Je me suis récemment entretenu avec Manasi Vartak, architecte en chef de l'IA chez Cloudera, et Mike Gualtieri, vice-président et analyste principal chez Forrester Research, lors du webinaire « Trends in Data and AI 2026 » de Cloudera, pour discuter de la manière de déployer l'IA agentique à grande échelle.
Alors que notre conversation avait une tournure avant-gardiste et tournée vers l'avenir, j'ai lancé le webinaire en posant cette question rétrospective : quelle est une croyance sur l'IA qui a disparu en 2025 ?
À nous trois, nous avons découvert qu'en 2025, plusieurs croyances de longue date sur l'IA se sont finalement effondrées. Je voudrais partager avec vous les philosophies que Manasi et Mike ont identifiées et que nous sommes en train d'abandonner alors que nous entamons cette nouvelle année passionnante en matière de développement de l'IA.
Les croyances qui ont disparu : le contrôle intellectuel de l'IA agentique
2025 a commencé avec la conviction que l’intelligence artificielle agentique ne serait accessible qu’à quelques privilégiés. Avec les nouvelles technologies, c’est un instinct de base de se fier aux experts éprouvés : docteurs, ingénieurs, etc.
Cependant, nous constatons maintenant que des utilisateurs professionnels ordinaires construisent leurs propres pipelines d'IA fonctionnels. Manasi Vartak s'est rappelée le moment décisif de l'année dernière qui a conduit à cette réalisation — lors d'un hackathon dans notre Agent Studio, un employé de notre département de stratégie a construit un pipeline complet qui avait le potentiel d'économiser 3 millions de dollars par an. C'était un exploit incroyable réalisé par quelqu'un sans formation spécialisée en stratégie d'IA agentique.
Pour Manasi Vartak, c'est le signe que l'IA agentique est véritablement en train de se démocratiser.
Les croyances qui ont disparu : l'omniprésence des hallucinations de l'IA
L'année dernière, Mike a remarqué une nette diminution des hallucinations dues à l'IA. Il a reconnu qu'ils existent toujours, mais a souligné que, dans le passé, les conversations autour de l'utilisation de l'IA se concentraient principalement sur elles comme une menace pour la fiabilité. Aujourd'hui, ces craintes sont beaucoup moins fréquentes.
Mike a estimé que les gens comprennent désormais mieux comment contrôler la portée d'un modèle LLM grâce au prompting, aux techniques RAG et à d'autres méthodes. Suffisamment d'utilisateurs comprennent désormais les circonstances dans lesquelles ces problèmes surviennent, ainsi que les techniques d'atténuation et d'élimination pour réduire ce phénomène.
Le grand modèle
L'IA est devenue véritablement exploitable parce qu'elle est désormais fiable et utilisable à grande échelle. Avec la démocratisation de l'IA agentique, les systèmes autonomes ne sont plus limités à des équipes techniques d'élite — ils peuvent être déployés dans toutes les organisations pour exécuter des tâches définies de bout en bout. L'amélioration de la précision et la diminution des hallucinations signifient que ces systèmes peuvent fonctionner avec une supervision humaine minimale, faisant passer l'IA d'un rôle de conseil à un rôle opérationnel.
L'IA opérationnelle se distingue véritablement parce qu'elle facilite de manière fiable le travail manuel tout en obtenant des résultats impressionnants, tels que des temps de cycle plus rapides, des économies de coûts et une meilleure prise de décision. Il est passionnant de voir comment l'automatisation apporte une réelle valeur aux opérations quotidiennes, les rendant plus intelligentes et plus efficaces, plutôt que de se limiter à des tests isolés.
Pourquoi ces changements de perspective comptent à l’approche de 2026
Alors que la confiance dans l'IA devient une réalité plutôt qu'une aspiration, la question n'est plus de savoir si l'IA peut agir, mais dans quelle mesure elle est autorisée à agir. Avec une confiance accrue dans l'intégrité des données et une plus grande fiabilité des résultats, l'IA peut désormais dépasser les silos isolés et s'intégrer dans les processus métier fondamentaux et les boucles de prise de décision.
Le véritable défi maintenant est de savoir si les organisations sont structurations pour soutenir cette démocratisation. Diffuser l'IA dans toute l'entreprise signifie s'éloigner des goulots d'étranglement qui limitent l'expérimentation à quelques équipes techniques seulement. Lorsque les responsables opérationnels peuvent accéder en toute sécurité aux données dans différents environnements, ils sont en mesure de créer, de tester et de lancer des outils alimentés par l'IA qui répondent réellement aux besoins de l'entreprise. Sans un accès plus large et bien géré aux données, l'IA reste centralisée et déconnectée des opérations quotidiennes.
Les organisations qui s'enlisent dans des croyances obsolètes ou qui refusent de s'adapter aux nouvelles risquent de stagner et de se retrouver à la traîne des avancées technologiques. La plateforme de Cloudera est conçue pour éviter cette issue et faire face à ces changements dans le paysage toujours volatil de l'IA. Que vos données résident dans le Cloud, dans les centres de données ou à la périphérie (ou edge computing), Cloudera offre un accès universel aux données pour l'IA dans l'ensemble de l'entreprise, avec une intelligence gouvernée à l'échelle de l'entreprise.
Ces thèmes et bien d’autres sont abordés en détail par Manasi, Mike et moi-même lors de notre intervention, et je vous invite à explorer ces évolutions plus en profondeur avec nous lors de notre webinaire 2026 sur les tendances en matière de données et d’IA. Pour en savoir plus sur la signification pratique de ces observations et sur la manière dont votre organisation peut tirer le meilleur parti de l’IA démocratisée dans son propre environnement, explorez les dernières ressources de Cloudera.
