AI & Automatisation · 3 juin 2026 · 24 min de lecture · Joseph Flesh, CTO & Co-Founder, Amplifa

Infrastructure AI : Foxconn, Bull et AI Factories

L'infrastructure AI européenne transforme la Smart Factory et la vente. Découvrez les étapes que les PME du DACH doivent planifier pour les AI Factories.

Jeudi dernier, à 8h12, j'étais chez Amplifa en appel d'onboarding avec Andrea, COO d'un automaticien d'Ulm. En arrière-plan, j'entendais le sifflement léger d'une scie provenant de la production ; elle n'avait qu'à moitié fermé la porte de son bureau, et sur son bureau se trouvait une impression des dates de livraison, marquée en rouge. « Joseph, nous avons les leads pour trois nouvelles lignes », dit-elle, « mais nos clients demandent désormais d'abord l'infrastructure AI et seulement ensuite la mécanique. » J'ai brièvement regardé mon café. Froid. Puis la nouvelle du partenariat Foxconn-Bull est apparue sur mon deuxième écran.

Mon pronostic est simple et inconfortable : quiconque dans la construction mécanique, la fabrication électronique ou les composants d'automatisation n'aura pas de réponse claire sur les AI Factories d'ici 2028 ne perdra pas d'abord des commandes en production. Il les perdra dans la vente. Non pas parce que chaque entreprise de 180 personnes exploitera soudainement ses propres clusters de GPU. Enfin, presque. Mais parce que les clients du DACH commencent à trier les fournisseurs selon leur capacité réelle à livrer des données, de l'Edge AI, des jumeaux numériques et de l'intégration d'installations — ou s'ils se contentent d'écrire « Industrie 4.0 » sur des diapositives.

Infrastructure AI en Europe : pourquoi cette annonce devrait faire mal

Foxconn, officiellement Hon Hai Technology Group, et Bull SAS, la filiale française d'infrastructure IT issue de l'environnement Atos, veulent construire ensemble des serveurs AI, des clusters de GPU, des systèmes Edge et du matériel d'automatisation en Europe. Cela ressemble d'abord à un centre de données. À de la tôle, des racks, des câbles, des ventilateurs. À quelque chose qui intéresse les COO et que les directeurs commerciaux survolent. C'est précisément là que réside l'erreur de raisonnement.

Selon les rapports sectoriels publiés ces dernières 24 à 48 heures, le partenariat vise explicitement les entreprises manufacturières européennes, les Smart Factories et les fameuses AI Factories. Deutschland, l'Autriche et la Suisse sont cités comme marchés clés. Automobile. Électronique. Industrie de transformation. Fabrication de précision. Soit exactement les entreprises avec lesquelles nous travaillons régulièrement chez Amplifa : 50 à 500 employés, un bon produit, une base clients établie depuis des années, mais un pipeline qui dépend de plus en plus de projets où l'IT, l'OT et les achats interviennent simultanément.

Pour moi, cette annonce n'est pas un détail matériel. C'est un signal de vente. Lorsque Foxconn et Bull poussent l'« AI infrastructure made in Europe » sur le marché, les attentes des clients des fournisseurs de Trumpf, des intégrateurs Festo, des partenaires Schaeffler ou des fabricants de composants proches de Webasto évoluent. Le client ne demande plus : « Pouvez-vous livrer l'installation ? » Il demande : « Pouvez-vous l'intégrer dans notre architecture de données, l'enrichir avec de la Computer Vision, analyser les données de maintenance et exploiter le tout de manière auditable ? » C'est un autre processus de vente. Plus dur. Plus technique. Plus long. Mais aussi plus lucratif.

Statu quo : beaucoup parlent d'AI, peu ont posé les câbles

Selon le rapport Tacton « State of Manufacturing » 2026, 79 % des fabricants mondiaux investissent ou expérimentent activement l'AI. L'année précédente, ils étaient 64 %. C'est un bond que l'on ne peut pas balayer comme un simple battage médiatique de salon. Parallèlement, selon la même source, seuls 7 % des fabricants disposent d'une véritable connectivité de bout en bout à travers la chaîne de valeur, la vente, l'ingénierie, la production et le service. Je répète le chiffre, car il génère généralement un court silence en atelier : sept pour cent.

