L'IA dans la vente : IA ouverte vs. IA fermée dans les PME

KI & Automatisierung · 16. September 2026 · Anthony Filipiak

L'IA dans la vente devient une question d'investissement. Découvrez comment l'IA ouverte et fermée transforment les coûts, le contrôle et le pipeline dans les PME.

Le 8 septembre 2026, Mistral AI a annoncé un tour de financement de plus de 3 milliards d'euros, mené par Samsung Electronics, EQT et PSG Equity, avec une valorisation de plus de 21 milliards d'euros. Presque simultanément, des rapports faisaient état de nouvelles discussions d'OpenAI avec des valorisations de 1,2 à 1,5 billions de dollars. Ce n'est plus du théâtre de la Silicon Valley que l'on peut ignorer en tant que PDG à Bielefeld, Ulm ou St. Gallen. L'IA dans la vente, la conception, le service et la planification de la production est en train de passer d'une décision logicielle à une décision de marché des capitaux. Quiconque, en 2026, prétend encore que le choix entre l'IA open source et l'IA closed source est une question technique de détail pour l'IT, sous-estime l'enjeu.

Ma prévision est inconfortable : au cours des 24 à 36 prochains mois, les PME européennes n'échoueront pas par manque d'idées en matière d'IA, mais par de mauvaises décisions architecturales. Pas à cause des prompts. Pas à cause d'un autre atelier Copilot avec des diapositives colorées. Mais à cause des contrats, des coûts des tokens, des fuites de données, des dettes d'intégration et de la question de savoir si leur propre création de valeur reposera à l'avenir sur des plateformes dont le modèle de prix sera modifié à Seattle, San Francisco ou Mountain View.

Je constate actuellement une rupture dans mes discussions avec les PDG et les directeurs commerciaux. Il y a un an, la question était souvent : 'Que pouvons-nous faire avec ChatGPT ?' Aujourd'hui, elle est plutôt : 'Comment éviter que l'IA ne dévore notre marge dans trois ans ?' Cela semble défensif. Mais ce n'est pas le cas. C'est le moment où l'IA atteint sa maturité.

L'IA dans la vente : pourquoi l'IA ouverte vs. fermée compte maintenant

La partie surprenante d'abord : l'IA open source n'est plus le rayon de bricolage de la communauté des développeurs. Mistral, Hugging Face, Temporal et d'autres infrastructures ouvertes ou open-friendly attirent des capitaux qui étaient auparavant réservés aux fournisseurs de modèles fermés. Mistral a levé environ 600 millions d'euros en juin 2024 avec une valorisation de 5,8 milliards d'euros, suivi en septembre 2025, selon les données recherchées, d'un tour de 1,7 milliard d'euros mené par ASML avec une valorisation de 11,7 milliards d'euros, puis de 3 milliards d'euros en septembre 2026 avec une valorisation de plus de 21 milliards d'euros.

C'est le véritable changement de marché. Non pas qu'OpenAI reçoive beaucoup d'argent. C'était clair. Le changement est que les modèles ouverts et l'infrastructure ouverte deviennent eux-mêmes une politique d'État, industrielle et des semi-conducteurs. ASML n'investit pas par romantisme dans Mistral. Samsung non plus. Nvidia encore moins. Ces entreprises s'assurent une influence sur la couche sur laquelle l'ingénierie, la vente, le service, la qualité et les achats fonctionneront à l'avenir.

Pour les PME, cela signifie : la question 'Ouvert ou Fermé ?' n'est pas académique. Elle décide si un fabricant de machines du Bade-Wurtemberg verse sa logique d'offre, ses documents techniques, ses données de pièces de rechange et ses signaux de vente de manière permanente dans un modèle d'API fermé. Ou s'il contrôle une partie de la couche d'IA. Peut-être pas tout. Enfin, presque jamais tout. Mais suffisamment pour ne pas attendre la prochaine augmentation de prix chaque mois.

La prévision surprenante pour 2027 à 2029

Je crois que : en 2027, la première vague de déception liée à l'IA dans les PME ne viendra pas de mauvais modèles. Les modèles seront suffisamment bons. La déception viendra parce que de nombreuses entreprises ont acheté l'IA comme un SaaS, alors qu'elles auraient dû la planifier comme une infrastructure.

Un CSO d'un fournisseur d'automatisation de Nuremberg m'a dit en mars 2026 : 'Nous avons testé douze outils d'IA et n'avons finalement pris aucune décision basée sur les données.' Cette phrase m'est restée. Douze outils. Zéro architecture. Cela sent le salon, le compte de démonstration, le show commercial. Et cela explique pourquoi de nombreuses équipes ont des projets pilotes, mais aucune amélioration fiable du pipeline, aucun flux de données stable, aucun plan pour le TCO sur cinq ans.

Statut quo : les dépenses en IA augmentent, le contrôle est à la traîne

Selon Menlo Ventures, les dépenses des entreprises en IA générative sont passées de 1,7 milliard de dollars en 2023 à 11,5 milliards de dollars en 2024 et 37 milliards de dollars en 2025. Ce n'est pas une croissance linéaire, c'est un choc budgétaire. Parallèlement, selon Eurostat, seulement 20 % des entreprises de l'UE d'au moins dix employés utilisaient l'IA en 2025, contre 13,5 % en 2024. L'Europe ne dépense donc pas encore de manière généralisée, mais là où elle dépense, cela va vite.

