BLP#26 · Architecture data sous pression, consolidation French Tech

La création simultanée de deux fondations Linux pour l'identité et les coûts des agents marque un tournant. Pour ceux qui anticipent, la question n'est plus si l'IA agentique sera déployée, mais comment l'infrastructure existante absorbera cette charge. Les cas American Express et Dell montrent que l'orchestration et la gouvernance des données deviennent les facteurs limitants avant même la performance des modèles. Les organisations les mieux positionnées traitent l'IA agentique comme un problème d'architecture data, pas seulement d'IA : Unity Catalog chez Databricks, gouvernance décloisonnée, et APIs nativement consommables par les machines. Le piège révélé par l'étude de routage illustre un risque majeur : optimiser les coûts sans mesurer l'impact sur la qualité peut détruire de la valeur métier. Les outils FinOps d'OpenAI et la Tokenomics Foundation répondent à une réalité opérationnelle où un agent peut consommer l'équivalent de plusieurs années de forfait utilisateur en quelques heures. Ce que montrent les déploiements de Veolia : maintenir l'autonomie technologique via l'internalisation devient un avantage compétitif quand l'IA devient critique.

La reconnaissance Gartner valide un positionnement architectural : Databricks ne vend plus une plateforme data, mais une infrastructure complète pour l'ère des agents IA. La convergence Unity Catalog (gouvernance), Agent Bricks (orchestration) et Lakebase (stockage) répond à ce que révèlent les cas YipitData, easyJet et Block : impossible de déployer des agents fiables sans unifier données, IA et gouvernance sur une seule plateforme. L'acquisition Panther (troisième dans la cybersécurité) signale un tournant : la sécurité n'est plus un produit adjacent mais une couche native de l'infrastructure data. Pour ceux qui évaluent les plateformes, Genesis Workbench avec NVIDIA illustre une approche industrie-spécifique où la propriété intellectuelle reste en interne tout en bénéficiant d'outils GPU accélérés. Le cas Kythera Labs démontre la vitesse de mise en valeur : 3,8M$ de valeur annualisée estimée en 10 jours sur 339 milliards de réclamations médicales. Ce que montrent les déploiements Daikin et AVL : l'industrialisation des pipelines via des frameworks réutilisables (MECE, Medallion) devient le facteur de scalabilité. L'Office for Students UK illustre un pattern récurrent : migration du legacy vers lakehouse avec réduction de 8 heures à quelques minutes sur des jobs de 300 millions d'enregistrements. L'adoption de 65% selon Gartner confirme que le data lakehouse devient l'architecture de référence pour l'IA d'entreprise, pas seulement pour l'analytique.

Le triplement de l'adoption en un an (15% à 55%) marque un basculement : l'IA n'est plus un sujet de labs mais de production. Les gains mesurés par Siparex/Bpifrance (50% sur le développement, 100 à 200% sur les contenus) justifient désormais les investissements même avec des budgets limités. Les stratégies différenciées Socomec (standardisation Copilot) vs Blackfox (cas d'usage ciblé) montrent deux chemins viables selon la maturité et les ressources. Le repositionnement de Mistral avec Studio et les partenariats BMW et Cegid illustre une approche B2B où la souveraineté devient un argument commercial face aux hyperscalers américains. La décision de Bercy d'abandonner Qwen pour Mistral après détection de biais signale que la souveraineté n'est plus rhétorique mais opérationnelle : les LLM chinois portent des biais géopolitiques intégrés lors du post-entraînement. Pour ceux qui évaluent les fournisseurs, l'AI Act européen (explicabilité exigée par Cegid) et la directive NIS2 créent un avantage structurel pour les acteurs européens comme Mistral et LightOn. La nomination d'un Chief AI Officer chez Orange avec objectif de 600M€ de valeur d'ici 2028 confirme un pattern : l'IA n'est plus un projet DSI mais une transformation pilotée au niveau exécutif. Ce que montrent les déploiements : passage de forfaits utilisateur (Copilot) à des architectures agentiques nécessitant data lakehouses (65% d'adoption selon Gartner) pour gérer gouvernance et coûts de tokens.

L'accusation Anthropic contre Alibaba marque un tournant : la propriété intellectuelle des modèles devient un enjeu géopolitique majeur dans la rivalité sino-américaine. Les 28,8 millions d'interactions via 25 000 comptes frauduleux révèlent une opération d'espionnage industriel à l'échelle étatique, pas un simple piratage opportuniste. Les restrictions export imposées par les États-Unis sur Mythos et Fable signalent que les LLM de pointe sont désormais traités comme des technologies à double usage au même titre que les semi-conducteurs avancés. Pour ceux qui déploient des modèles propriétaires, la distillation devient le vecteur d'attaque principal : impossible de détecter via les logs traditionnels, nécessite une analyse comportementale des patterns d'utilisation et des limites de taux. Les cas DeepSeek, Moonshot AI et MiniMax montrent que ce n'est pas un incident isolé mais une pratique systématique de l'écosystème chinois. La convergence avec les menaces ransomware (GentleKiller capable de neutraliser 400 processus EDR de 48 fournisseurs) révèle que la sophistication des attaques dépasse désormais les défenses traditionnelles. FortiBleed ciblant 430 000 pare-feux et l'Opération Endgame saisissant 41 millions d'euros d'actifs illustrent l'industrialisation du cybercrime. Les fuites Meta (données employés exposées en clair) et LastPass (via fournisseur tiers Klue) montrent que la chaîne d'approvisionnement devient le maillon faible. L'élimination physique du leader Handala par Israël en représailles à des cyberattaques marque une escalade doctrinale où les cyber-combattants deviennent des cibles militaires légitimes. Ce que révèle l'Insee (12 800 agents exposés) : même les administrations publiques ne sont pas épargnées. Pour ceux qui évaluent les risques, la question n'est plus si l'infrastructure sera compromise mais comment limiter le blast radius via segmentation, chiffrement et zero trust.