Je constate cet écart chaque mois. En mars 2026, j'ai parlé avec Markus, directeur commercial d'un constructeur de machines spéciales de Heilbronn. Son équipe vend des installations entre 250.000 et 1,8 million d'euros. L'entreprise utilise un CRM, un ERP, un PLM, des modèles d'offres Excel et trois dossiers SharePoint tous nommés « final ». La machine elle-même génère des données de capteurs chaque seconde. Mais au service commercial, personne ne sait quelles fonctionnalités sont réellement utilisées par les clients existants. Personne. L'après-vente a les informations, l'ingénierie s'en doute, mais le commercial appelle quand même avec des arguments génériques.

C'est le statu quo dans de nombreuses PME industrielles du DACH. Il y a des machines avec commande Siemens, des systèmes de caméras de Cognex ou Keyence, des cellules robotisées de Kuka ou ABB, des données ERP provenant de SAP Business One ou Microsoft Dynamics, et puis il y a le service commercial qui priorise toujours au feeling quel OEM est « chaud ». Ce n'est pas tout à fait vrai. Les bonnes équipes ont des listes. Mais les listes ne sont pas de l'intelligence. Et elles deviennent inutiles dès que les clients commencent à utiliser l'AI-Readiness comme critère d'achat.

Ce que nous voyons concrètement chez Amplifa : dans 17 implémentations auprès d'entreprises industrielles de 70 à 430 employés, nous avons presque toujours trouvé le même schéma au cours des 12 derniers mois. Les 20 meilleurs clients existants génèrent entre 52 et 78 % de la marge contributive, mais moins d'un tiers des activités de vente est basé sur la base installée, l'âge des machines, les cas de service ou les modèles de pièces de rechange. Le commercial travaille au niveau de l'entreprise, mais l'opportunité naît au niveau de l'installation. C'est précisément là que les AI Factories deviennent pertinentes — non pas comme mot à la mode, mais comme structure de données pour le chiffre d'affaires.

Tendance 1 : Les AI Factories migrent du Cloud vers l'atelier

La première tendance est physique. Bruyante. Chaude. On l'entend. Quiconque s'est déjà tenu à côté d'un rack de GPU sait que l'AI ne vit pas dans une métaphore nuageuse, mais dans l'électricité, le refroidissement, la latence, la gestion des câbles et la protection incendie. Foxconn et Bull s'attaquent précisément à cela : les serveurs AI, les clusters de GPU, les passerelles Edge industrielles et le matériel de commande doivent être fabriqués en Europe, intégrés et qualifiés pour les charges de travail industrielles.

Pourquoi est-ce pertinent pour une entreprise de 180 employés dans le Bade-Wurtemberg ? Parce que de nombreuses applications d'AI proches de la production ne fonctionnent pas correctement si elles n'existent que sous forme de démo SaaS dans le navigateur. Le contrôle qualité par Computer Vision nécessite des caméras proches de la ligne, des temps d'inférence en millisecondes et une connexion robuste à la commande. La maintenance prédictive nécessite l'historique des machines, des capteurs, le contexte des ordres de maintenance et des modèles qui ne tombent pas en panne à chaque perturbation du réseau. Les jumeaux numériques ont besoin de plus qu'un beau modèle 3D. Ils ont besoin de flux de données qui ne meurent pas après le projet pilote.

En avril 2026, j'ai discuté avec Thomas, Head of Sales chez un intégrateur d'automatisation à Nuremberg, d'une offre pour une installation de contrôle visuel. Son client, un fournisseur de rang 2 pour l'industrie automobile, voulait savoir si les données d'image pouvaient être traitées localement. Pas « un jour ». Dans le cahier des charges. Le comité d'entreprise avait eu son mot à dire, la sécurité IT aussi. Thomas m'a dit : « Avant, nous vendions sur le temps de cycle. Maintenant, nous vendons la résidence des données. » C'est exactement cela, le changement.

