tanaonte - stock.adobe.com

IA : la dépendance en accéléré (étude)

Le baromètre de la résilience numérique du bureau d’étude Tercio estime que de nouvelles lignes de faiblesses, semblables à celles du cloud, mais liées à l’IA, apparaissent dans les organisations. Pour les colmater, les stratégies d’indépendances seraient encore balbutiantes.

L’intelligence artificielle a reproduit en seulement quelques mois les dépendances que le cloud avait mis dix ans à installer. Accès coupés, budgets dépassés, concentration du marché des LLMs entre les mains d’une poignée de grands acteurs ou encore bascule d’un modèle à un autre qui n’a jamais vraiment été testée : un rapport du bureau d’étude Tercio confirme que ces nouvelles lignes de faiblesses sont bel et bien présentes dans les entreprises. Et qu’elles en rappellent d’autres.

Le précédent du cloud

Car le cloud a déjà appris à l’Europe les problèmes que peut causer la concentration. En 2024, les organisations du Vieux Continent ont versé 330 Md€ à des fournisseurs américains de cloud et de logiciels, soit 83 % de leurs dépenses, selon Asterès pour le Cigref.

L’IA est en train de rejouer la même pièce, en plus rapide et sur une suite de briques techniques qui va du composant hardware au modèle en passant par la plateforme.

Pour Tercio, l’industrialisation de l’IA peut donc tout aussi bien renforcer la résilience des organisations grâce à ses bénéfices, que démultiplier leurs risques.

Dix-huit jours sans modèles

Le premier de ces risques est géopolitique. Le « baromètre de la résilience numérique » rappelle par exemple qu’en 2026, plusieurs modèles de pointe ont vu leurs accès restreints, voire suspendus, sur décision administrative américaine.

Il n’y a eu ni panne ni litige commercial. Mais cette leçon prouve que le danger ne vient pas forcément du fournisseur.

Elle aurait aussi montré que les plans de continuité – qui consiste à basculer d’un modèle d’IA à un autre – ne sont pas encore prêts pour ce type de scénario.

Certes, la suspension de Fable 5 et Mythos 5 semble avoir laissé des traces. Interrogés par Dataiku sur cet épisode, 75 % des DSI disent qu’ils prévoient d’utiliser plus de modèles et 74 % comptent se tourner vers l’open weight.

Mais Tercio estime que si ces plans couvrent bien la panne technique, ils couvrent rarement l’arrêt d’un service par son fournisseur.

Uber brule son budget en quatre mois

Le deuxième risque est économique. Chez Uber, le budget annuel alloué à l’IA pour les développeurs, facturée au token, a été consommé en quatre mois. Il n’est pas le seul exemple de tokenmaxxing. Selon l’étude de Dataiku, à peine 21 % des DSI disposeraient d’une visibilité complète et temps réel sur les coûts générés par leurs agents, ventilés par équipe ou par cas d’usage.

Mais Uber en est certainement un des exemples les plus intéressants dans la mesure où, enthousiaste au début, il se demande à présent si cela en valait réellement la peine.

Car de l’autre côté de l’équation, la valeur reste souvent difficile à démontrer. Une étude (« GenAI Divide ») du MIT estimait en 2025 que 95 % des organisations n’ont pas tiré de bénéfices mesurables de leurs initiatives d’IA générative, malgré 30 à 40 Md $ investis. Un point, néanmoins, qui est nuancé par d'autres études comme celle d'Oxford Economics qui voit des bénéfices dans la prise de décision et le CX, ou par des experts comme Stéphane Roder (Wavestone) qui rappelle que des banques américaines ont concrétisé des gains de productivité.

Multi-modèle, inférence maison, rapatriement

Face à ces risques, de bonnes pratiques commencent à émerger.

Sur l’indépendance, le fonds d’investissement a16z, d’Andreessen Horowitz, constate que 81 % des grandes entreprises du Global 2000 utilisent au moins trois familles différentes de modèles en test ou en production (contre 68 % un an plus tôt). De même, l’éditeur F5 évalue à 78 % les organisations qui, aujourd’hui, gèrent elles-mêmes l’inférence de leurs modèles.

Toujours dans cette idée de maîtrise, une étude de Cloudera estime que deux tiers des groupes (1 500 architectes interrogés dans neuf pays) ont rapatrié des workloads IA qui tournaient dans des clouds publics soit vers des clouds privés, soit on prem.

Mais la maturité de ces stratégies n’est pas encore totale. Toujours selon Cloudera, 95 % des organisations ont retardé ou annulé des projets d’IA pour des raisons de gouvernance, de continuité ou de conformité.

Les alternatives européennes restent des alternatives

Tercio a interrogé des organisations de l’énergie, du transport et de l’assurance. Le constat est connu. Mais il se confirme. Six actifs critiques sur dix de ces entreprises dépendent de fournisseurs extra-européens, quand bien même les données sont localisées en France (ou en Europe).

Pour l’IA, les premiers usages se déploient sans que l’on sache précisément chez qui tournent les modèles. Ni, donc, comment en changer.

Pourtant, l’Europe n’est pas sans alternative. Mistral AI comptabilisait 400 M$ de revenu annualisé (ARR) début 2026 et vise le milliard d’ici 2027. C’est vingt fois plus qu’il y a un an. Mais une goutte d’eau face aux géants américains dont les chiffres d’affaires se comptent en dizaines de milliards de dollars.

L’histoire du cloud semble donc se répéter. Une histoire où, malgré la montée en puissance d’acteurs comme OVHcloud (1,08 Md€ de chiffre d’affaires) ou de Schwarz Digits (2,2 Md€), les Européens ne pèsent plus que 15 % du marché.

Pour approfondir sur Réglementations et Souveraineté