Les États-Unis sont en tête. Bloomberg a rapporté, citant des données d'EY, que les startups américaines ont levé environ 97 milliards de dollars pour l'IA générative en 2025, tandis que les startups européennes n'ont levé qu'environ 5,9 milliards de dollars. C'est un facteur d'environ 16. En déduire que l'Europe devrait simplement acheter auprès de fournisseurs américains est trop facile. Ce n'est pas tout à fait vrai. Pour le travail de bureau générique, cela peut convenir. Pour les processus industriels clés, cela devient plus dangereux.

Prenons un fabricant DACH typique : 800 employés, SAP dans l'ERP, Siemens Teamcenter dans le PLM, un MES qui a évolué au fil des ans, des données de vente dans HubSpot ou Salesforce, des rapports de service en PDF, des listes de pièces de rechange dans le système de fichiers et quelques monstres Excel que personne ne veut toucher (parce qu'il y a toujours ce collègue qui sait quelle colonne est vraiment correcte). C'est précisément là que l'IA doit créer de la valeur. Pas dans la fenêtre de chat. Dans le processus.

Et c'est là que ça devient cher. Un rapport sur la chaîne de valeur de l'IA prévoit que le marché mondial de l'utilisation payante de tokens passera de 136 milliards de dollars en 2025 à 1,35 billion de dollars en 2030. Parallèlement, la puissance de calcul mondiale de l'IA devrait passer de 13 gigawatts en 2025 à 98 gigawatts en 2030. Consommation électrique des centres de données ? Selon les données recherchées, d'environ 485 TWh en 2025 à environ 950 TWh en 2030. C'est l'odeur d'une salle de serveurs chaude, mais à l'échelle mondiale.

Pour les PDG, cela signifie : les coûts de l'IA ne disparaissent pas dans la ligne IT. Ils se retrouvent dans les coûts de vente, les coûts de service, les coûts d'ingénierie et les contrats cloud. Avec les modèles fermés, vous payez par utilisation, par siège, par appel API, par génération de modèle. Avec les modèles ouverts, vous payez l'intégration, l'exploitation, la sécurité, l'hébergement et les personnes. Les deux coûtent. La question est de savoir quel profil de coûts correspond à votre modèle commercial.

Tendance 1 : L'IA open source devient une infrastructure industrielle

La première tendance est la plus importante pour l'Europe : l'IA open source et les modèles open-weight ne sont plus considérés comme une alternative pour les économes, mais comme une infrastructure stratégique. Mistral en est le symbole. La série B de 600 millions d'euros en juin 2024 était déjà importante. Le tour mené par ASML en septembre 2025 était politique. Le tour de 3 milliards d'euros en septembre 2026 a clairement montré : l'Europe ne veut pas seulement être cliente d'OpenAI, Anthropic et Google DeepMind.

ASML a investi, selon les données recherchées, environ 1,3 milliard de dollars et a pris environ 11 % de Mistral. Ceux qui connaissent ASML savent : cette entreprise n'achète pas de folklore. ASML est le goulot d'étranglement de la production mondiale de puces. Si un tel groupe investit dans une maison de modèles d'IA européenne, il s'agit de contrôle industriel, de création de valeur dans les semi-conducteurs, de souveraineté des données et d'accès à la compétence en matière de modèles. Politico a donc décrit Mistral comme un instrument géopolitique de la France. Pour le dire crûment : l'IA open source est devenue une politique de localisation en Europe.

Hugging Face s'inscrit dans le même tableau. Les informations recherchées mentionnent une acquisition par Nvidia en 2026 pour environ 12,93 milliards de dollars. Que l'on lise ce chiffre avec sobriété ou avec un sourcil levé : la direction est claire. Un écosystème longtemps considéré comme une plateforme de développement devient stratégique pour les fournisseurs de GPU. Pourquoi ? Parce que les modèles deviennent plus interchangeables, mais la distribution, l'accès des développeurs, l'hébergement de modèles, l'évaluation et les workflows génèrent du pouvoir.

J'entends souvent de la part des fabricants de PME la phrase : 'L'open source est trop risqué pour nous.' Honnêtement ? Je pense que dans de nombreux cas, c'est un vieux réflexe. Le risque ne réside pas dans le modèle ouvert. Le risque réside dans un modèle ouvert mal exploité, sans surveillance, sans autorisations, sans classification claire des données. C'est une différence. Un appel API fermé non vérifié avec des listes de pièces confidentielles n'est pas automatiquement plus sûr, simplement parce que la facture provient d'un hyperscaler.

Andrea, responsable des ventes chez un champion caché à Bielefeld, m'a dit il y a trois semaines : 'Notre service informatique bloque l'open source, mais personne ne peut m'expliquer pourquoi nos connaissances en matière d'offres peuvent aller dans une API américaine.' C'est précisément la dissonance cognitive que je vois partout en ce moment. On fait confiance au logo, pas à l'architecture. C'est pratique. Et cher.

Les modèles ouverts passent d'artefacts de hobbyistes à des actifs nationaux et industriels. Les tours de financement autour de Mistral montrent que l'Europe veut une couche d'IA avec laquelle elle peut négocier, et non pas seulement s'abonner.

