Les 6 tendances de l’IA qui compteront réellement l’année prochaine

Restez honnête : regardons mes prévisions pour 2025

Avant de commencer, j’ai été chargé d’un article similaire l’année dernière, Prédictions de l’IA pour 2025 : adopter l’avenir de la collaboration entre les humains et les machinesdonc respectant une promesse faite à l’époque, j’ai demandé à AI si j’avais réussi par rapport à l’état actuel des choses ici en 2025 :

• OpenAI : 8 sur 10
• Gémeaux : 9 sur 10
• Claude : 7,5 sur 10
• Perplexité : 8 sur 10

Ensuite, j’ai pris leurs résumés et leurs notes plus longs et je leur ai demandé de les combiner en un seul résumé :

« Précision 9/10Dans l’ensemble 8/10– votre appel de 2024 a remarquablement bien vieilli : vous avez réussi la gouvernance/RegTech, l’IA de collaboration et la recherche d’entreprise en passant du discours au tangible, le seul frein étant le pari du « collègue agent » où l’élan est réel, mais le retour sur investissement et la maturité sont inégaux. 2025 est plus un projet pilote et une intégration qu’un déploiement complet, et pourtant tout ce que vous avez signalé se produit. Les gains à court terme sont l’hyper-personnalisation et la collaboration ; la prochaine frontière est celle des agents, qui s’étendra probablement vers 2027-2028. Plus important encore, votre concentration sur l’architecture des données, la gouvernance et les cas d’utilisation d’augmentation humaine a donné aux clients une feuille de route pragmatique qui résonne toujours.

Cependant, comme l’IA est toujours plus qu’un peu déférente, je reconnais que je ne suis pas Nostradamus mais peut-être légèrement meilleur qu’un Magic 8 Ball – je voulais juste vous faire savoir ce qui vous attendait ci-dessous.

Avec tout cela et bien plus encore à l’esprit, jetons un coup d’œil à 2026

Si 2023-2024 ont été des années de projets pilotes et de prototypes, 2025-2026 sera une année d’orchestration, de gouvernance et d’échelle. Le signal émis par des recherches sérieuses est cohérent : l’adoption est généralisée et l’impact commercial se concentre là où les entreprises repensent les flux de travail, mesurent les résultats et intègrent la confiance et les contrôles dans la pile. Rapports McKinsey qu’environ 80 % des entreprises utilisent IA générative (GenAI), mais la plupart ne voient toujours pas de contribution significative aux bénéfices, car les pratiques de mise à l’échelle et les modèles opérationnels sont à la traîne du battage médiatique. Cette lacune constitue une feuille de route qui peut être exploitée par les entreprises pionnières et les individus à la recherche d’un (ou plusieurs) avantage(s) dans le monde actuel, alimenté par l’IA.

1. Orchestration de l’IA agentique

   Les gens deviennent des « gestionnaires d’agents », et pas seulement des invites:
   Le centre de gravité passe des invites ponctuelles aux flux de travail multi-agents qui planifient, appellent des outils, vérifient et transmettent aux humains là où cela compte. McKinsey formule cela comme suit : «profiter de l’avantage de l’IA agentique« , arguant que les processus repensés (et non le choix du modèle) créent le plus grand impact sur l’entreprise. Le contre-signal est également utile : Gartner met en garde contre «agent-lavage» et prédit que plus de 40 % des projets agents seront abandonnés d’ici 2027 faute de valeur claire. Traduction : une véritable orchestration nécessite une conception de tâches robuste, des KPI d’observabilité et de résultats, et non un zoo de robots. Construisez des réseaux d’agents autour d’objectifs commerciaux mesurables (délai d’exécution, précision, risque, augmentation des revenus, etc.) et donnez aux humains les tableaux de bord d’escalade et de surveillance dont ils ont besoin.

2. Codage IA

   Passer de l’assistance à l’exploitation de la chaîne d’approvisionnement logicielle:
   Les copilotes de codage deviennent rapidement un enjeu de table, mais le prochain horizon concerne les flux de travail de développement de bout en bout, la synthèse des exigences, la génération de tests, la refactorisation sécurisée et les preuves de conformité. Recherche d’entreprise de GitHub avec Accenture a constaté des gains de temps et de satisfaction significatifs, et les rapports plus larges du secteur indiquent une augmentation soutenue de la productivité à mesure que l’adoption s’approfondit. Attendez-vous à ce que les agents d’ingénierie de fiabilité des sites (SRE) et d’ingénierie des données se joignent à la fête, resserrant les boucles de rétroaction entre le code de l’application, les produits de données et l’infrastructure. Le différenciateur n’est pas « Qui utilise un copilote ? », mais qui le connecte aux référentiels, aux politiques et à l’automatisation gouvernés pour renforcer la qualité, la traçabilité et la sécurité.