Siemens Digital Industries soutient dans une contribution récente sur la souveraineté européenne en matière d'AI que le leadership en AI ne dépend pas seulement des modèles, mais des semi-conducteurs, de l'infrastructure de calcul, de l'efficacité énergétique, de la robotique et de la capacité à transférer l'innovation en production. Cela ressemble à une stratégie de groupe. Pour les PME, c'est pourtant une question d'offre. Puis-je proposer au client une solution qui tourne dans son usine, avec ses données, sous conditions de conformité européennes, et qui peut encore être maintenue après six mois ?

La souveraineté de l'Europe en matière d'AI ne se décidera pas seulement par le logiciel, mais par la capacité à amener les semi-conducteurs, le calcul, l'automatisation et les données industrielles vers une production scalable.

— Message clé de Siemens Digital Industries, contribution sur l'AI Sovereignty in Europe, 2026

J'aime cette citation car elle recadre le débat habituel sur l'AI. De nombreuses organisations de vente parlent de chatbots, d'automatisation d'e-mails et de bibliothèques de prompts. Tout cela est utile. Mais dans le B2B industriel, l'AI ne se décide pas dans le prompt. Elle se décide sur la capacité d'un client à Linz à étendre sa ligne sans envoyer de données de production vers une région Cloud incertaine ; sur le fait qu'une usine à Bielefeld planifie ses pièces de rechange de manière proactive ; sur le fait qu'un responsable qualité à Saint-Gall puisse dormir la nuit parce que le modèle n'avait pas seulement une précision de 93 % sur PowerPoint, mais qu'il fonctionne encore en troisième équipe malgré le brouillard d'huile et la lumière vacillante.

Tendance 2 : Le commercial vend de l'architecture, plus seulement des machines

La deuxième tendance frappe directement les directeurs commerciaux. Auparavant, la vente technique dans la construction mécanique était déjà assez complexe : cahier des charges, temps de cycle, flux de matières, CE, service, délai de livraison, prix. Maintenant, une couche supplémentaire s'ajoute. Les clients veulent savoir comment une solution s'intègre dans leur infrastructure AI. Quelles données sont générées ? Où sont-elles stockées ? Quelles interfaces existent ? Comment entraîner ou surveiller les modèles ? Qui est responsable si l'AI prend de mauvaises décisions de qualité ?

Je suis tranchant : quiconque croit encore en 2026 qu'une pure vente de produits suffit dans la construction mécanique n'a pas compris le changement. Le client n'achète pas seulement un agrégat. Il achète une part de logique opérationnelle future. Si votre offre n'explique pas cette logique opérationnelle, quelqu'un d'autre le fera. Peut-être un intégrateur. Peut-être un grand automaticien. Peut-être un prestataire IT qui en sait moins que vous sur les broches, mais parle mieux des flux de données.

Il y a trois semaines, j'ai eu une réunion interne avec Lena, notre Customer Success Lead chez Amplifa, et nous avons passé en revue les motifs de perte de huit pipelines industriels. La pièce sentait le marqueur pour tableau blanc parce que quelqu'un l'avait laissé ouvert. Dans trois cas sur huit, le motif de perte indiqué dans le CRM était le « prix ». Lorsque nous avons reconstitué les échanges d'e-mails et les notes d'appels, la raison réelle était autre : le concurrent avait su expliquer plus tôt comment sa solution s'intégrait dans le MES, l'ERP et l'architecture Edge locale. Le prix était le mot utilisé par le commercial parce qu'il fait moins mal.

C'est ici que l'annonce Foxconn-Bull devient intéressante. À mesure que les serveurs AI et systèmes Edge européens deviennent plus disponibles, l'excuse « c'est encore trop tôt » s'effondre. Les clients attendront des architectures de référence. Ils demanderont si votre installation interagit avec des racks de GPU locaux, des passerelles industrielles et des modèles de données standardisés. Et oui, beaucoup de PME diront : « Nos clients ne demandent pas encore cela. » C'est peut-être vrai. Peut-être qu'ils ne le demandent qu'à vos concurrents.