— Julien Simon, Chief Evangelist chez Hugging Face, Paris

Pourquoi cette tendance affecte la vente

Dans la vente, l'IA open source semble d'abord lointaine. Ce n'est pas le cas. Si votre équipe de vente analyse chaque mois 2000 clients cibles, recherche 800 centres d'achat techniques, lit des appels d'offres, explore des sites web, détecte des déclencheurs et prépare des messages personnalisés, alors nous parlons de coûts d'inférence continus. Pas de quelques licences ChatGPT. Alors l'économie des tokens devient l'économie de la vente.

Un exemple pratique : un fournisseur de machines d'Ostwestfalen voulait prioriser des comptes cibles internationaux en fonction des sites de production, des types de machines installées, des signaux d'expansion et des besoins de service. Avec une configuration purement Closed-API, le calcul était bon en pilote. 400 comptes. Gérable. Lorsque nous avons extrapolé le modèle à 48 000 profils d'entreprise, 17 langues et une mise à jour mensuelle, la discussion a basculé. Soudain, il ne s'agissait plus de qualité de modèle, mais de coûts variables et de répétabilité.

C'est précisément là que les modèles ouverts deviennent intéressants. Non pas parce qu'ils sont toujours meilleurs. Ce n'est pas le cas. Mais parce que pour les tâches récurrentes, spécifiques à un domaine, avec une structure de données claire, ils sont souvent suffisamment bons et offrent plus de contrôle sur les coûts et le déploiement. La vente n'a pas besoin d'un modèle de pointe avec un raisonnement maximal pour chaque extraction de firmographie. Parfois, un modèle finement ajusté qui détecte de manière fiable les sites de production, les lignes de produits, les certifications et les signaux d'investissement suffit.

L'IA dans la vente : tableau d'adoption et d'évolution du marché

Tendance 2 : L'IA fermée reste forte, mais la logique des coûts est brutale

La deuxième tendance : l'IA closed source reste dominante pour les capacités générales, mais elle est capitalistique à l'extrême. OpenAI aurait réalisé un chiffre d'affaires de 13 à 25 milliards de dollars en 2025, selon les données recherchées, tout en enregistrant des pertes nettes de 38 à 44 milliards de dollars. Pour la mi-2026, les revenus annualisés sont estimés entre 24 et 40 milliards de dollars. C'est fort. Et pourtant, des sommes de financement énormes sont en jeu.

Le tour de financement d'OpenAI mentionné en mars 2026, d'environ 122 milliards de dollars avec une valorisation post-money d'environ 840 à 852 milliards de dollars, se lit comme un régime de marché des capitaux à part entière. Amazon avec 50 milliards de dollars, Nvidia avec 30 milliards de dollars, SoftBank avec plus de 30 milliards de dollars. Des rapports ultérieurs en septembre 2026 parlent de valorisations de 1,2 à 1,5 billions de dollars. Une analyse d'AI-Finance a même mentionné une facture de calcul possible de 300 milliards de dollars sur les années à venir.

Anthropic joue le même jeu, mais avec une tonalité différente. Les données recherchées mentionnent une introduction en bourse prévue avec environ 100 milliards de dollars de levée de capitaux pour une valorisation de 2 billions de dollars, Nvidia comme investisseur principal potentiel avec jusqu'à 10 milliards de dollars et un engagement à acheter 30 milliards de dollars de capacité Microsoft Azure sur des GPU Nvidia. Ce n'est pas seulement de l'IA. C'est un triangle entre laboratoire de modèles, contrat cloud et chaîne d'approvisionnement de GPU.

Je ne veux pas minimiser les modèles fermés. Quiconque le fait vend de l'idéologie. OpenAI, Anthropic et Gemini sont excellents pour de nombreuses tâches : raisonnement complexe, analyse multimodale, codage, travail de connaissance général, assistance dans les processus de bureau. Si un directeur commercial chez Festo ou Phoenix Contact met en place un système de connaissances interne, un modèle fermé peut rapidement apporter de la valeur. La rapidité est importante. La vitesse gagne l'approbation interne.

Mais l'IA fermée a un inconvénient qui apparaît rarement dans les présentations pilotes : le pilote est bon marché, la mise à l'échelle est le produit. 50 utilisateurs, quelques workflows, une remise d'entreprise amicale. Puis viennent les résumés CRM automatiques, les assistants de proposition, la génération d'e-mails, les notes de réunion, le scoring de sites web, l'analyse de documents, les systèmes RAG, les traductions, la classification de services. Chaque processus tire des tokens. Chaque mois devient une facture de consommation. Et à un moment donné, le DAF demande pourquoi les ventes ont soudainement une courbe cloud qui ressemble à une crosse de hockey.

Le verrouillage n'est pas seulement technique

Beaucoup parlent de verrouillage en termes d'API. C'est trop court. Le véritable verrouillage se produit dans les formats de données, les chaînes de prompts, les ensembles d'évaluation, les habitudes des utilisateurs, les processus d'administration, les systèmes d'autorisation et les formations internes. Si votre équipe de vente a construit sa logique ICP, ses scores de compte, ses playbooks et ses modèles de prospection sur un modèle fermé pendant 18 mois, vous ne changez pas simplement de fournisseur un vendredi midi.

Un PDG d'Augsbourg, Thomas, dirige un fabricant de composants d'environ 420 employés. Il m'a dit en avril 2026 : 'Nous avons appris avec l'ERP cloud que le changement n'échoue pas à cause du prix, mais à cause de l'exploitation.' Exactement. L'IA sera similaire. Seulement plus rapide. Et avec moins de standards.

