation client, planification des ressources, contrôle financier, gestion des ressources humaines) à partir d'une combinaison de services de pointe, de composants personnalisés et d'agents d'IA. Chaque capacité est accessible via MCP ou des protocoles équivalents. Chacune peut être remplacée, mise à niveau ou étendue indépendamment.

La couche d'expérience est l'interface d'interaction entre les utilisateurs et le système, mais elle n'est plus la seule couche pertinente. Dans une entreprise traditionnelle, l'interface utilisateur est l'application. Dans l'entreprise sans interface (Headless Enterprise), la couche d'expérience est l'un des nombreux consommateurs des couches d'intelligence et de données. Un agent d'IA planifiant une réunion, traitant une facture ou priorisant un ticket d'assistance est également un consommateur. La couche d'expérience devient plus légère et plus adaptative. Elle interroge la couche d'intelligence sur les informations à afficher, au lieu d'intégrer la logique métier de manière rigide dans les formulaires et les flux de travail.

Un exemple pratique

Imaginez ce que cela donne pour une entreprise de services professionnels, une tendance que j'ai pu observer de près.

Dans le modèle traditionnel, le cabinet utilise un CRM pour la gestion des relations clients, un outil de gestion des ressources humaines pour le recrutement, un système de gestion de projet pour la réalisation des missions et un système financier pour la facturation. Chaque outil est une application distincte, avec son propre modèle de données, sa propre interface et son propre cycle de mise à jour. Lorsqu'un associé souhaite savoir s'il peut prendre en charge une nouvelle mission, il doit consulter le CRM pour l'historique du client, le système de gestion des ressources humaines pour vérifier la disponibilité des équipes, le système de gestion de projet pour les engagements en cours et le système financier pour les contraintes budgétaires. En pratique, cela implique de contacter trois personnes et d'attendre deux jours.

Dans l'entreprise sans interface utilisateur, le partenaire pose une question en langage naturel. Un agent d'orchestration interroge la couche de données des quatre domaines via des interfaces compatibles MCP, synthétise le résultat et présente une recommandation. Le raisonnement est exposé, les niveaux de confiance sont explicites et la possibilité d'intervention humaine est toujours offerte. L'agent ne remplace aucun des systèmes sous-jacents. Il remplace le couplage entre eux, qui constituait le véritable problème.

Chez Kablamo, nous avons développé précisément ce type de système pour nos propres opérations. Nos agents internes, basés sur Claude et orchestrés via MCP, couvrent la gestion de la relation client (CRM), les ressources, la gestion de projet, les opérations de contenu, l'analyse des ventes et la planification stratégique des comptes. Il ne s'agit pas d'outils disparates ajoutés aux processus existants, mais bien du tissu opérationnel de l'entreprise. Chacun contribue à l'efficacité des autres grâce à une couche commune d'intelligence et de données.

Le résultat n'est pas un gain d'efficacité marginal, mais une approche fondamentalement différente. Un partenaire préparant une réunion client reçoit un briefing synthétisant les données CRM, les indicateurs de performance des projets récents, les informations concurrentielles et des études de cas pertinentes. Ce briefing est assemblé en quelques minutes, et non en plusieurs jours. Sa qualité s'améliore à chaque interaction, car le système apprend à reconnaître un briefing efficace.

Le paradoxe de l'adoption et le déficit de gouvernance

Si cette architecture est solide, et je le crois, pourquoi son adoption est-elle inégale ? La réponse se trouve dans une observation faite lors de la table ronde de Melbourne : il existe une relation inverse entre les compétences d’une personne dans une discipline donnée et sa volonté d’utiliser l’IA pour l’aider dans cette discipline.

Un ingénieur senior qui utilise Claude pour planifier ses vacances aura des exigences bien différentes dès qu'il s'agira de son propre code. Plus une personne a investi dans la maîtrise d'un domaine, plus ses exigences sont élevées. Ce n'est pas irrationnel ; c'est une réaction raisonnable face à l'incertitude quant à la fiabilité. Mais cela pose un problème spécifique aux organisations menant des programmes de transformation descendants, car les personnes chargées de piloter l'adoption sont précisément celles qui sont les plus susceptibles d'y résister.

Les organisations qui progressent sont celles qui privilégient le bénéfice individuel plutôt que le bénéfice de l'entreprise. L'adoption de l'IA se fait lorsque cela leur est utile, et non lorsqu'elle profite à l'organisation. Le déclic personnel ne se provoque pas ; il se vit.

Et puis il y a la question de la gouvernance. Un participant à la réunion de Melbourne utilisait seize agents d'IA personnels en parallèle de son travail quotidien. Un autre disposait d'un canal Slack dédié aux bots, isolé des canaux humains. Un troisième a soulevé les problèmes de sécurité : les agents peuvent interagir entre eux de manière à créer des vulnérabilités imprévues.