Comment les Buying Centers évoluent avec l'infrastructure AI

Dans les contrats classiques de construction mécanique, la direction, la direction de production, les achats et peut-être un responsable de maintenance étaient assis à table. Pour les projets proches des AI Factories, de nouvelles voix s'ajoutent : sécurité IT, protection des données, responsables OT, parfois le comité d'entreprise, occasionnellement un consultant externe en numérisation. Cela rallonge les contrats. Cela ne les rend pas automatiquement moins bons. Cela rend les mauvais processus de vente visibles.

Un exemple : chez un client du secteur de la construction de machines d'emballage, 220 employés dans la région de Ravensburg, nous avons reconstruit la logique ICP en janvier 2026. Auparavant, le commercial priorisait par secteur et taille de chiffre d'affaires. Ensuite, nous avons ajouté des critères tels que les commandes Siemens ou Beckhoff installées, le nombre de sites de production, l'intensité du service, le MES existant et des mots-clés dans les offres d'emploi comme « Data Engineer », « Computer Vision » ou « OT Security ». Résultat après neuf semaines : moins de premiers entretiens, mais le taux de passage de la découverte au projet qualifié est passé de 31 à 46 %. Pas de magie. Une meilleure sélection des cibles.

C'est le pont entre l'infrastructure AI et la vente. La disponibilité du matériel en Europe crée de nouvelles classes de projets. Les nouvelles classes de projets créent de nouveaux critères d'achat. Les nouveaux critères d'achat cassent les anciens modèles de lead scoring. Quiconque segmente encore uniquement par nombre d'employés, code postal et secteur ignore les entreprises qui débloquent actuellement des budgets pour l'Edge AI, les jumeaux numériques et les plateformes de données de production.

Tendance 3 : Les AI Factories font de la souveraineté des données un argument de vente

La troisième tendance est politique, mais pas abstraite. La souveraineté des données devient commerciale. En Deutschland, en Autriche et en Suisse, il existe un scepticisme profond à l'égard des données de production entre des mains étrangères. On peut en sourire quand on vient du pur monde SaaS. Je ne le ferais pas. Un directeur d'un fabricant de pièces de précision de Villingen-Schwenningen m'a dit en mai 2026 : « Nos données de processus sont notre marge. » La phrase marque.

Lorsque Foxconn et Bull mettent l'accent sur la fabrication européenne, l'intégration européenne et l'infrastructure AI locale, ils touchent précisément cette corde sensible. Il ne s'agit pas seulement de chaînes d'approvisionnement. Il s'agit de confiance dans les appels d'offres. Un fournisseur pharmaceutique suisse, un constructeur de machines autrichien ou un fournisseur automobile allemand doit pouvoir expliquer à ses clients, auditeurs et instances internes où les données sont traitées, qui y a accès, comment se font les mises à jour et comment les systèmes continuent de fonctionner en cas de tensions géopolitiques.

Bull apporte, selon les rapports, sa base de clients européenne, sa compétence d'intégration et sa conception de centres de données. Foxconn apporte son volume de fabrication, sa conception électronique et sa puissance de chaîne d'approvisionnement. Ce n'est pas de l'autosuffisance européenne romantique. Foxconn reste Foxconn. Mais l'assemblage local, la qualification et l'intégration système dans l'UE peuvent faire la différence pour les clients industriels lorsque les délais de livraison, les contrôles à l'exportation ou les chaînes de support deviennent critiques.

Pour la vente, cela signifie : la souveraineté devient un argument, mais seulement si elle est concrète. « Made in Europe » seul ne vend pas une installation. « Vos données d'image ne quittent pas l'usine, l'inférence tourne sur un cluster Edge à proximité de l'armoire électrique, les mises à jour sont déployées via une fenêtre de maintenance approuvée, et la version du modèle est documentée dans le journal d'audit » — cela, ça vend. Ou du moins, cela empêche le responsable IT de couper court à la conversation après 42 minutes.