C'est pourquoi je m'oppose au conseil selon lequel les PME devraient simplement choisir le meilleur fournisseur fermé et optimiser plus tard. Plus tard est un mot dangereux. Plus tard, les données sont dispersées, les utilisateurs formés, les workflows câblés et le service des achats a signé un contrat de trois ans. Alors vous ne négociez plus d'égal à égal. Alors vous négociez en tant que client dépendant.

Tendance 3 : L'hybride devient obligatoire, mais pas comme un compromis

La troisième tendance est la réponse pragmatique : les architectures hybrides s'imposent. Non par besoin d'harmonie. Mais parce que ni l'ouvert ni le fermé ne sont suffisamment propres seuls. Le fermé pour le travail de connaissance générique, le raisonnement complexe et les prototypes rapides. L'ouvert pour les charges de travail récurrentes, les données sensibles, la classification spécifique à l'industrie, l'exploitation sur site ou dans un cloud souverain. Ce n'est pas un compromis. C'est de la gestion des risques.

Je vois un modèle chez les fabricants DACH : les processus proches du bureau passent d'abord aux plateformes fermées. Microsoft Copilot, Azure OpenAI, ChatGPT Enterprise, Gemini dans le stack Google. Les processus proches de la production, stratégiques pour les ventes ou à forte propriété intellectuelle sont traités avec plus de prudence. Documents liés à la CAO, calculs d'offres, prix spéciaux clients, réclamations techniques, rapports de service, paramètres machine. Personne ne veut que les données voyagent sans que quelqu'un dans l'entreprise puisse expliquer l'itinéraire.

Cela ressemble à de la gouvernance informatique, mais c'est du business. Si un fabricant de machines veut défendre sa marge sur les pièces de rechange avec un agent IA qui regroupe les cas de service, prédit les besoins en pièces de rechange et alerte les ventes sur les signaux de désabonnement, ce n'est pas un chatbot. C'est de la gestion des revenus. Si un équipementier automobile comme Brose ou Schaeffler connecte les données fournisseurs, les rapports qualité et les historiques de comptes, il s'agit de pouvoir de négociation. Pas d'une jolie interface.

Le marché de l'IA agentique d'entreprise devrait passer de 2,6 milliards de dollars en 2024 à 24,5 milliards de dollars en 2030, avec un TCAC d'environ 46 %, selon Grand View Research. MarketsandMarkets voit le marché plus large des agents IA passer de 5,26 milliards de dollars en 2024 à 52,62 milliards de dollars en 2028. Le chiffre exact sera-t-il correct à la fin ? Honnêtement ? Je ne sais pas. Mais la direction est claire : l'IA passe des systèmes de réponse aux systèmes d'action.

Et les systèmes d'action ont besoin de contrôle. Un agent IA qui ne fait que formuler des textes est bien. Un agent IA qui priorise les comptes, prépare les offres, déclenche des séquences de suivi, escalade les cas de service ou contacte les fournisseurs, intervient dans les processus. Alors un test d'outil ne suffit pas. Alors il faut des droits, des logs, des validations, des fallbacks, des limites de coûts, un routage de modèles et une équipe qui comprend quand un modèle fermé et quand un modèle ouvert est utilisé.

Ce que nous observons concrètement chez Amplifa

Ce que nous observons concrètement chez Amplifa : Au cours des 12 derniers mois, lors d'implémentations avec des entreprises industrielles, de construction mécanique et de services techniques dans la région DACH, nous avons constaté que les projets d'IA dans la vente échouent presque jamais à cause de la génération de texte. Ils échouent à la première étape des données. Dans 31 des 44 configurations de mise sur le marché analysées, les critères ICP se trouvaient dans au moins quatre systèmes distincts : CRM, ERP, Excel, données de site web et souvent encore dans l'esprit de deux vendeurs seniors. Dans 19 cas, les équipes n'ont pas pu expliquer avant le début du projet pourquoi un compte avec un score de 82 était meilleur qu'un compte avec un score de 54. Ce n'est pas un problème d'IA. C'est un problème de gestion des ventes avec des symptômes d'IA.

Plus concrètement : chez les fabricants de produits nécessitant des explications, nous constatons régulièrement que les modèles ouverts suffisent pour le travail préparatoire structuré, tandis que les modèles fermés sont plus performants pour la personnalisation complexe. Un modèle qui fonctionne : un modèle Open-Weight extrait les caractéristiques de l'entreprise, les indications de production, les certifications, les marchés d'exportation et les signaux d'embauche à partir de sources publiques. Un modèle Frontier fermé rédige ensuite une hypothèse précise pour le responsable de compte. Ensuite, un humain intervient. Pas romantique. Efficace.

Dans un projet avec un fournisseur technique du sud de l'Allemagne, le temps de recherche manuelle par compte cible a diminué de 22 minutes à moins de 6 minutes, mesuré sur 1 200 comptes entre janvier et mars 2026. Parallèlement, le taux de comptes avec au moins un déclencheur fiable est passé de 34 à 71 %. Pas de nouveau commercial. Pas d'affiche de motivation. Juste une meilleure collecte de données, un routage de modèles et un ICP qui ne reposait pas sur l'intuition.

C'est la partie qui m'agace dans de nombreuses réunions de conseil d'administration : on parle d'IA comme si le fournisseur de modèles était la stratégie. Faux. La stratégie réside dans la question de savoir quelle décision de vente est automatisée, soutenue ou délibérément non automatisée. Qui peut prioriser un compte ? Qui peut déclencher un message ? Quelles données peuvent entrer dans le modèle ? Combien coûte un rendez-vous qualifié si la recherche, la prospection et le suivi sont partiellement automatisés ?

