Points clés à retenir :
L'avenir de l'entreprise dépend de la construction de boucles d'apprentissage en IA, et non du choix du meilleur modèle de fondation, soutient le PDG de Microsoft.
Satya Nadella veut que chaque entreprise construise son propre modèle d'IA. Dans un entretien publié vendredi, le directeur général de Microsoft a déclaré au cofondateur d'Applied Compute, Yash Patil, que les organisations devraient créer des modèles adaptés à leurs données et à leur contexte commercial uniques, avertissant que se fier à une poignée de fournisseurs d'IA de pointe revient à externaliser la capacité d'apprentissage d'une entreprise.
« Mon raisonnement est simple : il devrait y avoir autant de modèles dans le monde que d'entreprises dans le monde », a déclaré Nadella. « Car après tout, qu'est-ce qu'une entreprise ? Une entreprise est un système d'apprentissage. »
Ces propos constituent l'une des articulations les plus claires de Nadella sur la stratégie d'IA en entreprise. Microsoft a de plus en plus adopté une approche multi-modèles via Azure AI Foundry, qui héberge des modèles d'OpenAI, DeepSeek, Cohere et d'autres, plutôt que de s'appuyer uniquement sur son partenariat de 13 milliards de dollars avec OpenAI. Amazon a suivi une voie similaire avec Bedrock, tandis que Google Cloud propose des modèles tiers et propriétaires aux côtés de Gemini.
« Vous pouvez toujours acheter un outil, vous pouvez même externaliser une tâche ou même un emploi, mais vous ne pouvez pas externaliser votre apprentissage », a déclaré Nadella. « Si vous externalisez votre apprentissage, alors pourquoi exister ? »
La boucle d'apprentissage, pas le modèle
Dans un essai séparé publié sur X, Nadella a soutenu que la véritable opportunité ne réside pas dans le choix du meilleur modèle, mais dans la construction de ce qu'il appelle une « boucle d'apprentissage » où le capital humain et le capital token s'accumulent au fil du temps. L'actif durable, selon lui, n'est pas le modèle lui-même mais le système qui l'entoure — un système qui conserve ce qu'il a appelé l'expertise de « vétéran de l'entreprise » même lorsque le modèle sous-jacent est remplacé.
Cela marque une rupture avec les deux dernières années d'IA en entreprise, où les discussions étaient centrées sur les capacités des modèles : quel modèle raisonne le mieux, lequel écrit le meilleur code, lequel domine les classements de référence. Alors que les modèles de pointe d'OpenAI, Anthropic, Google et Meta continuent de s'améliorer rapidement, la couche d'intelligence devient abondante. L'argument de Nadella déplace la question de « quel modèle est le plus intelligent » à « comment l'intelligence est-elle organisée, déployée et continuellement améliorée au sein de l'entreprise ».
Ce concept reflète les transitions de plateformes précédentes. Les entreprises n'ont pas reconstruit leurs systèmes ERP chaque fois que les bases de données s'amélioraient, ni repensé leurs stratégies CRM lorsque les processeurs devenaient plus rapides. La valeur durable se situait au-dessus de la couche d'infrastructure. Nadella soutient que le même principe s'applique à l'IA.
L'argument économique contre la concentration
Nadella a également averti qu'un monde où toute la valeur revient à un petit nombre de modèles de fondation n'est ni économiquement ni politiquement viable.
« Il ne peut pas être question de dire : "Hé, regardez, j'ai deux ou trois modèles de pointe" ou quelque chose comme ça, un ensemble fini qui a tout appris de ce qui est aujourd'hui différencié dans l'économie, car alors tout s'effondre », a-t-il déclaré.
Cette préoccupation n'est pas purement philosophique. Les géants de la tech qui ont nourri les entreprises d'IA de pointe sont désormais confrontés à un dilemme. Microsoft, Amazon et Google ont investi des dizaines de milliards dans les infrastructures de centres de données pour soutenir la formation des modèles d'IA, mais les modèles les plus avancés empiètent de plus en plus sur leurs activités principales — des assistants de programmation aux logiciels bureautiques. Selon les prévisions de Wall Street, les flux de trésorerie disponibles des quatre plus grandes entreprises technologiques américaines devraient atteindre leur plus bas niveau depuis 2014 cette année, comprimés par les dépenses d'infrastructure liées à l'IA.
Microsoft change déjà de stratégie. L'entreprise a lancé Copilot Cowork, un produit d'agent d'IA pour les employés de bureau, et envisage d'intégrer DeepSeek — un modèle chinois à faible coût et à poids ouvert — dans sa plateforme. L'objectif est d'offrir une tarification de tokens abordable qui rende l'IA accessible aux utilisateurs moyens plutôt que de rivaliser uniquement sur les capacités des modèles de pointe.
Pour les investisseurs, les implications sont à double tranchant. Les actions de Microsoft ont sous-performé cette année alors que le marché évalue le coût des infrastructures d'IA par rapport à des retours sur revenus incertains. Un monde où chaque entreprise construit son propre modèle d'IA élargirait le marché total adressable pour les plateformes cloud comme Azure, mais il commoditiserait également la couche de modèles, comprimant potentiellement les marges des fournisseurs d'IA de pointe. Les entreprises qui définiront finalement la prochaine phase de l'IA en entreprise ne seront peut-être pas celles qui construisent les modèles les plus puissants — elles pourraient être celles qui construisent les systèmes permettant à chaque organisation de convertir l'intelligence en connaissances institutionnelles cumulatives.
Cet article est fourni à titre informatif uniquement et ne constitue pas un conseil en investissement.