3. Faire évoluer une IA précieuse

   Des victoires éparses aux opérations recâblées:
   Les entreprises qui émergeront l’année prochaine mettront en œuvre trois disciplines : (a) produire des cas d’utilisation de l’IA avec des propriétaires et des SLA clairs ; (b) connecter les connaissances non structurées et structurées afin que les agents opèrent dans leur contexte ; et © faire de la gouvernance une fonctionnalité qui accélère (et non ne ralentit) la mise en œuvre. L’état de l’IA en 2025 selon McKinsey une enquête montre que l’adoption est élevée, mais que les pratiques de mise à l’échelle (KPI, feuilles de route, bases de données robustes, etc.) sont encore rares ; les organisations qui les adoptent captent plus de valeur. Cela signifie investir dans la récupération et la sémantique, dans la lignée et dans l’application des politiques et dans la réflexion « plateforme et non projet » dans la pratique, afin que chaque nouvel assistant enrichisse les connaissances antérieures plutôt que de créer des silos sur mesure.

4. Sécurité, gouvernance et contrôles

   Durcir à mesure que la réglementation mord:
   La clarté réglementaire n’est plus théorique. Le J’AI des Actes les obligations pour les modèles à usage général commencent à s’appliquer à partir du 2 août 2025 (avec des étapes antérieures et ultérieures pour différents acteurs), et la Commission a confirmé qu’elle ne suspendait pas le calendrier. Aux États-Unis, Cadre de gestion des risques liés à l’IA du NIST (RMF) et le Profil d’IA génératif fournissent désormais une base concrète pour les contrôles des entreprises et les orientations fédérales (OMB M-24-10) place la barre plus haut en matière de gestion des risques, d’approvisionnement et d’utilisation ayant un impact sur les droits. Pour les entreprises, cela réduit la fenêtre permettant d’opérationnaliser les cartes modèles, les évaluations, les rapports d’incidents, les règles de traitement des données et les contrôles humains, intégrés directement dans les pipelines utilisés par les agents. La rapidité de conformité devient un avantage concurrentiel.

5. Navigation Agentique

   Entre dans l’entreprise – en commençant par des projets pilotes à faible risque et à forte valeur ajoutée:
   Le navigateur lui-même devient un espace de travail agent. Perplexité lancée Comèteun navigateur centré sur les questions et OpenAI introduits ChatGPT Atlasun navigateur doté d’un « mode agent » qui permet de naviguer, de résumer, de comparer et d’agir sur le web. Pour les entreprises, cela ouvre la voie à des projets pilotes organisés : analyses de marché avec traces de sources, projets de diligence raisonnable des fournisseurs avec citations, listes de surveillance de conformité et cahiers de recherche structurés.mais liés par une politique, des données en bac à sable et une équipe rouge pour éviter les fuites. Vous pouvez traiter la navigation agent comme n’importe quel flux de données tiers : définissez les étendues, enregistrez les actions et vérifiez les sorties avant qu’elles n’affectent les flux de travail réglementés.

6. MCP et A2A

   Des plugins à une structure d’agents interopérable:
   Protocoles de contexte modèle (MCP) transformez des intégrations fragiles et ponctuelles en connexions standard respectueuses des politiques, permettant aux assistants d’accéder en toute sécurité aux applications, aux données et aux outils avec un accès au moindre privilège et une auditabilité totale. Les poignées de main d’agent à agent (A2A) permettent ensuite à plusieurs assistants de déléguer, de vérifier et de coordonner les tâches entre les fournisseurs et les équipes. Commencez par des flux de travail limités et à faible risque (propriétaires clairs, journaux, portes d’évaluation ou de qualité, escalade humaine, etc.) et vous évoluerez de robots isolés vers un maillage d’agents composable et gouverné qui augmente la valeur à mesure que vous ajoutez des cas d’utilisation.

Ce que cela signifie pour les dirigeants (et comment commencer à se préparer dès maintenant !)