Amplifa ICP Playbook Un playbook pratique pour définir précisément les clients cibles, les signaux d'achat et la priorisation des comptes dans la vente B2B, avant la mise à l'échelle de l'IA.

IA ouverte vs. fermée : la logique commerciale pour les fabricants

Pour les entreprises manufacturières de la région DACH, il existe quatre critères stricts : la courbe des coûts, le contrôle des données, la capacité d'intégration et le pouvoir de négociation. Tout le reste est accessoire. Je sais, cela semble brutal. Mais lorsque l'on parle à des PDG qui doivent défendre leurs marges dans le commerce de pièces, expliquer les prix de l'énergie, stabiliser les chaînes d'approvisionnement et en même temps construire de nouveaux services numériques, on perd vite patience avec les diapositives d'IA qui ne contiennent que des promesses d'efficacité.

L'IA fermée marque des points au démarrage. Vous achetez l'accès, obtenez des modèles puissants, utilisez les structures cloud et de sécurité existantes et pouvez construire des applications productives en quelques semaines. C'est logique pour de nombreuses PME, car les équipes d'IA internes sont petites. Un directeur commercial chez un fournisseur de Kärcher dans la région de Stuttgart ne va pas d'abord créer sa propre équipe MLOps juste pour améliorer les textes d'offres. C'est compréhensible.

L'IA ouverte marque des points en matière de contrôle et de répétition. Si un processus s'exécute mille fois par jour, avec une structure de données stable et des informations sensibles, alors l'hébergement propre ou un cloud souverain est rentable. Pas toujours. Mais plus souvent que de nombreux consultants ne l'admettent. Surtout pour le scoring de leads, la classification de documents, la taxonomie technique, l'analyse d'appels d'offres, la correspondance de pièces de rechange et la recherche de connaissances internes dans des documents confidentiels.

En 2026, je ne conseillerais à aucune PME de miser entièrement sur l'open source si elle n'a pas de compétences en intégration. Ce serait imprudent. Mais je ne conseillerais pas non plus à quiconque de coller tous les processus d'IA stratégiques sur une plateforme fermée. C'est pratique, jusqu'à ce que la facture arrive ou que le responsable de la protection des données au comité de pilotage devienne soudain très silencieux.

Coûts : Capex contre Opex est trop simple

Beaucoup le présentent mal : open source égale Capex, closed source égale Opex. Ce n'est pas si simple. Un modèle ouvert peut aussi être Opex via l'hébergement géré. Un modèle fermé peut sembler plus prévisible via des contrats d'entreprise. La vraie question est : dans quelle mesure la consommation évolue-t-elle avec le succès de votre entreprise ?

Si votre système d'IA analyse chaque nouveau lead, chaque modification de site web, chaque appel d'offres, chaque rapport de service et chaque note CRM, les coûts augmentent avec l'activité. Ce n'est pas mauvais. Il faut juste que cela s'inscrive dans l'économie unitaire. Un processus de vente qui, grâce à l'IA, trouve trois fois plus de comptes pertinents, mais génère 18 % de coûts d'outils et de tokens supplémentaires par transaction, doit être évalué différemment d'un abonnement SaaS classique.

Pour un fabricant de taille moyenne avec un budget annuel d'IA de 1 à 3 millions d'euros, je pense qu'il est réaliste qu'une stratégie uniquement fermée lie environ 50 à 70 % de ce budget en frais d'utilisation d'ici 2028, si la vente, le service et l'ingénierie automatisent largement. Cette fourchette n'est pas une vérité d'analyste. C'est une hypothèse de planification basée sur des discussions et des projections. Mais elle force à la bonne discussion.

Souveraineté des données : les PME sous-estiment leurs propres actifs

De nombreux fabricants parlent de données comme s'ils en avaient trop peu. Ce n'est généralement pas vrai. Ils ont trop peu de données utilisables. C'est autre chose. Les rapports de service contiennent des connaissances sur les produits. Les offres perdues contiennent une sensibilité aux prix. Les réclamations contiennent des informations sur la concurrence. Les commandes de pièces de rechange contiennent la base installée. Les anciens rapports de visite contiennent la logique du centre d'achat. L'odeur des archives papier n'est pas numérique, mais la valeur est réelle.

Quiconque rend ces données utilisables par l'IA construit un actif. Quiconque les disperse de manière incontrôlée dans des systèmes étrangers se rend dépendant. Le RGPD n'est que la surface juridique. Pour de nombreux fabricants de machines, la protection des secrets commerciaux est plus importante : conditions spéciales, conceptions spécifiques aux clients, problèmes de livraison, défauts de qualité, paramètres de processus. Ce ne sont pas des données que l'on pousse à la légère dans une boîte noire.

La stratégie de l'UE visant à augmenter la part de l'Europe dans la capacité de calcul mondiale de l'IA de 5 à 15 % d'ici 2030, avec 100 milliards d'euros d'investissements publics et 1,5 billion d'euros d'investissements privés, montre la direction à prendre. L'Europe veut plus de contrôle sur le calcul, les modèles et les espaces de données. Les PME ne devraient pas lire cela comme un document bruxellois. Elles devraient le lire comme une stratégie d'achat.