L'analogie retenue par la salle était celle de l'informatique parallèle. Dans les années 1990, chaque service développait sa propre base de données Access, jusqu'à ce qu'un processus critique soit paralysé par le départ de son concepteur. La prolifération des agents suit le même schéma, mais à une vitesse et des enjeux bien plus importants.

Le modèle Headless Enterprise répond directement à cette problématique, car la centralisation des couches d'intelligence et de données crée des limites de gouvernance naturelles. Les agents opèrent dans un cadre qui contrôle les données auxquelles ils peuvent accéder, les actions qu'ils peuvent entreprendre et les situations nécessitant une intervention humaine. Il ne s'agit pas d'une gouvernance imposée a posteriori, mais d'une gouvernance intégrée à l'architecture.

Le problème de la mesure

Lorsque la conversation aborde le retour sur investissement lors de ces réunions, un sujet délicat surgit immanquablement. La plupart des organisations se sont engagées à atteindre des objectifs d'efficacité en matière d'IA. Presque aucune ne dispose d'un point de référence pour les mesurer.

Le conseil d'administration exige une amélioration de la productivité de 50 %. L'équipe d'ingénierie déploie des outils. Mais lors de l'évaluation, personne ne peut démontrer le gain, même si l'équipe est réellement devenue plus productive, faute de cadre de mesure. L'efficacité ainsi constatée tend à créer de la demande plutôt qu'à réduire les coûts. Développer des logiciels plus rapidement génère davantage de demandes clients. Le gain est à la fois réel et invisible.

L’Indice économique anthropique offre le premier cadre empirique à grande échelle pour comprendre ces dynamiques. Ses conclusions, selon lesquelles l’utilisation de l’IA penche à 57 % pour l’augmentation des capacités et à 43 % pour l’automatisation, suggèrent que l’impact économique immédiat consiste davantage à accroître les compétences des travailleurs existants qu’à les remplacer. Les utilisateurs plus expérimentés entreprennent des tâches à plus forte valeur ajoutée et sont plus susceptibles d’obtenir des résultats positifs ; cette courbe d’apprentissage récompense un investissement continu dans l’adoption de l’IA.

Pour les entreprises australiennes en particulier, l'indice révèle un constat instructif : l'usage de l'IA dans le pays est davantage axé sur la gestion, l'administration et la communication professionnelle que sur la programmation pure. Cela suggère que les entreprises australiennes ont déjà bien compris la valeur de l'IA au-delà du simple développement logiciel. C'est précisément ce type d'adoption généralisée qui distingue une entreprise qui maîtrise l'IA d'une entreprise qui s'est contentée de fournir un assistant de programmation à ses développeurs.

Les entreprises qui ne survivront pas

L'idée la plus pertinente de la discussion à Melbourne est apparue lorsqu'une personne a fait remarquer que de nombreuses entreprises n'ont tout simplement plus lieu d'être. Les compagnies ferroviaires ne sont pas devenues des compagnies aériennes. Les détaillants traditionnels n'ont pas créé les boutiques en ligne à succès. Ceux qui comprenaient le mieux l'ancien modèle étaient souvent les plus incapables de s'en détacher.

Une des organisations présentes a reçu pour instruction de son conseil d'administration de réduire ses effectifs de 50 % en cinq ans. Les 5 % initiaux sont faciles à réduire. Les 15 % suivants nécessitent une véritable transformation. Les 30 % restants exigent de repenser l'entreprise en s'appuyant sur des compétences qui ne sont pas encore déployées à grande échelle.

C’est là toute la difficulté que révèle ce point de bascule. La technologie fonctionne. Les protocoles arrivent à maturité. Le contexte économique est favorable. L’intelligence artificielle est disponible à un prix abordable. Ce qui manque encore, c’est la volonté organisationnelle de reconstruire. Non pas d’intégrer l’IA à l’activité existante, mais de restructurer l’entreprise autour de l’intelligence artificielle comme principe directeur.

L'architecture Headless Enterprise est un modèle possible pour y parvenir. MCP et ses successeurs fournissent la couche protocolaire. La génération actuelle de modèles (Claude Opus 4.6, Gemini 3.1 Pro et leurs versions à venir) assure l'intelligence. Le marché australien, avec ses taux d'adoption élevés, la diversité des usages et son cadre de partenariat gouvernemental émergent, offre un contexte particulièrement favorable.

La question n'est pas de savoir si cette transformation aura lieu, mais si vous serez l'acteur de cette transformation ou si vous serez transformé par quelqu'un d'autre.

---

La table ronde Kablamo sur l'IA est un forum privé destiné aux leaders technologiques qui travaillent sur des problématiques concrètes liées à l'adoption de l'IA. La prochaine session aura lieu plus tard en 2026. Si vous souhaitez y participer, contactez-nous.