Quelle stratégie IA adopter en entreprise : construire, acheter ou s’associer ?

Sep 11, 2026 | Gouvernance et souveraineté IA

Stratégie IA en entreprise – architecture technologique en couches illustrée par Oxyl

Image générée par ChatGPT (OpenAI)

Temps de lecture : 5 min

88 % des entreprises expérimentent déjà l’IA. 81 % n’en tirent aucun gain mesurable sur leurs résultats. C’est ce que révèle la dernière étude McKinsey « State of Organizations » (2026), menée auprès de plus de 10 000 dirigeants dans 15 pays. Ce chiffre ne pointe pas un problème de technologie, mais un problème de méthode : la plupart des organisations n’ont toujours pas de stratégie IA claire pour trancher entre construire, acheter ou s’associer.

Construire ou acheter son IA : un dilemme mal posé

McKinsey vient de reformuler le débat dans une note de sa lettre Re:think (août 2026). Les dirigeants doivent arbitrer entre construire, acheter et s’associer pour dépasser la simple expérimentation IA.

Le conseil est juste : n’investissez pas dans une technologie propriétaire qui deviendra une commodité en quelques mois. Mais il s’arrête à mi-chemin. Il dit quoi acheter (LLM, cloud, sécurité, orchestration), sans dire chez qui. Ce choix-là n’a jamais été neutre. Il le devient encore moins en 2026.

Ce qui se loue sans risque : le moteur et la plomberie

Deux couches de la pile IA peuvent être confiées à un fournisseur sans risque particulier : le modèle de langage lui-même, et l’orchestration qui l’entoure.

Le modèle de langage, une commodité

Sur un point, le consensus est solide : construire ou héberger son propre modèle de langage n’a plus de valeur stratégique en soi. Les interfaces se sont standardisées au point que les grands outils d’agents fonctionnent indifféremment sur Claude, GPT ou Gemini. Un livre blanc récent d’Oxyl sur le context engineering le résume ainsi : les modèles se dépassent l’un l’autre tous les trimestres. En changer est devenu une opération courante, à condition de vérifier par ses propres tests que le nouveau modèle apporte un gain réel sur ses propres cas d’usage.

L’orchestration et les connecteurs techniques

Même logique pour l’orchestration et les connecteurs techniques. Des architectures entières se réécrivent en quelques mois. Les standards ouverts, comme AGENTS.md, déjà adopté dans plus de 60 000 dépôts, absorbent ce qui se codait hier en interne. Louer cette couche n’est pas un renoncement, c’est du bon sens économique.

Ce qui ne doit jamais être loué : la mémoire de vos agents

À l’inverse, une couche ne se loue pas sans risque : la mémoire de vos agents.

Le savoir-faire tacite, capté par la plateforme

Le vrai danger se joue une couche plus haut. Chaque collaborateur équipé d’un agent IA lui délègue ses micro-tâches. Il lui apprend, jour après jour, ses tours de main — ces enchaînements que personne n’a jamais documentés et qui constituent une grande part du savoir-faire de l’entreprise. Cette accumulation se loge dans un ensemble précis : la mémoire de l’agent, ses fichiers de contexte, ses compétences.

Or les grandes plateformes vendent désormais explicitement cette couche-là. OpenAI a lancé en 2026 une offre présentée comme « la couche sémantique de l’entreprise ». Microsoft commercialise le registre de vos agents via Agent 365, et leur mémoire de travail via Work IQ. Aucun standard, aucun format d’export ne permet aujourd’hui d’en sortir ce qui s’y accumule.

Un risque déjà matérialisé

Le risque n’est pas théorique. En juin 2026, Anthropic a dû suspendre l’accès mondial à ses meilleurs modèles pendant dix-huit jours. La cause : un ordre du Département du Commerce américain. Aucune entreprise cliente n’avait voix au chapitre. Le même mois, Google retirait un outil d’agents open source parmi les plus populaires au monde, au profit d’une alternative propriétaire. Ces épisodes ne remettent pas en cause l’usage de ces plateformes. Ils rappellent qu’une infrastructure louée peut se couper, se refermer ou changer de conditions du jour au lendemain — et que ce n’est pas un problème tant que ce qui compte vraiment reste chez vous.