FAQ : Les PME devraient-elles préférer l'IA open source ?

Non, pas de manière générale. Ceux qui ont peu de maturité des données, pas de partenaires d'intégration et pas de cas d'utilisation clairs, s'en sortent souvent mieux avec des plateformes fermées pour commencer. Mais chaque fabricant de taille moyenne devrait au moins construire une option de modèle ouvert comme architecture de référence. Pas par principe. Comme ancre de prix, voie de secours et couche de contrôle.

FAQ : Où l'IA fermée est-elle supérieure dans la vente ?

L'IA fermée est forte lorsque les tâches sont larges, non structurées et linguistiquement exigeantes. Hypothèses de compte, briefings exécutifs, variantes d'e-mails complexes, préparation d'entretiens pour des comités d'achat internationaux. Un bon modèle fermé peut ici fournir une qualité pour laquelle des modèles ouverts plus petits nécessitent plus d'ajustements. J'utilise moi-même de tels modèles. Mais pas aveuglément pour chaque processus.

FAQ : Où l'IA ouverte est-elle meilleure dans la vente ?

L'IA ouverte est souvent meilleure pour les tâches répétables, spécifiques à un domaine et sensibles : classification des clients cibles, extraction de caractéristiques techniques, scoring des signaux d'entreprise, recherche de connaissances internes, analyse d'archives d'offres. Ce qui compte ici, ce n'est pas la réponse la plus brillante, mais une répétabilité stable, des coûts marginaux faibles et un contrôle sur les flux de données.

Ce que cela signifie pour les PDG et les investisseurs

Pour les PDG de PME, la première conséquence est simple : l'IA doit être intégrée à la planification stratégique et budgétaire, et non dans le dossier d'innovation. Si les dépenses des entreprises en GenAI augmentent de 11,5 à 37 milliards de dollars en un an, alors les fournisseurs, intégrateurs et plateformes vendront de manière plus agressive. Votre service des achats verra des offres qui sonnent comme de la productivité et sentent l'engagement cloud de trois ans.

Pour les investisseurs, la question est encore plus pointue. Si vous investissez dans un fabricant ou l'évaluez, vous devrez à l'avenir savoir si les capacités d'IA de l'entreprise sont des actifs propres ou de simples prompts loués. Une entreprise qui a construit sa logique ICP, ses données de compte, ses classifications techniques et son automatisation des processus de manière agnostique au modèle est plus robuste. Une entreprise dont les workflows d'IA dépendent entièrement d'un outil fermé porte un risque de plateforme.

Lors d'une due diligence à partir de 2027, je poserais des questions très concrètes : quels modèles sont utilisés pour quels processus ? Quelles données quittent l'UE ? Existe-t-il une option de sortie pour les workflows critiques ? Quels sont les coûts d'IA par offre, par cas de service, par rendez-vous qualifié ? Quelles données d'évaluation appartiennent à l'entreprise ? Qui peut exploiter le système si le fournisseur modifie les prix ?

Cela semble dur. Et ça doit l'être. Quiconque vend l'IA comme un multiplicateur doit accepter que les erreurs soient également multipliées. Un mauvais ICP ne s'améliore pas avec l'IA. Il est déployé plus rapidement. Une mauvaise discipline CRM n'est pas guérie par l'IA. Elle est juste mieux résumée. Un processus de vente sans responsabilités claires ne devient pas autonome avec des agents. Il devient chaotique.

Préparer l'IA dans la vente : 7 étapes pour 2026

1. Séparez les cas d'utilisation en fonction du risque lié aux données. Les textes de bureau, la recherche publique de comptes et le travail de connaissance interne ne doivent pas être traités de la même manière que les calculs d'offres, les documents liés à la CAO ou les rapports de service contenant des secrets clients.
2. Calculez le TCO sur trois ans. Pas seulement les coûts de licence. Incluez les tokens, les utilisateurs, les appels API, l'hébergement, l'intégration, la surveillance, la sécurité, la formation et le changement de fournisseur. Un pilote sans calcul de mise à l'échelle est un document de vente.
3. Mettez en place un routage de modèles. Définissez quelles tâches un modèle frontalier fermé peut effectuer et quelles tâches un modèle ouvert doit gérer. La meilleure pile n'utilise pas toujours le meilleur modèle, mais le modèle approprié.
4. Définissez votre ICP de manière lisible par machine. Industries, tailles d'entreprise, installations, certifications, signaux d'expansion, déclencheurs, critères d'exclusion. Si votre profil de client idéal n'existe que dans PowerPoint, l'IA ne peut pas le mettre à l'échelle correctement.
5. Créez des ensembles de données d'évaluation à partir de cas réels. 100 comptes gagnés, 100 comptes perdus, 100 mauvais leads, de vrais cas de service, de vrais documents d'offre. Sans évaluation, vous discutez de la qualité du modèle au feeling.
6. Négociez les clauses de données et de prix tôt. Pour les fournisseurs fermés : résidence des données, pas de formation sur les données clients, possibilités d'exportation, stabilité des prix. Pour les partenaires ouverts : SLA, renforcement de la sécurité, modèle d'exploitation, IP conjointe.
7. Créez une responsabilité au sein de l'entreprise. Pas seulement l'IT. Les ventes, le service, l'ingénierie et le contrôle de gestion doivent comprendre les coûts et les décisions liés à l'IA. Sinon, l'IT construira une plateforme que personne ne gérera économiquement.