FAQ : Qu'est-ce qu'une AI Factory dans les PME industrielles ?

Une AI Factory n'est pas une usine isolée avec des robots et des tableaux de bord clignotants. Dans le contexte industriel, le terme désigne une infrastructure reproductible avec laquelle les entreprises entraînent, exploitent, surveillent et intègrent des modèles d'AI dans les processus de production. Cela inclut le Compute — souvent des serveurs GPU ou des systèmes Edge spécialisés — les pipelines de données, la gestion des modèles, les interfaces avec les commandes de machines, la cybersécurité, le monitoring et les responsabilités. Pour un constructeur de machines de 300 personnes, cela ne doit pas ressembler à Nvidia ou BMW. Il peut s'agir d'un cluster Edge local pour le contrôle qualité, complété par un jumeau numérique, des données de service et un concept MLOps propre. L'important n'est pas la taille. L'important est que l'AI passe du pilote à la capacité opérationnelle.

Infrastructure AI et gestion du pipeline : le lien inconfortable

De nombreux directeurs séparent encore trop nettement technologie de production et technologie de vente. Là-bas, la fabrication avec OPC UA, API, MES, OEE et capteurs. Ici, la vente avec CRM, campagnes, salons et rapports de visite. Cette séparation est organisationnellement pratique. Elle est économiquement dangereuse.

Lorsque vos clients investissent dans des AI Factories, des signaux de vente apparaissent bien avant la demande officielle. Une entreprise embauche un responsable OT Security. Un directeur d'usine parle de Computer Vision sur LinkedIn. Un rapport annuel mentionne « local inference ». Un site construit un nouveau centre logistique. Un service achats demande soudainement des formats de données. Un concepteur télécharge des livres blancs sur les jumeaux numériques. Chaque signal seul est faible. Ensemble, ils forment une intention.

C'est précisément là que de nombreuses configurations CRM classiques échouent. Le CRM stocke ce que le commercial sait déjà. Il détecte rarement ce qui se passe à l'extérieur. Chez Amplifa, nous construisons donc des modèles ICP et de comptes qui fusionnent déclencheurs externes, historique CRM, adéquation produit et timing. Non pas pour remplacer les commerciaux. C'est absurde. Mais pour leur dire où une conversation a du sens maintenant et où ils ne feraient que déranger poliment.

Amplifa ICP Playbook — Un playbook pratique pour prioriser les clients cibles dans le B2B industriel selon de réels signaux d'achat et technologiques plutôt que par simple secteur et chiffre d'affaires.

Ce que cela signifie pour les PME

Pour les entreprises manufacturières de 50 à 500 employés dans le DACH, le partenariat Foxconn-Bull signifie d'abord : la barre monte. Les grands fournisseurs intégreront l'infrastructure AI européenne comme une brique dans leurs offres. Les intégrateurs de systèmes proposeront des packs complets. Les clients s'habitueront à ce que les projets AI ne soient plus vendus comme des expériences, mais comme des architectures scalables. Quiconque répond alors seulement par « nous faisons aussi de l'AI » ressemblera à un télécopieur dans un bureau fibré.

Deuxièmement, les marges se déplacent. Le pur matériel ou la pure mécanique continueront d'être sous pression, surtout si les concurrents asiatiques et d'Europe de l'Est restent agressifs sur les prix. La valeur se crée là où les machines, les données, le service et la connaissance des processus sont connectés. Un fabricant de bancs d'essai peut devenir un fournisseur d'intelligence qualité. Un fournisseur de composants peut modéliser les risques de défaillance. Un constructeur de machines spéciales peut créer de nouvelles lignes de revenus avec des mises en service numériques, des données de simulation et des prévisions de service. Mais seulement si la vente et la technique parlent la même langue.

Troisièmement, l'internationalisation devient plus sélective. Deutschland, l'Autriche et la Suisse sont des marchés prioritaires selon le partenariat, car la densité industrielle, la compétence en automatisation et la volonté de payer s'y rejoignent. C'est une bonne chose. Mais cela signifie aussi : plus de fournisseurs attaqueront précisément ces marchés. Une PME de Westphalie orientale ne concurrence plus seulement son voisin connu du district d'à côté, mais des partenariats de plateformes européennes qui regroupent matériel, intégration et récit AI.

