État des lieux de l'IA générative en entreprise en 2025 Un important rapport annuel de @MenloVentures, basé sur une enquête menée auprès d'environ 500 décideurs d'entreprises américaines et sur un modèle de marché ascendant, révèle la réalité de l'IA passant du stade de « battage médiatique » à celui de « mise en œuvre ». Le message principal : il s'agit d'une croissance exponentielle, pas d'une bulle. Malgré les inquiétudes du marché concernant la surchauffe des investissements dans l'IA, l'insuffisance des rendements et une bulle spéculative liée à l'IA, les données racontent une histoire totalement différente. • Croissance fulgurante : les dépenses en IA des entreprises devraient passer de 1,7 milliard de dollars en 2023 à 37 milliards de dollars en 2025. • La croissance la plus rapide de l'histoire : L'IA d'entreprise est la catégorie qui connaît la croissance la plus rapide de l'histoire du logiciel, représentant actuellement 6 % du marché mondial du SaaS. Conclusion : L’adoption généralisée, les revenus réels et les gains de productivité évolutifs démontrent qu’il s’agit d’un véritable essor. Où est passé l'argent ? (Flux de financement) Les 37 milliards de dollars que les entreprises consacreront à l'IA générative en 2025 se répartiront principalement en deux parties : • Couche application : 19 milliards de dollars (représentant >50 %) Les entreprises sont plus enclines à payer pour des « applications prêtes à l'emploi » qui apportent une productivité directe plutôt que d'investir simplement dans l'infrastructure sous-jacente. • Couche d'infrastructure : 18 milliards de dollars, incluant les activités « de base » telles que les API de modèles de base, les centres de formation et l'orchestration des données. Trois tendances clés dans l'adoption de l'IA en entreprise A. Acheter est mieux que fabriquer. La situation a évolué. En 2024, les entreprises hésitaient encore entre développer leurs propres systèmes ou les acheter (une répartition à peu près égale). Situation actuelle : 76 % des cas d’utilisation de l’IA impliquent l’achat de solutions prêtes à l’emploi, tandis que seulement 24 % sont développés en interne. • Raison : Les solutions d’IA existantes sont très matures, rapides à déployer et offrent une valeur immédiate. B. Croissance tirée par les utilisateurs individuels La popularisation de l'IA ne repose plus entièrement sur une approche descendante, par le biais d'acquisitions effectuées par des hauts responsables, mais plutôt sur une approche ascendante. • Données : 27 % des dépenses en IA proviennent de la « croissance induite par le produit » (c’est-à-dire que les employés testent d’abord la technologie, et l’entreprise la finance s’ils sont satisfaits). Si l’on inclut l’« IA parallèle », comme ChatGPT remboursé par les employés au moyen de leurs cartes de crédit professionnelles, cette proportion avoisine les 40 %. • Importance : Des outils utiles ont déjà envahi le poste de travail du développeur avant même qu'il ne rencontre le représentant commercial de l'entreprise. C. Startups contre géants : Couche applicative – Victoire des startups : Dans le domaine des applications d’IA, les startups ont capté 63 % des parts de marché. Même des pionniers comme GitHub Copilot doivent faire face à une forte concurrence de la part de startups plus flexibles comme Cursor. • Couche d'infrastructure – Les géants défendent avec succès : Dans le secteur des données et de l'infrastructure, des géants établis tels que Databricks et Snowflake détiennent toujours 56 % de parts de marché, la confiance et l'accumulation de données restant leur principal atout. Couche application expliquée : qui est le gagnant ? ① IA départementale – 7,3 milliards de dollars • La programmation est l’application phare : la génération de code représente 55 % (4 milliards de dollars) des dépenses en IA des départements. L’IA ne se limite plus à la simple finalisation du code, mais englobe également la refactorisation, les tests et même le déploiement. Autres domaines : les opérations informatiques, le marketing et la réussite client connaissent également une croissance rapide. 2. IA sectorielle – 3,5 milliards de dollars • Secteur de la santé : Le secteur de la santé a contribué à hauteur de 1,5 milliard de dollars (environ 43 %). Bien que ce secteur soit généralement lent à réagir, l’IA est devenue indispensable pour pallier les lourdeurs administratives et la pénurie de personnel. • Droit et gouvernement : Juste derrière, ils adoptent eux aussi rapidement l’IA pour traiter de grandes quantités de données non structurées. ③ IA générale horizontale - 8,4 milliards de dollars. Copilot reste la solution dominante : des solutions comme ChatGPT Enterprise et Microsoft Copilot représentent 86 % des parts de marché. • Les agents n'en sont qu'à leurs débuts : bien que le concept soit porteur, les agents entièrement automatisés ne représentent que 10 % des dépenses. La guerre des modèles : le retour d’Anthropic – Un nouveau trône : Anthropic dépasse OpenAI et devient le leader des dépenses des entreprises, capturant 40 % des parts de marché des logiciels LLM pour entreprises. • La part de marché d'OpenAI a diminué : de 50 % en 2023 à 27 %. L'ascension de Google : sa part de marché a augmenté pour atteindre 21 %. Cinq prédictions pour 2026 : Les capacités de programmation de l’IA surpasseront celles des humains : Dans les tâches de programmation pratiques quotidiennes, l’IA sera plus performante que les développeurs humains. Paradoxe de Jevons : Bien que les coûts d’inférence diminuent, les dépenses totales des entreprises en IA continueront d’augmenter en raison de la croissance exponentielle de son utilisation. • L’explicabilité et la gouvernance se généralisent : à mesure que les agents prennent en charge la prise de décision, les entreprises et les gouvernements exigeront que les décisions de l’IA soient explicables et fassent l’objet de journaux d’audit. • Des modèles qui s'exécutent en périphérie : pour des raisons de confidentialité et de rapidité, de plus en plus de modèles fonctionneront directement sur les téléphones mobiles et les terminaux. L’évaluation comparative échoue : les méthodes traditionnelles d’évaluation comparative ne reflètent plus les capacités réelles, et les utilisateurs accordent plus d’importance à l’effet concret de résolution de problèmes. Rapport original