Ces étapes semblent arides. Tant mieux. Des étapes arides évitent les larmes au comité de pilotage. J'ai vu trop de projets d'IA où, après six mois, personne ne savait si le système générait des revenus ou seulement de l'activité. Surtout dans la vente, l'activité est l'indicateur le plus dangereux. Plus d'e-mails n'est pas un progrès. Plus de conversations pertinentes, oui.

Produit Amplifa Amplifa aide les équipes B2B à identifier les clients cibles basés sur les données, à prioriser les signaux et à construire des processus de vente basés sur l'IA de manière contrôlée.

À quoi peut ressembler une pile d'IA hybride dans les PME

Une pile hybride utilisable ne commence pas par le modèle. Elle commence par la carte des processus. Quelles décisions de vente sont prises aujourd'hui ? Sélectionner un compte, comprendre le centre d'achat, trouver une opportunité, formuler un message, définir le timing, planifier le suivi, préparer une offre, identifier un risque. Chaque décision reçoit des sources de données, des responsables et un niveau d'automatisation. Ce n'est qu'alors que se pose la question du modèle.

Pour les données publiques d'entreprise, un modèle ouvert peut suffire, fonctionnant sur une infrastructure propre ou chez un fournisseur européen. Il extrait des caractéristiques pertinentes des sites web, des registres du commerce, des offres d'emploi, des communiqués de presse et des bases de données de certification. Exemple : un fabricant étend une usine en République tchèque, recherche des techniciens de maintenance expérimentés en Siemens S7 et mentionne de nouvelles lignes d'emballage. C'est un signal. Pas un signal magique. Mais un meilleur que 'l'entreprise a 500 employés'.

Pour la formulation d'une hypothèse exécutive, un modèle fermé peut être utile, tant qu'aucune donnée confidentielle n'y est introduite ou qu'elle est correctement masquée. Le responsable de compte ne reçoit alors pas 'Bonjour, je voulais me présenter brièvement', mais une hypothèse : 'Votre expansion à Brno augmente probablement le besoin de processus de maintenance standardisés pour la ligne X ; nous constatons des goulots d'étranglement dans la disponibilité des pièces de rechange dans des usines similaires.' C'est de la vente. Pas du spam.

Pour la recherche de connaissances internes dans les archives d'offres, je serais plus prudent. On y trouve des prix, des remises, des solutions techniques spéciales, des clauses légales. Un modèle ouvert dans un environnement contrôlé peut être le meilleur choix ici. Peut-être avec une génération augmentée par récupération, peut-être avec une logique de rôles stricte, peut-être avec une approbation humaine. L'essentiel : personne ne copie des PDF d'offres dans une fenêtre de chat parce que c'est plus rapide.

L'orchestration des workflows est sous-estimée. Temporal, financé selon les données recherchées en septembre 2026 avec une série E de 550 millions de dollars pour une valorisation de 12,55 milliards de dollars, montre l'importance des processus robustes. L'IA sans orchestration est une vidéo de démonstration. L'IA avec orchestration peut soutenir un processus : récupérer des données, choisir un modèle, vérifier le résultat, mettre à jour le CRM, obtenir une approbation, créer une tâche.

Pourquoi les stratégies purement inbound ne suffisent pas dans l'industrie manufacturière

Je le dis sans détour : quiconque, en 2026, s'appuie encore sur une stratégie purement inbound dans le B2B industriel n'aura plus de pipeline fiable dans cinq ans. Non pas parce que l'inbound est mort. Mais parce que les acheteurs deviennent plus invisibles, les appels d'offres arrivent plus tard et les décideurs techniques consomment des informations bien avant de remplir un formulaire. Si vous ne réagissez que lorsque le lead est dans le système, vous êtes souvent déjà interchangeable.

L'IA change les règles du jeu ici. Les bonnes équipes de vente n'attendent pas les leads. Elles détectent les mouvements du marché : extensions d'usines, nouvelles lignes de produits, changements de direction, subventions, nouvelles normes, offres d'emploi, problèmes de chaîne d'approvisionnement, brevets, annonces de salons. Une équipe qui recherche manuellement ces signaux ne peut pas suivre. Une équipe qui les collecte automatiquement et les évalue mal produit du bruit. Une équipe qui combine l'IA avec un ICP propre construit un pipeline plus tôt.

Markus, directeur commercial chez un constructeur d'installations près d'Ulm, m'a dit en juin 2026 : 'Nos meilleures opportunités ne sont jamais dans le CRM avant que quelqu'un ne les ait cherchées.' Exactement. Le CRM est souvent un rétroviseur. L'IA peut être un radar. Mais seulement si les signaux sont corrects et que les ventes ne considèrent pas chaque piste générée automatiquement comme une opportunité.

Le rôle de la réglementation et de la souveraineté

L'AI Act, le RGPD, NIS2 et les exigences spécifiques à l'industrie ne facilitent pas l'Europe. Mais ils rendent le débat plus honnête. Les fabricants DACH ne peuvent pas faire comme si les flux de données étaient sans importance. En particulier les entreprises liées à l'automobile, la défense, le Medtech ou la chimie doivent savoir où les données sont traitées, qui y a accès et comment les décisions sont enregistrées.

Les modèles Open-Weight s'intègrent donc bien dans la politique industrielle européenne. Ils permettent un plus grand contrôle local, une meilleure auditabilité et une meilleure adaptation aux exigences spécifiques à un domaine. Mais encore une fois : ouvert ne signifie pas automatiquement conforme. Un système open source mal configuré est tout aussi dangereux qu'un contrat fermé mal négocié. La différence est qu'avec l'open source, on a souvent plus de marge de manœuvre.