Je vois souvent chez les COO une réaction compréhensible : d'abord attendre. La ligne tourne, les carnets de commandes ne sont pas vides, le personnel est rare. Mais attendre n'est pas une position neutre lorsque les critères d'achat sont en train d'être réécrits. C'est une décision de laisser les autres fixer les standards. Et les standards sont brutaux dans la vente. Celui qui définit le standard a moins à expliquer. Celui qui arrive plus tard doit prouver.

Un exemple du quotidien : de la pièce de rechange à l'opportunité AI

Un de nos clients du nord de la Bavière vend des composants d'installations à des fabricants de machines d'emballage et de processus. Pas un grand groupe, 140 employés, bonne réputation. Dans le CRM, les clients existants se ressemblaient longtemps : chiffre d'affaires, interlocuteur, dernière commande. Lorsque nous avons complété avec les cas de service, les cycles de pièces de rechange et les signaux d'investissement visibles publiquement, des comptes ont soudainement attiré l'attention : d'anciens composants tournaient sur des lignes alors que le client publiait parallèlement des offres pour « Manufacturing Data Analyst » et « Automation Engineer ». Le commercial n'est pas allé à l'appel avec « Avez-vous besoin de pièces de rechange ? ». Il y est allé avec « Nous voyons sur des lignes comparables que la modernisation et la saisie de données deviennent rentables si vous voulez analyser les données de qualité localement. » Autre ton. Autre rendez-vous.

Après quatre mois, l'équipe avait réservé cinq ateliers techniques, dont trois avec la direction de production et l'IT conjointement. Auparavant, l'IT n'était presque jamais dans la conversation pour ces comptes. Le point n'est pas qu'Amplifa avait un tour de magie. Le point est que les signaux d'AI Factory sont visibles sur le marché si on les cherche. La plupart des processus de vente ne cherchent tout simplement pas.

Préparation : 7 étapes pour les directeurs commerciaux, COO et directeurs généraux

1. Cartographiez votre pertinence AI Factory par ligne de produits. Notez pour chaque machine, composant ou service quelles données sont générées, quelles interfaces existent, quels cas d'usage AI sont réalistes et lesquels ne le sont pas. Soyez honnête. Un mauvais cas d'usage AI ronge la confiance plus vite qu'un retard de livraison.
2. Élargissez votre ICP aux déclencheurs techniques. Le nombre d'employés et le secteur ne suffisent pas. Saisissez les projets MES, les rôles OT Security, les nouvelles usines, les offres d'emploi Computer Vision, les migrations ERP, les rapports de durabilité, les initiatives de maintenance et les indices de jumeaux numériques.
3. Construisez une diapositive d'architecture simple qu'un commercial peut expliquer. Pas 38 cases. Une page : machine, Edge, flux de données, traitement local, option Cloud, sécurité, service. Si le commercial ne comprend pas cette diapositive, le client ne la comprendra pas non plus.
4. Entraînez les questions de découverte pour l'infrastructure AI. Ne demandez pas : « Êtes-vous intéressé par l'AI ? » Demandez : « Quelles données de production sont autorisées à quitter votre usine ? », « Qui est responsable de la validation des modèles ? », « Où échouent les décisions de qualité aujourd'hui ? », « Quelle ligne génère les arrêts non planifiés les plus coûteux ? »
5. Définissez tôt les rôles des partenaires. Toutes les PME ne doivent pas construire des clusters GPU ou exploiter le MLOps elles-mêmes. Mais vous devez savoir si Bull, Siemens, Phoenix Contact, des SSII locales ou des partenaires Cloud peuvent figurer dans votre architecture de référence.
6. Liez les données de service et de vente. L'âge des machines, les modèles de pièces de rechange, les motifs de panne et les fenêtres de maintenance sont de puissants signaux d'achat. Si ces données restent au service alors que le commercial fait de la prospection à froid, vous brûlez le contexte existant.
7. Rendez la conformité vendable. L'EU AI Act, NIS2, le Cyber Resilience Act et la résidence des données ne doivent pas apparaître seulement lors de la vérification du contrat. Traduisez les exigences en affirmations claires que la vente et la technique peuvent porter ensemble.