• Conception pour les « agents de gestion de personnes ». Définir des rôles tels que Agent Ops Lead et AI Product Owner ; fournissez-leur des runbooks, des étapes d’approbation et des tableaux de bord liés aux KPI de l’entreprise. Indice des tendances du travail de Microsoft montre dirigeants planifiez déjà des rôles de coaching et d’adoption de l’IA, alors soyez prêt en codifiant cela dans votre organigramme.
• Élevez votre fondation de données du stockage à contexte. La récupération multimodale, l’enrichissement sémantique et le lignage font la différence entre des démos flashy et des décisions fiables. Il s’agit de l’épine dorsale qui permet à plusieurs agents de collaborer sur la même vérité dans les domaines de la recherche, de l’analyse et des applications. (Les conseils de McKinsey sur le « recâblage » est explicite dans son évaluation du suivi des KPI et des feuilles de route qui comptent autant que les modèles.)
• Déplacer la gouvernance vers la gauche. Implémentez les contrôles AI RMF/Generative AI Profile du NIST, y compris les connecteurs sensibles aux politiques, la rédaction des informations personnelles, les portes d’évaluation ou de qualité, les tests de biais/de sécurité et les playbooks de réponse aux incidents, sous forme de code. C’est comme ça qu’on avance plus vite et rester conforme à l’approche des échéances de la loi européenne sur l’IA.
• Produire Codage de l’IA. Ne vous contentez pas « d’autoriser les copilotes », mais de les instrumenter. Suivre les résultats en matière de qualité, de rapidité et de sécurité par référentiel ; standardiser les invites/politiques ; et intégrez la génération de tests et de nomenclatures logicielles (SBOM) afin que le code écrit par l’IA n’élargisse pas votre surface d’attaque. La recherche d’entreprise de GitHub constitue une base solide pour cette analyse de rentabilisation.
• Pilotez la navigation agentique où le rapport risque-récompense a du sens. Commencez par des résumés d’informations concurrentielles, des prélectures sur les achats ou des listes de surveillance de recherche, tout en mettant en œuvre des garde-fous et des audits avant d’étendre vos activités à des domaines sensibles. La technologie est là, mais vos contrôles déterminent si cela aide ou fait mal dans chaque cas.
• Ne laissez pas vos collaborateurs vous empêcher de faire progresser la technologie. Mais cela ne signifie pas les licencier. Les gens aiment la cohérence, les modèles et la prévisibilité. Le nouveau monde de l’IA – pour l’instant et dans les années à venir – en manquera, vous devrez donc travailler à fournir une formation et un lieu sûr pour l’expérimentation ; fondamentalement, le mantra du « fail fast » sans blâme. Les gens trébucheront et les choses pourraient ne pas fonctionner au départ, mais ce seront ceux qui auront la volonté et la capacité d’essayer qui bénéficieront de l’environnement et des outils appropriés qui permettront en fin de compte de générer de la valeur.

Des pilotes aux plates-formes : faire évoluer une IA agentique et gouvernée qui livre ses résultats

L’année prochaine appartient aux organisations qui rendent l’IA ennuyeuse de la meilleure façon possible. Orchestration, assistants de codage, cas d’utilisation évolutifs, contrôles renforcés, navigation agentique et Interopérabilité MCP/A2A tous deviennent des avantages durables lorsqu’ils fonctionnent données gouvernées et contextuelles avec politique en tant que code, traçabilité et surveillance humaine intégrés. Traitez chaque assistant comme un produit avec un propriétaire, des accords de niveau de service (SLA), des portes d’évaluation ou de qualité et un chemin de remontée clair ; relier les agents à la même source de vérité via des connecteurs sécurisés et vérifiables ; et instrumenter les résultats afin que la qualité, les risques et le délai de rentabilisation soient visibles et en amélioration continue. Faites cela, et les pilotes se transforment en plates-formes, la conformité devient un multiplicateur de force et les agents évoluent de démos intelligentes à des coéquipiers responsables. C’est une voie optimiste car pragmatique : réaliser des gains rapides dès maintenant, les combiner sur une base fiable et faire évoluer l’IA qui soutient, innove et transforme l’entreprise de manière fiable.

Et maintenant, encore une chose. . .

Peu importe si, ou plus probablement quand, la bulle actuelle de l’IA éclatera, nous ne retournerons pas à un monde pré-IA. L’histoire montre que les excès spéculatifs n’effacent pas la technologie transformatrice ; ça brûle juste la mousse. Le boom ferroviaire s’est effondré, mais les voies ferrées sont restées en place et ont remodelé les économies pendant un siècle. Le krach Internet a détruit les mauvais modèles économiques, mais l’infrastructure de base d’Internet a continué à se développer et est devenue l’épine dorsale de la vie moderne. L’électricité a connu le même schéma : un battage médiatique précoce, des pannes massives et une omniprésence silencieuse.

L’IA suivra cet arc. Même si une correction du marché peut redimensionner les valorisations et éliminer les paris non durables, l’infrastructure (GPU, plateformes de donnéespiles d’orchestration, etc.), les capacités (raisonnement, synthèse, codage, etc.) et les habitudes (Flux de travail et copilotes basés sur l’IA) sont déjà intégrés. L’accident éliminera le bruit, pas la technologie. La vraie question n’est pas de savoir si l’IA survit ; C’est ce que les organisations continuent de construire pendant la récession et émergent en s’appuyant sur des processus natifs d’IA pendant que tout le monde est encore en convalescence. Construire l’IA ennuyeuse mais précieuse, qui alimentera les trois prochains quarts de ce siècle et au-delà.