Lors du dernier Web Summit, réunis autour de Mike Butcher, les dirigeants de trois poids lourds du secteur — Anu Bharadwaj (Présidente d'Atlassian), Jesse Zhang (PDG de Decagon) et Timothy Young (PDG de Jasper) — ont dressé un constat lucide : si 95 % des entreprises expérimentent l'IA, une infime minorité parvient à la mettre en production avec un retour sur investissement tangible.

Pourquoi ce gouffre entre la démonstration et la réalité ? La réponse réside dans une transition complexe : passer d'un outil gadget à une infrastructure d'entreprise fiable, sécurisée et "ancrée" dans le réel. Voici une analyse détaillée de leur vision pour franchir ce cap.

________________________________________

1. Le piège du "scénario idéal" face à la réalité du terrain

Jesse Zhang (Decagon) a souligné une différence fondamentale entre une présentation commerciale et un produit réel. Une démonstration suit toujours ce que l'on appelle le "scénario idéal" (ou chemin nominal) : le cas parfait où l'utilisateur pose la bonne question et où l'IA a la réponse exacte.

"Dans une démonstration, l'IA fonctionne 100 % du temps. En production, le défi n'est pas de gérer les cas simples, mais les 10 % d'exceptions, les cas limites et les données ambiguës. C'est là que les projets s'effondrent." — Jesse Zhang, Decagon

Le véritable enjeu technique n'est plus la génération de texte, mais la gestion de l'incertitude. Pour passer à l'échelle, l'entreprise ne doit pas chercher l'effet de surprise, mais la fiabilité sur ces cas particuliers. C'est la différence entre un assistant virtuel qui invente une politique de remboursement et un agent intelligent qui sait quand transmettre une demande complexe à un humain.

________________________________________

2. L'architecture de la confiance :
ancrage et droits d'accès

C'est le point central soulevé par Anu Bharadwaj d'Atlassian. La principale barrière à l'adoption n'est pas la capacité du modèle, mais la confiance dans la donnée qu'il manipule.

Le défi de l'ancrage

Pour qu'une IA soit utile en entreprise, elle ne doit pas se baser uniquement sur ses connaissances générales, mais être strictement "ancrée" dans la réalité unique de l'entreprise.

La sécurité par la conception

L'IA ne peut pas être un administrateur global ayant accès à tout.

  • Si je demande : "Quels sont les projets en cours ?", l'IA doit répondre uniquement en fonction de mes droits d'accès.
  • Elle ne doit pas résumer un document RH confidentiel ou une stratégie financière que je n'ai pas le droit de consulter.

"Si vous ne pouvez pas garantir que l'IA respecte les mêmes règles de confidentialité que vos employés, vous ne la déploierez jamais à grande échelle." — Anu Bharadwaj, Atlassian

________________________________________

3. L'ère des agents superviseurs :
quand l'IA contrôle l'IA

Comment garantir qu'une intelligence artificielle ne dise pas n'importe quoi à un client important ? La réponse de Jesse Zhang préfigure l'avenir du développement logiciel : l'architecture multi-modèles.

Nous ne sommes plus à l'ère d'un modèle unique qui fait tout. L'approche moderne consiste à créer des systèmes de vérification contradictoire :

  1. Un premier modèle génère une réponse ou une action.
  2. Un second modèle, spécifiquement entraîné pour la supervision, analyse cette réponse pour détecter les erreurs, le ton inapproprié ou les fausses informations.
  3. Si le niveau de confiance n'est pas atteint, l'agent ne répond pas et passe la main.

C'est cette couche de supervision automatisée qui permet à de grandes entreprises de déployer l'IA face aux clients sans surveillance humaine constante.

________________________________________

4. La mutation des compétences :
du marketing à l'ingénierie

Timothy Young (Jasper) a apporté une vision organisationnelle cruciale. L'IA générative a transformé la nature même des départements créatifs.

"Les équipes marketing ne cherchent plus seulement des rédacteurs. Elles recrutent désormais des profils techniques capables de comprendre les flux de données et les connexions entre applications." — Timothy Young, Jasper

Pourquoi ? Parce que l'échelle a changé. Une grande plateforme de commerce en ligne ne rédige plus 50 fiches produits. Elle gère un écosystème de contenu où l'IA doit mettre à jour 10 000 descriptions et images en temps réel pour s'aligner sur une tendance. Ce n'est plus de la rédaction, c'est de l'orchestration de contenu. Les frontières traditionnelles entre la technique et le commerce sont en train de disparaître.

________________________________________

Conclusion :
vers une interface en langage naturel

La vision finale partagée par cette table ronde est celle d'un changement de paradigme dans notre rapport au logiciel. Jusqu'à présent, nous utilisions des outils complexes via des clics, des menus et des configurations manuelles fastidieuses.

Demain, la configuration se fera en langage naturel. Nous ne paramétrerons plus un flux de travail en cochant des cases, nous expliquerons simplement à l'agent ce que nous voulons accomplir. Le logiciel devient fluide, adaptatif et accessible à tous.

Pour réussir ce voyage "des démonstrations au déploiement", les entreprises doivent arrêter de chercher la "solution miracle". Elles doivent construire des infrastructures de données solides, définir des permissions strictes et accepter que l'IA n'est pas un projet informatique de plus, mais une refonte complète de leur manière de travailler.