Le cinquième point me tient à cœur. De nombreuses PME craignent d'être distancées technologiquement sur l'infrastructure AI parce qu'elles n'ont pas les budgets de DMG Mori, Kärcher ou Brose. Cette crainte est partiellement justifiée. Mais elle mène souvent à la mauvaise conséquence : ne rien faire parce qu'on ne peut pas tout faire. Mieux vaut un ciblage clair. Quelle fonction AI rend votre produit plus précieux pour les clients ? De quelles données avez-vous besoin pour cela ? Quelle infrastructure doit exister chez le client ou chez les partenaires ? Quelle affirmation votre commercial peut-il tester demain ?

Produit Amplifa — Amplifa aide les équipes de vente industrielles à identifier les clients cibles pertinents, les déclencheurs et les priorités de comptes avec l'AI — à partir des données CRM, des signaux du marché et de la logique ICP.

Pourquoi les pures stratégies Inbound sont trop lentes pour les AI Factories

Je contredis ici délibérément une thèse confortable : « Si le client est prêt, il viendra bien à nous. » Non. Pour les projets d'AI Factory, le client va souvent vers le fournisseur qui l'a sollicité au bon endroit six mois auparavant. Le processus de décision ne commence pas par la demande. Il commence par une incertitude interne.

Un COO remarque que les coûts de rebut augmentent. Un directeur d'usine subit une pression pour rendre l'OEE plus transparent. Un responsable IT bloque les expériences Cloud. Un directeur général entend lors d'un événement VDMA à Francfort que des concurrents travaillent avec la maintenance prédictive. Il n'y a pas encore de projet. Il n'y a pas encore de budget. Mais il y a une tension. Quiconque attend alors seulement les conversions sur son site web voit le marché trop tard.

Quiconque mise encore en 2026 sur une pure stratégie Inbound n'aura plus de pipeline digne de ce nom dans cinq ans. Particulièrement pas dans les PME industrielles. Les gagnants ne seront pas les machines à contenu les plus bruyantes, mais les équipes qui lisent les signaux, forment des hypothèses et entrent en conversation avec une pertinence technique. Moins de newsletters. Plus de timing.

Cela ne signifie pas que l'Outbound peut redevenir de simples e-mails en série. S'il vous plaît, non. Je reçois moi-même assez de messages où mon nom est mal orthographié et où quelqu'un veut me vendre des « synergies ». Une bonne vente industrielle orientée Outbound ressemble à ceci : comprendre le compte, déduire la situation technique, citer un déclencheur plausible, formuler une thèse courte, poser une question respectueuse. Une phrase comme « Nous voyons sur plusieurs lignes à forte composante Kuka et Beckhoff que l'analyse d'image locale est réévaluée précisément pour la résidence des données » n'est pas parfaite. Mais elle est mille fois meilleure que « Je voulais me présenter brièvement ».

Infrastructure AI : coûts, Context Windows et la partie difficile

Passons brièvement au technique, sinon il ne reste que de la stratégie. L'infrastructure AI ne se résume pas aux GPU. Pour les applications industrielles, ce qui compte, c'est la latence, la disponibilité, la segmentation du réseau, la qualité des données, la surveillance des modèles, les interfaces et les coûts d'exploitation. Un modèle qui tourne proprement sur un jeu de données de laboratoire peut échouer en fabrication parce que la caméra est légèrement décalée, parce que le brouillard d'huile modifie les images, parce qu'une équipe de nuit utilise un autre matériau ou parce que l'API a un comportement temporel que personne n'a simulé lors des tests.

