Oubliez 007, voici un nouveau type d’agent d’IA

Aperçu

• La révolution de l’intelligence artificielle (IA) générative franchit une nouvelle étape grâce à des avancées majeures en matière de grands modèles de langage (GML).
• Les nouveaux cas d’utilisation des agents d’IA sont plus puissants, intelligents et autonomes.
• L’IA agentique déplace l’innovation en haut de la pile technologique et les sociétés de logiciels jouent un rôle de plus en plus important dans la chaîne de valeur de l’IA, entraînant une hausse des dépenses liées à l’IA.
• Nous pensons que l’inflexion commencera à se faire ressentir entre 2026 et 2027, à mesure que les fournisseurs de logiciels en place feront évoluer leurs architectures et leurs offres et que les entreprises délaisseront leurs solutions internes au profit de solutions clé en main.

Le point de vue de TD Cowen

L’IA agentique constitue la nouvelle vague, plus puissante, du cycle de calcul révolutionnaire de l’IA générative. À mesure que les cas d’utilisation évoluent des assistants d’IA vers les agents d’IA, les logiciels d’entreprise devraient jouer un rôle de plus en plus important. Bien que les dépenses en IA au niveau logiciel aient été faibles jusqu’à présent, nous anticipons un déplacement de la capture de la valeur de l’IA vers les couches supérieures de la pile technologique, avec une inflexion majeure attendue entre 2026 et 2027.

Notre thèse

Compte tenu des percées réalisées par les fournisseurs de modèles d’IA de pointe en matière de raisonnement et de mémoire, la révolution de l’IA générative passe du premier acte (assistants d’IA) au deuxième acte (agents d’IA), ce qui devrait permettre à l’IA de créer beaucoup plus de valeur. L’IA agentique confère aux GML une capacité de réflexion supérieure et leur permet de travailler de façon autonome en suivant plusieurs étapes, allant au-delà des applications de clavardage classiques, qui utilisent l’IA pour répondre à des questions. Pour fonctionner efficacement en contexte d’entreprise, les agents d’IA doivent avoir accès à des données exclusives et à des outils externes. C’est là que les sociétés de logiciels deviennent encore plus essentielles à la chaîne de valeur de l’IA, facilitant les interfaces de programmation d’applications (API), l’appel de fonction, l’accès aux données interentreprises et les cadres visant à gérer et à régir la façon dont les agents interagissent avec les services de l’entreprise.

À mesure que le cycle de l’IA agentique se développera au cours des cinq à dix prochaines années, nous pensons qu’il exercera une pression à la hausse sur les dépenses en logiciels d’entreprise, actuellement estimées à 820 milliards de dollars américains, les nouveaux « travailleurs » de l’IA numérique consommant davantage de logiciels et de données, les gains de productivité humaine étant réinvestis dans le secteur technologique et l’IA agentique grugeant les dépenses en services de technologies de l’information, estimées à 20 000 milliards de dollars américains. Alors que les fournisseurs de logiciels adapteront leurs architectures, leurs prix et leurs offres pour intégrer l’IA agentique, nous nous attendons à une augmentation rapide de la part de l’IA dans les dépenses logicielles. Cette hausse entraînera à son tour une augmentation de la consommation d’infrastructures, avec des répercussions sur les fournisseurs de plateformes infonuagiques et les fournisseurs de matériel de calcul et de stockage en aval.

Nous pensons que les dépenses des entreprises en matière d’IA agentique passeront à la vitesse supérieure entre 2026 et 2027. Jusqu’à maintenant, ce sont les centres de données à très grande échelle et les fournisseurs de modèles d’IA de pointe qui ont capté la majorité des dépenses liées à l’IA générative. Toutefois, compte tenu de la complexité relative liée à l’exploitation des nouvelles applications d’agents d’IA, les sociétés de logiciels joueront un rôle beaucoup plus important dans la création de valeur au cours de ce cycle d’IA générative 2.0. Nous estimons que les dépenses en logiciels d’IA agentique passeront de 3,4 milliards de dollars américains en 2025 à 51,5 milliards de dollars américains en 2028, à mesure que la courbe d’adoption décollera.

Alors que les fournisseurs en place développeront de nouvelles capacités pour l’IA agentique et que les entreprises délaisseront leurs solutions internes au profit de solutions clé en main, nous anticipons une accélération de la capture des dépenses liées à l’IA par les sociétés de logiciels publiques; il s’agit d’une bonne nouvelle pour les investisseurs en logiciels publics qui souhaitent augmenter leur présence dans le secteur de l’IA.

