L’émergence des entreprises AI-native

Les salariés n’ont pas autant accès à l’IA qu’ils le souhaiteraient

Deux ans et demi après l’arrivée de ChatGPT dans nos vies, l’intégration des grands modèles de langage (LLM) dans nos logiciels et outils du quotidien semble encore limitée. En témoignent les articles et contenus qui continuent de paraître sur « comment intégrer l’IA dans son entreprise ».

Ce n’est pourtant pas l’envie qui manque. Une étude du Boston Consulting Group menée en 2024 auprès de plus de 13 000 salariés dans 15 pays indiquait que 42 % d’entre eux se déclaraient confiants quant à l’impact de l’IA sur leur travail, contre 26 % un an plus tôt. Une autre étude, publiée par le Workforce Lab de Slack en juin 2024, montrait que, parmi les employés de bureau qui utilisent des outils d’IA, 81 % estiment qu’ils améliorent leur productivité.

Les organisations suivent le mouvement : d’après l’AI Index 2025 de l’université Stanford, 78 % des organisations interrogées déclaraient utiliser l’IA en 2024, contre 55 % l’année précédente, et l’usage de l’IA générative dans au moins une fonction est passé de 33 % à 71 %. Mais utiliser un assistant conversationnel à côté de ses outils n’est pas la même chose que travailler dans des outils conçus autour de l’IA. Force est de constater que l’adoption au cœur des logiciels métier n’avance pas aussi vite que prévu. En cause, la difficulté de nombreux éditeurs de logiciels B2B à intégrer l’intelligence artificielle dans une architecture technique déjà complexe.

Les éditeurs ont du mal à intégrer l’IA dans leurs outils

Intégrer un LLM demande de repenser l’ensemble des fonctionnalités et l’interface utilisateur d’un logiciel. Quelles fonctionnalités existantes l’IA peut-elle mieux réaliser ? Quelles fonctionnalités nouvelles peut-elle apporter ? Comment tirer parti de la capacité des LLM à offrir une expérience plus personnalisée et adaptative ? Autant de questions à se poser avant de commencer, puis de choix d’itération à réaliser une fois la vision claire.

Il est toujours compliqué de détruire quelque chose qui marche, de revenir en arrière pour mieux rebondir. Et ce contexte chamboule aujourd’hui le marché du SaaS avec l’arrivée de nouveaux acteurs ultra-agiles qui n’ont pas à faire ces choix : les entreprises AI-native.

Les entreprises AI-native rebattent les cartes du monde des SaaS

Moins pressées de trouver de nouveaux marchés (comme ce fut le cas avec la FinTech) que de faire mieux que les acteurs historiques sur des marchés très établis, les entreprises AI-native ont des avantages indéniables :

• Un changement de vision technologique : l’intégralité de leur architecture repose sur des LLM. Chaque étape clé du traitement de l’information est confiée à des modèles capables de vectoriser l’univers sémantique des données. Cela permet une meilleure compréhension des données, et donc un meilleur croisement entre elles.
• Une automatisation poussée des tâches : les LLM sont particulièrement performants pour comprendre et produire des flux d’information, ce qui réduit la quantité de tâches manuelles. L’ensemble du flux informationnel est automatisé ; l’humain intervient aux deux extrémités, au début pour définir les axes de travail de l’outil, à la fin pour analyser les résultats remontés.
• Une amélioration continue de l’outil : là où un logiciel traditionnel est figé par nature, les entreprises AI-native développent leurs propres systèmes de RAG (génération augmentée par récupération), qui permettent à l’outil de s’améliorer au fil des interactions avec les utilisateurs et d’affiner ses recommandations.
• Un changement d’usage : l’utilisateur pose des questions précises à l’outil pour découvrir des insights, au lieu de creuser la donnée et d’en extrapoler manuellement les informations utiles. On ne se contente plus de lire et de cliquer : on parle, on interagit.

Être AI-native, un gain de temps et un gage d’amélioration continue

Développer une solution AI-native permet de réduire le temps consacré à la recherche de l’information au profit de l’analyse et de la prise de décision. Le risque d’erreur diminue aussi : plus de ligne sautée dans un tableau de données, plus de mauvais filtre sélectionné, plus d’erreur de paramétrage d’une tâche.

Cela donne surtout la capacité de profiter pleinement des progrès continus des grands éditeurs de LLM, car leurs améliorations deviennent les nôtres dès qu’elles sont accessibles, au lieu de devoir revoir tout un choix technique quand une brique isolée s’est complexifiée au point de desservir son objectif initial.

C’est un gage de qualité et d’innovation, pour l’entreprise comme pour les utilisateurs de la solution. C’est le choix qu’a fait NewsCore dès sa conception : une plateforme de veille dont la collecte, le dédoublonnage par événement, la qualification par gravité et la synthèse reposent sur l’IA, pour que les analystes consacrent leur temps à la décision plutôt qu’au tri (voir notre technologie).

Ce que les équipes de veille doivent surveiller

Pour une direction de la stratégie, des achats ou de l’innovation, l’arrivée des acteurs AI-native se lit dans des signaux concrets, à intégrer à la veille technologique et à la veille concurrentielle :

1. Les annonces de refonte des éditeurs installés : une nouvelle interface conversationnelle ou un changement d’architecture annoncé par un fournisseur historique indique qu’il a engagé (ou repoussé) sa transition.
2. Les levées de fonds et les rachats de jeunes acteurs AI-native sur votre marché : ils signalent les segments où les acteurs historiques risquent d’être contournés.
3. L’évolution des modèles de prix : le passage d’une tarification par utilisateur à une tarification à l’usage ou au résultat est un marqueur fréquent des outils construits autour de l’IA.
4. Les usages non encadrés en interne : quand les salariés recourent à des assistants externes faute d’outils intégrés, c’est un signal de besoin, mais aussi un risque de fuite d’information à suivre avec la sécurité.
5. Le cadre réglementaire : les obligations du règlement européen sur l’IA s’appliquent par étapes, et leur suivi relève de la veille réglementaire.

Sources

• BCG, AI at Work: Friend and Foe (communiqué repris par Business Forum) (2024)
• Slack, The Workforce Index, June 2024 (2024)
• Stanford HAI, AI Index Report 2025, chapitre Economy (2025)