Pour l'AI générative dans la vente, un autre problème s'ajoute : les Context Windows et les coûts. Les grands modèles de langage peuvent aujourd'hui traiter de longs documents, oui. Mais quiconque déverse des historiques CRM complets, des spécifications techniques, des échanges d'e-mails, des données d'offres et des protocoles de service de manière incontrôlée dans chaque prompt ne construit pas de l'intelligence, mais un radiateur à tokens. Les prix des tokens baissent, mais une mauvaise architecture scale plus vite que de bonnes conditions d'achat. Nous voyons régulièrement des configurations où 80 % des coûts de modèle sont brûlés pour du contexte non pertinent.

La meilleure architecture est généralement peu spectaculaire : normaliser les données, pré-filtrer les signaux, récupérer les extraits pertinents par Retrieval, n'utiliser le modèle que là où la langue, la classification ou la reconnaissance de formes apportent réellement une valeur ajoutée. Dans la vente, cela signifie : chaque mise à jour de compte n'a pas besoin d'un grand modèle. Parfois, une règle suffit. Parfois, un petit classificateur. Parfois, on a besoin d'un LLM parce que l'e-mail du client dit entre les lignes : « Nous avons un problème de budget, mais un risque plus grand si nous ne faisons rien. »

C'est précisément cette sobriété qui manque dans de nombreux débats sur l'AI. Foxconn et Bull ne construisent pas une infrastructure pertinente parce que chaque PME va soudainement entraîner son propre Foundation Model. Honnêtement ? Très peu le feront. Ce qui est pertinent, c'est que l'AI industrielle se rapproche de la production et que l'Europe obtienne plus de contrôle sur l'intégration, la disponibilité et l'exploitation. Cela réduit les frictions. Et les frictions décident souvent si une équipe de vente peut placer proprement une offre liée à l'AI.

Amplifa pour la vente industrielle — Pour les équipes qui veulent traduire les signaux d'achat techniques comme l'Edge AI, l'automatisation, les besoins de service et les projets de modernisation en actions de vente priorisées.

Pronostic personnel : 2026 à 2029, le tri sera brutal

Mon pronostic personnel pour les deux à trois prochaines années : le marché ne se triera pas selon « AI oui ou non ». Il se triera selon la capacité opérationnelle. Les fournisseurs qui vendent l'AI comme une démo finiront dans les cimetières de pilotes. Les fournisseurs qui emballent l'infrastructure AI, les flux de données, la conformité et le service dans une offre commerciale compréhensible gagneront des contrats plus importants — même s'ils ne sont pas les moins chers.

J'attends trois mouvements concrets. Premièrement, les appels d'offres dans la construction de machines et d'installations contiendront plus souvent des questions sur l'inférence locale, la résidence des données et le monitoring des modèles. Deuxièmement, les intégrateurs pénétreront plus fortement dans la vente et pousseront les fabricants classiques vers des positions de conseil si ces derniers ne peuvent pas expliquer leur architecture. Troisièmement, les données des clients existants deviendront le levier de croissance le plus important, car les projets d'AI Factory démarrent rarement sur un terrain vierge. Ils démarrent sur des lignes existantes, avec d'anciennes commandes, avec des douleurs connues.

Foxconn et Bull ne sont pas le seul déclencheur. Mais ils sont un signal visible. Lorsqu'un géant mondial de la fabrication et un acteur européen de l'infrastructure positionnent ensemble du matériel AI et des plateformes d'automatisation pour l'Europe, ce n'est pas un sujet marginal pour les départements IT. C'est une indication de la direction que prend la demande industrielle. Et la demande est le matériau avec lequel on construit un pipeline.

Après l'appel avec Andrea d'Ulm, j'ai réimprimé l'annonce Foxconn-Bull. Sur papier, pas en PDF. Dans la marge, il est écrit de ma main : « Pas du matériel. Critères d'achat. » Le café était froid depuis longtemps, ce sifflement aigu de scie provenait à nouveau de la production, et Andrea m'a écrit dix minutes plus tard : « Nous devons repenser notre liste de clients cibles, n'est-ce pas ? » Oui. C'est exactement là que ça commence.