L'initiative France-Émirats Arabes Unis d'environ 1 milliard de dollars pour une constellation de satellites IA avec 50 satellites d'observation de la Terre montre à quel point le concept de souveraineté s'élargit. Il ne s'agit pas seulement de chatbots. Il s'agit de sources de données, de calcul, de modèles, d'applications. Pour les fabricants, cela signifie : la chaîne de valeur de l'IA s'allonge. Et quiconque n'achète qu'un outil à la fin ne comprend pas le levier.

Montants d'investissement : ce que signifient réellement les méga-tours

Les méga-tours ne sont pas une preuve de la valeur pour le client. Il faut le dire. Le capital peut aussi signifier une surchauffe. Mais les ordres de grandeur montrent où se créent les dépendances stratégiques. OpenAI avec un tour de financement de 122 milliards de dollars en mars 2026, Anthropic avec des plans d'IPO possibles de 100 milliards de dollars, Mistral avec une série D de 3 milliards d'euros, Hugging Face avec une valorisation à deux chiffres en milliards, Temporal avec 12,55 milliards de dollars. C'est la nouvelle carte d'infrastructure.

Pour les PME, cela contient un avertissement. Les fournisseurs ayant des besoins en capitaux extrêmes doivent à un moment donné montrer un rendement. Le rendement provient des prix, du regroupement, de la consommation, du contrôle de la plateforme ou de la part de marché. Si vous êtes sur une plateforme qui doit elle-même couvrir une facture de calcul de 300 milliards de dollars, vous ne devez pas vous attendre à ce que vos prix d'API restent toujours amicaux.

Dans les écosystèmes ouverts, la logique est différente, mais pas gratuite. La valeur est créée par l'hébergement, l'intégration, la sécurité, le support, le fine-tuning, l'évaluation et l'exploitation. C'est une opportunité pour les intégrateurs européens et les fournisseurs spécialisés. Pour les clients, c'est du travail. Il faut choisir des partenaires, gérer l'architecture et mesurer les résultats. En retour, on regagne du pouvoir de négociation.

Lien entre l'architecture IA et la gestion du pipeline

La gestion du pipeline est souvent traitée comme une discipline de vente. Prévisions, étapes, probabilités, prochaines étapes. Tout est correct. Mais l'IA déplace la gestion du pipeline vers l'avant. La question cruciale n'est plus seulement de savoir quelles opportunités sont dans le CRM. Mais quels comptes ne sont pas encore dans le CRM, même s'ils pourraient acheter dans 6 à 18 mois.

C'est là que le jouet se sépare du système. Une approche uniquement fermée peut rapidement fournir de bons textes et résumés. Une approche open-friendly peut aider à traiter de grandes quantités de données externes et internes de manière rentable. Une approche hybride combine les deux : des modèles ouverts pour la détection de signaux à grande échelle, des modèles fermés pour une communication exigeante, une approbation humaine pour les étapes critiques pour l'entreprise.

Les PME n'ont pas besoin d'une IA qui produit plus de résultats. Elles ont besoin d'une IA qui fixe moins de fausses priorités. C'est une petite phrase avec de grandes conséquences. Moins de mauvais comptes. Moins de suivi de salon non pertinent. Moins de 'Nous vous recontacterons'. Plus de conversations avec des entreprises où il y a un déclencheur concret, un besoin approprié et un centre d'achat accessible.

Prévision personnelle : 2027 à 2029

Ma prévision personnelle pour les deux à trois prochaines années : 2027 sera l'année de la consolidation de l'IA dans les PME. De nombreuses entreprises utiliseront 8 à 15 outils, mais n'en conserveront que 2 à 4. Non pas parce que les autres sont mauvais. Mais parce que la prolifération des outils sans stratégie de données est agaçante, coûteuse et brouille les responsabilités.

2028 sera l'année de la vérification des coûts. Les DAF n'accepteront plus que l'IA passe pour un budget d'innovation. Ils voudront voir les coûts par opération : par lead qualifié, par offre, par cas de service, par documentation technique, par ticket de support. C'est alors que l'on verra qui a bien séparé l'ouvert et le fermé dès le début. Et qui a simplement jeté le même modèle partout.

2029 sera l'année du pouvoir de négociation. Les entreprises dotées de workflows agnostiques au modèle, de leurs propres données d'évaluation, d'une classification claire des données et d'alternatives ouvertes auront de meilleurs prix et un meilleur contrôle. Les entreprises sans ces bases devront expliquer leur stratégie d'IA à rebours : à partir du fournisseur, et non à partir de l'entreprise. C'est rarement un bon signe.

Je ne crois pas au récit romantique selon lequel l'open source gagne tout. Je ne crois pas non plus au récit commode selon lequel les grandes plateformes fermées résolvent tout mieux. Le marché deviendra plus rude, plus pratique et plus industriel. C'est précisément pourquoi il convient aux PME.

Au final, ce n'est pas le fabricant qui montrera la démo d'IA la plus spectaculaire qui gagnera. C'est celui qui saura quelles données il possède, quels processus il doit contrôler et quelles dépendances il peut se permettre. Sur l'établi, cela semble peu spectaculaire. Dans le compte de profits et pertes, non.