Une question de gouvernance, pas seulement de technique

C’est là que la question dépasse le seul « build vs buy ». Une fois que la performance de vos équipes dépend d’une mémoire d’agent que vous ne possédez pas, la facturation peut basculer de la licence vers le paiement à l’usage. Le rapport de force change alors de camp. C’est un sujet de gouvernance IA, au même titre que la conformité à l’AI Act ou la supervision humaine des systèmes. La question « qui contrôle la mémoire de mes agents » rejoint directement celle de « qui est responsable de ce qu’ils font ».

Le rôle du partenaire : accélérer sans transférer la propriété

C’est ici que le troisième pilier du triptyque McKinsey prend tout son sens. Même une entreprise dotée d’une équipe technique solide gagne à s’associer pour l’implémentation : redesign des workflows, formation, conduite du changement.

Mais un bon partenaire ne se contente pas d’installer une plateforme clé en main. Il aide à construire une architecture où l’infrastructure légère se loue — le moteur, la plomberie.

La mémoire, le contexte et les compétences, eux, restent documentés dans des formats ouverts et portables, chez le client.

Cette discipline a un nom dans le secteur : thin harness, fat skills — un harnais technique mince, des compétences riches et possédées. C’est une décision de gouvernance, pas un exploit d’ingénierie. Elle ne demande ni de tout construire, ni de fuir les fournisseurs, seulement de trier.

Une stratégie IA allégée pour les PME et ETI

Les exemples qui illustrent ce principe — Société Générale, JPMorgan — sont des groupes dotés de dizaines de spécialistes dédiés. Une PME ou une ETI n’a ni la taille ni la nécessité de suivre cette voie lourde.

Une voie plus légère existe : un harnais technique minimal, assemblé sur des standards ouverts. L’essentiel de l’effort porte alors non pas sur du développement, mais sur la formalisation du savoir-faire — écrire ses règles métier, documenter les compétences de ses agents, tenir ses jeux d’évaluation.

C’est précisément le terrain où l’accompagnement d’un partenaire fait la différence : transformer un savoir-faire tacite en actif documenté ne demande pas une armée d’ingénieurs, mais une méthode.

Une grille de décision à quatre critères

McKinsey propose trois critères pour prioriser les projets IA : la valeur en jeu, la faisabilité, et l’effet de fondation pour les transformations futures.

Un quatrième s’impose désormais : la réversibilité.
Pour chaque brique de votre pile IA, une question suffit : si vous changez de fournisseur demain, repartez-vous de zéro sur cet élément ? Si la réponse est oui quel que soit l’élément concerné, mémoire d’agents, règles métier ou jeux d’évaluation compris — ils devraient être chez vous, dans des formats que vous contrôlez — et nulle part ailleurs.

Critère Question clé à se poser Si oui Si non
1. Valeur en jeu (McKinsey) Quel est l’impact financier ou opérationnel ? Construire Louer
2. Faisabilité (McKinsey) Avons-nous les compétences et ressources internes ? Construire Acheter / Partenaire
3. Effet de fondation (McKinsey) Cela sert-il de socle pour nos futures innovations ? Construire Partenaire
4. Réversibilité (ajouté par Oxyl) Si on change de fournisseur demain, repart-on de zéro ? Garder en interne, formats ouverts Louer / acheter sans risque

Grille de décision – Stratégie IA en entreprise

Qui possède ce que votre métier a appris ?

L’IA n’est pas un choix binaire entre tout construire et tout acheter. C’est une architecture de décisions qui se construit dans la durée, où le vrai enjeu stratégique n’est plus « pouvons-nous le construire » mais « qui possède, au bout du compte, ce que notre métier a appris ».

Choisir ce qu’il faut construire, acheter ou confier à un partenaire n’est pas qu’une question technique. C’est une décision de gouvernance qui engage votre entreprise pour les dix prochaines années. 

Oxyl accompagne les entreprises sur l’ensemble de ce parcours : de l’audit de votre architecture IA existante à la mise en production d’agents gouvernés, en passant par la formation des équipes.

Vous cherchez à faire le point sur votre propre stratégie IA ? Découvrez nos expertises ou réservez un entretien avec un consultant.

Sources complémentaires