BLP#16 · 95% des pilotes IA échouent : le gouffre prod s'élargit

Les déploiements de Canal+, La Centrale, Decathlon et Groupe Rocher montrent que la différence entre pilote et production tient moins au choix du modèle qu'à la qualité des fondations data. Ceux qui ont investi dans une plateforme unifiée avec gouvernance intégrée passent du POC à la production en semaines, les autres accumulent des agents orphelins sans ROI mesurable. L'analyse de Databricks sur le secteur bancaire confirme ce pattern : les leaders ne sont pas ceux avec l'IA la plus avancée, mais ceux avec les données les plus propres et gouvernées. Pour les organisations qui ont privilégié l'expérimentation rapide sur la consolidation des fondations, la dette technique devient un verrou stratégique. La question n'est plus "quel modèle choisir" mais "quelle infrastructure permet de déployer 50 agents gouvernés simultanément sans multiplier les risques par 50".

L'émergence simultanée d'Antigravity, VS Code Agents et la multiplication des serveurs MCP révèle une bataille pour devenir l'interface standard entre humains et agents IA. dbt ne se positionne plus comme simple outil de transformation mais comme couche d'orchestration pour agents, avec son serveur MCP qui devient de facto un standard d'intégration. Pour les organisations qui ont standardisé sur dbt, cette évolution transforme leur stack existant en infrastructure agentique sans migration. Celles qui ont multiplié les outils propriétaires font face à une fragmentation croissante : chaque outil nécessite son propre serveur MCP, et les agents peinent à collaborer entre systèmes. La question qui se pose est celle de la consolidation : accepter la convergence autour de standards ouverts comme MCP et dbt, ou parier sur des écosystèmes verticaux intégrés comme ceux de Microsoft ou Google.

L'annonce des hyperagents de Meta et le lancement d'Agent Bricks chez Databricks marquent un basculement : les agents passent de l'assistance ponctuelle à l'autonomie supervisée. Les déploiements de Workday, Virgin Atlantic, Zapier et AstraZeneca montrent que la gouvernance devient plus critique que la performance brute des modèles. Parallèlement, les techniques d'optimisation comme TurboQuant et l'inférence désagrégée redéfinissent l'équation économique : ceux qui maîtrisent ces optimisations peuvent déployer 10x plus d'agents pour le même budget infrastructure. Claude Mythos ajoute une dimension stratégique : les agents IA peuvent désormais découvrir et exploiter des vulnérabilités plus vite que les équipes de sécurité ne peuvent corriger. Pour les organisations qui ont construit des architectures agentiques sur des fondations non sécurisées, le risque devient existentiel. La question qui émerge est celle du trade-off entre autonomie et contrôle : jusqu'où laisser les agents agir sans supervision humaine dans des environnements où une erreur peut avoir des conséquences réglementaires ou sécuritaires majeures.

La bataille Databricks vs Snowflake ne se joue plus sur les performances brutes mais sur la capacité à devenir la plateforme unifiée data + IA avec gouvernance intégrée. Databricks ouvre Unity Catalog aux clients externes et intègre Lovable pour démocratiser la création d'applications, pendant que Snowflake répond avec Iceberg et Cortex Code pour capturer l'écosystème dbt. Les deux convergent vers les standards ouverts (Delta, Iceberg) tout en verrouillant via la gouvernance : Unity Catalog et les tags SAP d'un côté, le stockage managé Iceberg de l'autre. La nomination de Mayank Upadhyay chez Snowflake signale que la sécurité devient un différenciateur stratégique dans l'ère agentique. Pour les organisations qui ont construit sur l'une ou l'autre plateforme, la question n'est plus "migrer ou pas" mais "comment préparer l'interopérabilité sans perdre les capacités de gouvernance". L'émergence de pgvector comme alternative open-source pour les cas d'usage vectoriels ajoute une troisième voie : rester sur PostgreSQL pour éviter le vendor lock-in, au prix d'une intégration moins native avec les outils d'IA.

L'analyse d'ESET sur les EDR Killers révèle une professionnalisation qui dépasse les capacités de détection classiques : 90 outils actifs, développement accéléré via IA chez Warlock, techniques diversifiées rendant obsolètes les défenses statiques. Claude Mythos ajoute une dimension stratégique : l'IA peut désormais découvrir des vulnérabilités plus vite que les équipes de sécurité ne peuvent corriger, avec plus de 100 nouvelles failles quotidiennes selon I-Tracing/Cesin. La faille Docker (CVE-2026-34040) qui refait surface après 10 ans illustre la dette technique de sécurité : les organisations qui n'ont pas de processus systématique de mise à jour accumulent des risques exponentiels. Pour ceux qui ont construit des architectures conteneurisées sur des versions obsolètes, la surface d'attaque devient ingérable. Le refus néerlandais d'interdire le paiement des rançons confirme l'impasse réglementaire : ni la répression ni l'incitation ne suffisent face à une menace qui s'industrialise. La question qui se pose est celle de l'acceptation du risque : dans un monde où les attaques évoluent plus vite que les défenses, jusqu'où investir dans la prévention versus la capacité de récupération rapide après incident.