L'architecture avant le modèle

Série stratégie IA d'entreprise — 1/5

Une stratégie IA en entreprise se décide rarement dans le vocabulaire des ingénieurs. En COMEX, les questions posées sont plus simples : quel fournisseur vient avec notre suite bureautique actuelle, combien ça coûte à l'échelle des effectifs, que fait notre principal concurrent, comment on tient le discours conformité. Le sujet est audible parce qu'il ressemble à un choix de logiciel classique.

Le choix qui compte se joue un cran au-dessus. Il concerne l'architecture par laquelle l'entreprise consomme cette IA : la manière dont elle est distribuée aux salariés, gouvernée par la DSI, connectée aux systèmes internes. Cette décision structure ce que l'organisation pourra faire pendant les trois à cinq prochaines années, bien plus que le nom du modèle imprimé sur le contrat.

Toutes les entreprises qui déploient de l'IA à l'échelle finissent par avoir une couche d'abstraction entre leurs utilisateurs et les modèles. Toutes, sans exception.

La seule question qui vaut est celle-ci : qui construit cette couche, qui la possède, qui la maintient ?

Un déploiement ChatGPT Business dans une PME de 80 salariés est déjà une couche d'abstraction. OpenAI gère les modèles disponibles, l'authentification, l'interface, la mise à jour continue. L'entreprise a délégué la couche à son fournisseur, et cette délégation est une décision d'architecture, même si personne ne l'a formulée ainsi lors de la signature du contrat. Le même raisonnement tient pour Gemini bundlé dans Google Workspace, pour Copilot dans Microsoft 365, pour Dust déployée chez un cabinet d'expertise comptable, ou pour une gateway maison construite sur LiteLLM. Chaque approche crée cette couche. Elles diffèrent sur son propriétaire.

Trois familles

La plus répandue délègue la couche au fournisseur du modèle. On achète ChatGPT Enterprise, Copilot Microsoft 365 ou Gemini dans Google Workspace, et un seul acteur possède le modèle, l'interface, l'intégration bureautique et la gouvernance. L'entreprise consomme une expérience complète sans construire ni maintenir quoi que ce soit. La couche existe entièrement chez le vendeur.

Une deuxième famille délègue à un tiers spécialisé dans l'orchestration multi-modèles. Dust côté français et Langdock côté allemand pour les acteurs européens enterprise-first, Notion Custom Agents, et une dizaine d'acteurs équivalents qui montent en gamme enterprise. Ces plateformes sont agnostiques aux modèles par design, connectées aux systèmes internes via des connecteurs prêts à l'emploi, et leur promesse commerciale est précisément d'absorber la complexité multi-fournisseurs. L'entreprise garde la main sur les modèles utilisés, sans construire l'infrastructure qui permet ce choix.

La troisième famille inverse la logique. L'entreprise construit sa propre couche. Elle s'appuie sur un routeur comme OpenRouter, qui expose 370 modèles derrière une API compatible OpenAI. L'alternative open source, LiteLLM, joue le même rôle chez les équipes qui préfèrent l'héberger elles-mêmes. Elle assemble le monitoring, les fallbacks, la gestion des clés API, l'audit trail, le pilotage budgétaire par département. La couche existe à l'intérieur, maintenue par une équipe qui l'a construite et qui la fait évoluer.

Un signal daté du 23 juillet 2026 confirme à quel point cette couche est devenue un actif stratégique. Le Wall Street Journal révèle ce jour-là que Stripe est en discussions pour racheter OpenRouter à environ 10 milliards de dollars, soit huit fois la valorisation de sa Série B deux mois plus tôt. Alex Atallah, CEO d'OpenRouter, décrit depuis le début sa société comme l'équivalent Stripe pour l'IA : une couche de connexion entre l'entreprise et les fournisseurs, qui perçoit environ 5 % de commission sur l'inférence qui transite par la plateforme. Le fait qu'un acteur valorisé 159 milliards mette 10 milliards pour posséder cette couche donne une idée assez claire de la valeur réelle de la position.

Ces trois architectures ne s'opposent pas sur la qualité de l'IA qu'elles servent. Elles diffèrent sur la propriété de la couche, sur les capacités qu'elle offre, et sur la nature de la dette qu'elle génère à trois ans.

La grille

Pour que cette série livre une méthode plutôt qu'une succession d'avis, chaque architecture est évaluée dans les articles suivants avec la même grille en cinq axes.

Le coût total de possession vient en premier. Il dépasse largement le prix affiché par utilisateur : licences, inférence en tokens, maintenance de l'infrastructure, onboarding des équipes, compétences internes à recruter ou former. Chaque architecture répartit ces coûts différemment. Certaines les concentrent dans une ligne budgétaire lisible, d'autres les éclatent entre postes IT et métier.

La gouvernance couvre l'identité des utilisateurs et des agents, les pistes d'audit, la conformité RGPD et AI Act, les politiques d'usage par département. C'est probablement l'axe le plus sous-estimé aujourd'hui. Une enquête OutSystems auprès de 1 900 IT leaders trouve que 96 % des entreprises font tourner des agents IA en production, mais 12 % seulement disent pouvoir les gouverner. L'architecture choisie détermine largement de quel côté de ce ratio l'organisation se retrouve.

L'agilité mesure la vitesse à laquelle une organisation peut adopter un nouveau modèle, ajouter un fournisseur ou arbitrer entre plusieurs LLM selon le cas d'usage. Cet axe change complètement de valeur selon la trajectoire du marché : dans un secteur où un nouveau modèle sort tous les deux mois, l'agilité devient un actif stratégique et non un confort d'ingénieur.

La résilience concerne ce qui se passe quand un fournisseur tombe, augmente ses tarifs ou change ses conditions d'usage. Fallbacks disponibles, redondance des modèles, portabilité des agents construits en interne : trois éléments qui restent invisibles jusqu'au premier incident, puis deviennent le seul sujet des réunions suivantes.

L'expérience utilisateur ferme la grille. Friction d'adoption pour les salariés, profondeur des intégrations avec les outils existants, vitesse de mise à disposition. C'est l'axe le plus visible en interne, celui qui emporte souvent les débats en COMEX, et paradoxalement le plus en tension avec les quatre précédents. Ce qui rend la lecture d'ensemble intéressante.

La suite

Les quatre articles qui viennent appliquent cette grille aux trois familles. Le prochain examine le mono-provider : pourquoi la grande majorité des entreprises commencent par ce choix, ce qui le rend objectivement rationnel dans certains contextes, et quelles limites apparaissent au bout de dix-huit mois de production. L'article 3 part d'une scène concrète pour montrer d'où naît le passage au multi-provider : le marketing veut GPT, les développeurs veulent Claude, le support veut Gemini, la data veut Mistral, le juridique interdit trois fournisseurs sur cinq. L'article 4 compare frontalement les deux façons de bâtir cette couche, acheter ou construire, avec la grille appliquée aux deux philosophies. L'article 5 livre une matrice de décision par profil d'entreprise et une checklist de trente questions.

Une phrase à retenir de tout ce qui précède : votre couche d'abstraction IA existe déjà, ou elle existera dans dix-huit mois. La décision qui vous appartient encore porte sur son propriétaire.

À suivre : le mono-provider, ses vraies forces et ce qu'il rend impossible.