Nadella mise sur des modèles d’IA dix fois moins chers

Josh Bersin avance que les modèles de pointe deviennent progressivement interchangeables dans les entreprises. Dans son analyse publiée le 29 juin 2026, il place le retour sur investissement dans les applications et les données, plutôt que dans le modèle lui-même. OpenAI, Anthropic, Google et Microsoft proposent désormais des modèles de pointe. Des modèles à code ouvert comme GLM, DeepSeek, Kimi, Mistral et Granite d’IBM élargissent aussi l’offre. Cette multiplication invite les acheteurs à traiter l’IA comme un outil de construction de solutions. Bersin compare cette évolution au marché des bases relationnelles, qui s’est déplacé vers les applications à la fin des années 1990.

Les entreprises restent prudentes dans leurs usages concrets. Les recherches de Bersin auprès de plus de 200 entreprises indiquent qu’environ 8 % construisent de véritables applications d’entreprise. Beaucoup achètent plutôt l’IA comme avantage destiné aux salariés, en espérant que des usages utiles apparaîtront. L’auteur cite aussi Galileo, son outil fonctionnant avec Claude et d’autres modèles. Selon son expérience, l’absence de domaine et de problème précis peut transformer l’expérimentation en perte de temps. Une acquisition technologique classique commence pourtant par un besoin, un dossier économique, une sécurité validée avec la direction technique, un soutien des données et un objectif de retour sur investissement clairement défini.

Les prix rapprochent les modèles

Microsoft réduit les coûts avec ses modèles MAI. Satya Nadella a déclaré au Wall Street Journal que ces modèles étaient conçus pour coûter un dixième des offres de pointe. Le Wall Street Journal a également publié deux articles sur les guerres de prix entre acteurs de l’IA. Bersin associe cette pression à un marché où les coûts de changement sont faibles. Il rapporte aussi que l’amélioration des modèles ralentit, selon un graphique consacré à l’évolution des capacités. Cette évolution peut encourager les entreprises à consacrer davantage de temps à la résolution de problèmes, plutôt qu’à l’achat de technologie sans objectif opérationnel défini. Lire l’analyse de Josh Bersin.

Les cas RH demandent des investissements organisationnels plus larges qu’un simple accès à un grand modèle de langage. Pour accélérer le recrutement, des agents et superagents sont proposés par Paradox, Maki, Radancy ou SmartRecruiters. Leur déploiement implique cependant la direction technique et une refonte de l’acquisition des talents. Les centres de services salariés peuvent s’appuyer sur Microsoft Copilot, Workday Sana Core, ServiceNow ou Leena.ai. Ces projets nécessitent une consolidation des politiques, une gouvernance, une gestion des données et une coopération entre fonctions. Pour l’intégration, Rolls-Royce et Lockheed Martin construisent des programmes associant cas d’usage mondiaux, contenus adaptés aux rôles et gouvernance actualisée.

Les applications portent la valeur

Le modèle RH 2030 de Bersin recense environ 130 agents, certains achetables et d’autres constructibles. L’auteur estime que les entreprises devront prioriser les problèmes à traiter, travailler avec la direction technique et préparer les équipes à de nouveaux rôles, compétences et flux de travail. Il présente l’IA d’entreprise comme un processus de réingénierie, plutôt que comme un résultat automatique produit par un modèle. Galileo a nécessité près de quatre années de travail pour modéliser des organisations et résoudre des problèmes de réorganisation, de rémunération et de compétences. Cette construction a reposé sur l’entraînement, les flux de travail et l’exploitation des fonctions du modèle.