Contenu du rapport

Nous présentons de nouvelles estimations des revenus liés à l’IA pour les principaux fournisseurs en place, qui disposent de stratégies de monétisation éprouvées, ainsi que quelques analyses préliminaires sur l’impact des revenus liés à l’IA pour deux entreprises du secteur. Nous présentons également notre estimation des dépenses totales en logiciels d’IA agentique pour les trois prochaines années, ainsi qu’une prévision des revenus totaux des modèles d’IA de pointe, qui devraient augmenter à un rythme effarant. Enfin, nous présentons notre point de vue sur les principales technologies de base nécessaires pour rendre l’IA agentique efficace à l’échelle de l’entreprise et sur la façon dont nous pensons voir la pile logicielle évoluer au fil du temps.

Répercussions sur les modèles financiers et sectoriels

Nous estimons que les dépenses en logiciels d’IA agentique passeront de 3,4 milliards de dollars américains en 2025 à 9,6 milliards de dollars américains en 2026, pour atteindre 23,6 milliards de dollars américains en 2027 et 51,5 milliards de dollars américains en 2028, ce qui représente un taux de croissance annuel composé (TCAC) d’environ 150 % sur trois ans, sachant que la courbe en S de l’adoption de l’IA agentique commencera à s’accentuer entre 2026 et 2027. Nous estimons également que les revenus des fournisseurs de modèles d’IA de pointe passeront d’environ 6,5 milliards de dollars américains en 2024 à environ 191 milliards de dollars américains en 2028, ce qui représente un remarquable TCAC estimé à 133 % à l’échelle. Ces revenus comprennent les cas d’utilisation destinés aux entreprises et au grand public.

Ce qu’il faut surveiller

Voici les principaux catalyseurs à surveiller, selon nous :

• Amélioration des capacités de raisonnement des GML et coût de déploiement
• Transfert des charges de travail de l’entraînement vers l’inférence à mesure que les applications en production se développent
• Évolution des stratégies de tarification et de commercialisation des fournisseurs, qui passent de modèles basés sur le nombre d’utilisateurs à des modèles basés sur l’utilisation
• Convergence des couches d’applications et de données pour alimenter les GML avec des données d’entreprise indépendantes de leur source
• Passage, pour les entreprises, de projets internes de développement et d’IA générative à des solutions logicielles clé en main proposées par des fournisseurs en place ou des entreprises en démarrage spécialisées dans l’IA

Pour que l’IA agentique se développe au sein d’une entreprise, les fournisseurs de logiciels seront chargés d’ancrer les GML dans ses données exclusives, d’établir des garde-fous pour les modèles et les agents et de gérer l’orchestration des flux de travail agentiques entre les domaines. L’évolution rapide du paysage devrait entraîner une intensification des opérations de fusion et d’acquisition. On pense que les principales cibles pourraient être des secteurs technologiques de base, par exemple :

• Magasins de données (c.-à-d. indexation vectorielle, découverte et catalogage des données)
• Outils de récupération de données (c.-à-d. génération augmentée de récupération, connecteurs API pour données non structurées)
• Outils de mémoire et de contextualisation (p. ex. gouvernance des données sémantiques et authentification)
• Services d’orchestration d’agents (p. ex. planification agentique et gestion des processus)
• Outils de développement de modèles (c.-à-d. analyse comparative, contrôle des versions et peaufinage)
• Outils de déploiement et de gestion des modèles (c.-à-d. évaluations, surveillance et opérations sur les GML)

Pour évaluer la vitesse d’adoption de l’IA agentique, nous avons identifié cinq questions clés :

• Les infrastructures de données des entreprises sont-elles suffisamment au point pour adopter efficacement des agents d’IA, et peuvent-elles soutenir des agents qui travaillent dans différents systèmes?
• Combien de temps faudra-t-il pour que les modèles soient suffisamment au point (exactitude/taux d’hallucinations) pour qu’on puisse leur confier la gestion autonome des flux de travail critiques en contexte d’entreprise?
• Quand les acheteurs et les vendeurs s’accorderont-ils sur la meilleure approche de tarification pour les cas d’utilisation de l’IA agentique, et quelle sera la répartition des modèles de tarification à l’usage?
• Les entreprises utiliseront-elles des agents d’IA provenant de multiples fournisseurs, ou assisterons-nous à une bataille pour une nouvelle couche de la pile logicielle, avec l’émergence de nouveaux leaders?
• Quelle est l’incidence nette du recours aux agents d’IA sur la structure et la culture organisationnelles, et dans quelle mesure les entreprises peuvent-elles s’adapter à ces changements?