Même sur les marchés de l’IA les plus avancés, un constat s’impose : l’adoption est relativement simple, mais le passage à l’échelle est plus difficile.
À mesure que les organisations passent aux systèmes agentiques, le véritable changement ne concerne plus l’expérimentation, mais l’intégration de l’IA comme composante essentielle des opérations. Les entreprises qui y parviennent sont celles qui ancrent l’IA dans leur stratégie, leur infrastructure et leur prise de décision, de sorte qu’elle passe du statut d’outil à celui de moteur fondamental de croissance.
Les estimations d’AMD soulignent ce changement. En 2026, plus de 60 % de la capacité de calcul mondiale dédiée à l’IA sera utilisée pour l’inférence plutôt que pour l’entraînement. Mais malgré cet élan, l’infrastructure des entreprises peine à suivre le rythme.
Le défi de l’échelle : ce qui façonne l’IA en entreprise selon IDC
Un récent livre blanc d’IDC, réalisé à la demande d’AMD, montre que l’adoption est large, mais que le passage à l’échelle reste en construction. Pas moins de 83 % des entreprises exécutent actuellement moins de dix applications d’IA en parallèle, ce qui indique que beaucoup en sont encore à un stade précoce de leur transformation. Un peu plus de deux entreprises sur dix (21,7 %) réalisent une analyse complète du retour sur investissement et 22,2 % vérifient que leur investissement dans l’IA correspond aux objectifs stratégiques. Renforcer ces fondamentaux peut permettre d’avancer plus vite et d’obtenir des gains plus nets.
Ce fossé est encore creusé par un manque généralisé de clarté architecturale. Plus de 75 % des organisations ne voient pas clairement ce qu’il en est des applications d’IA agentique, ce qui offre une occasion idéale de définir des standards, d’intégrer des garde-fous et d’aligner les parties prenantes. La sécurité et la gouvernance sont des points d’attention : les entreprises font état de contrôles d’accès, d’anonymisation et de politiques de cycle de vie, et beaucoup recourent à des tests adverses et à des exercices de manipulation de prompts pour renforcer leurs modèles.
La maîtrise des coûts progresse elle aussi : environ deux tiers des organisations lancent leurs initiatives GenAI avec des évaluations de coûts détaillées, qui couvrent l’infrastructure, les licences, la main-d’œuvre et l’évolutivité. Ensemble, ces évolutions indiquent un écosystème qui apprend vite et qui se donne les moyens d’un passage à l’échelle durable.
Le « compute » redéfini : pourquoi le CPU et l’architecture système comptent
À mesure que les exigences des charges de travail d’IA augmentent, les responsables IT en entreprise se heurtent à trois contraintes majeures : les limites de densité d’alimentation et de refroidissement, la hausse du coût des tokens et une gestion complexe.
Pour faire passer l’IA agentique à l’échelle, il faut reconnaître que l’infrastructure d’IA est fondamentalement un problème de système au niveau du datacenter et qu’il n’existe pas de solutions toutes faites pour la puissance de calcul de l’IA. Si les GPU restent essentiels pour le raisonnement mathématique lourd, ils ne représentent qu’une partie de l’histoire. Les workflows agentiques dépendent fortement des sandboxes d’agents : des environnements où la logique est exécutée, où les bases de données vectorielles sont interrogées, où les frameworks d’orchestration tournent et où les connexions avec les applications métier sont établies. Ce changement remet les CPU de serveur à haute densité au centre du datacenter. Il faut pour cela des serveurs optimisés pour une densité de cœurs maximale, une faible latence et une bande passante mémoire élevée, afin de traiter des flux d’inférence continus. L’avenir de l’IA en entreprise reposera sur des CPU et des GPU puissants qui travaillent ensemble dans un seul système intégré, plutôt que d’être traités comme des silos distincts.
Parallèlement, la standardisation et l’efficacité du matériel figurent de plus en plus haut dans l’agenda. L’étude d’IDC confirme qu’une majorité (77 %) des entreprises donnent la priorité à un matériel et à des logiciels bien alignés, afin de simplifier les opérations, de réduire les frictions et de permettre la portabilité des charges de travail et la prévisibilité des performances.
Le contexte propre à l’Europe : réglementation, souveraineté et durabilité
Sur les marchés de toute l’Europe, ces défis d’infrastructure sont encore renforcés par des cadres réglementaires stricts en matière de souveraineté des données, de traçabilité et de durabilité environnementale. Loin de freiner les progrès, ces exigences poussent plutôt les organisations à mettre en place plus tôt des cadres de gouvernance plus rigoureux et des processus reproductibles, ce qui favorise la cohérence et la confiance des clients et des parties prenantes.
Pour répondre à la fois aux exigences légales et aux contraintes financières, les dirigeants optent de plus en plus souvent pour des plateformes ouvertes. Un écosystème ouvert, qui englobe architectures, réseaux et logiciels, aide à éviter le vendor lock-in et offre aux organisations la flexibilité nécessaire pour adapter leur infrastructure à des exigences régionales et de conformité spécifiques. Les écosystèmes ouverts permettent à tout le secteur, des fournisseurs de matériel aux développeurs de frameworks, d’innover ensemble, et c’est ainsi que l’Europe stimulera l’innovation et les avantages à long terme.
Ce que les entreprises peuvent faire dès maintenant : développer une IA performante, évolutive et conforme à la réglementation
L’IA ne passe pas à l’échelle par la seule expérimentation : elle y parvient par la concentration. Les organisations qui vont au-delà des projets pilotes font trois choses différemment :
- Elles rendent l’IA comptable devant l’entreprise en reliant chaque initiative à des résultats mesurables et à un retour sur investissement rigoureux.
- Elles considèrent l’infrastructure comme une stratégie en mettant en place des environnements cohérents et très performants dans le cloud, le datacenter et à l’edge pour soutenir les systèmes agentiques émergents
- Elles intègrent la gouvernance dès le premier jour, des contrôles des données aux tests des modèles, et en font ainsi un facteur qui permet la confiance, la rapidité et une IA fiable, prête pour la production.
Il s’agit d’une contribution externe de Rob de Bruin, Head of Channel Benelux AMD. Pour en savoir plus sur AMD, vous pouvez consulter ce lien.