Le prochain avantage IA ne sera pas le modèle, mais le contexte de l’entreprise

La diffusion de l’IA en entreprise progresse rapidement. Dans son bilan 2026 de la décennie numérique, la Commission européenne indique que près de 20 % des entreprises de l’Union utilisent désormais l’intelligence artificielle. Elle souligne pourtant que les PME restent freinées par les compétences, l’accès aux données, l’infrastructure et les ressources.

Ce constat change la nature de la compétition.

Lorsque toutes les entreprises peuvent louer des modèles proches, l’accès à l’intelligence brute se banalise. Les écarts se créent ailleurs : dans la qualité du contexte fourni au système, dans sa connexion aux outils réels et dans la capacité de l’organisation à transformer un essai réussi en méthode répétable.

Google l’exprime directement dans son annonce du Gemini agent du 8 octobre 2026. L’éditeur sépare l’agent du modèle sous-jacent et prévoit d’orchestrer différents modèles selon les tâches. Son argument est explicite : le meilleur modèle change, tandis que le contexte, les compétences et les données de l’entreprise doivent rester disponibles.

La conséquence stratégique est nette. Une entreprise qui construit toute sa transformation autour d’un fournisseur ou d’une interface possède une dépendance. Une entreprise qui structure son contexte opérationnel possède un actif.

Beaucoup d’organisations assimilent encore le contexte à une base documentaire : procédures, présentations, comptes rendus, contrats et fichiers déposés dans un moteur de recherche interne.

C’est nécessaire, mais insuffisant.

Pour produire une décision ou exécuter une tâche de manière fiable, une IA doit comprendre au moins cinq couches.

Les définitions métier

Un même mot peut recouvrir des réalités différentes selon l’entreprise. Un client actif, une marge, un incident critique, une opportunité qualifiée ou un produit rentable doivent avoir une définition partagée.

OpenAI explique que son Data agent s’appuie sur les termes métier, les définitions de métriques, les calculs personnalisés et les relations entre données. Sans cette couche sémantique, l’IA peut manipuler correctement les chiffres tout en répondant à la mauvaise question.

Les données vivantes

Le contexte ne peut pas être figé dans un export trimestriel. Il doit refléter les commandes, les interactions clients, les stocks, les tickets, les contrats et les changements d’organisation au rythme où l’activité évolue.

La fraîcheur devient une propriété du système. Une réponse exacte sur des données anciennes reste une mauvaise décision.

Les règles de travail

Une entreprise ne se résume pas à ce qu’elle sait. Elle se distingue aussi par la manière dont elle agit : seuils de validation, ordre des contrôles, critères d’escalade, formats attendus, rôles impliqués et définition du travail terminé.

Dans les exemples publiés par OpenAI le 1er septembre 2026, les usages les plus avancés transforment précisément ces méthodes en capacités répétables : un processus stable devient une compétence, le contexte d’un compte est maintenu dans le temps, puis des outils, des tests et des points de revue permettent une exécution bornée.

Les permissions

Le contexte doit rester compatible avec les droits existants. Deux collaborateurs ne voient pas nécessairement les mêmes clients, les mêmes colonnes financières ou les mêmes documents sensibles.

OpenAI indique que les requêtes de son Data agent respectent les permissions de la source connectée, jusqu’aux restrictions de table, de ligne ou de colonne. Google met de son côté l’identité, l’autorisation et la traçabilité au cœur de son architecture agentique.

Une IA qui connaît tout sans distinction ne possède pas un meilleur contexte. Elle possède un périmètre de risque excessif.

La mémoire des décisions

Enfin, l’entreprise doit conserver pourquoi une exception a été acceptée, pourquoi une recommandation a été rejetée et quel résultat a suivi une action.

Cette mémoire transforme l’usage en apprentissage organisationnel. Sans elle, chaque interaction recommence presque à zéro. Avec elle, l’entreprise peut améliorer ses règles, ses données et ses contrôles indépendamment du modèle choisi.

Connecter une IA au CRM, aux emails, au stockage documentaire et à la base financière peut donner l’impression d’avoir construit une intelligence d’entreprise.

Mais une connexion ne résout pas les contradictions qu’elle transporte.

Si le CRM contient trois étapes commerciales utilisées différemment, si le calcul de marge varie entre la finance et les opérations, ou si les procédures ne correspondent plus au travail réel, l’agent accélère une organisation ambiguë.

Le risque est subtil : la réponse paraît plus complète parce qu’elle combine davantage de sources. Elle peut pourtant être moins fiable si aucune source canonique, aucune hiérarchie et aucune règle de résolution des conflits n’ont été définies.

Avant de connecter davantage d’outils, l’entreprise doit décider quelles données font foi, qui en est propriétaire, à quelle fréquence elles sont actualisées et comment une contradiction doit être signalée.

Le chantier IA révèle alors un chantier de management longtemps différé.

Scénario 1 : accumuler les licences

Chaque équipe choisit son assistant, importe quelques documents et crée ses propres instructions.

Le démarrage est rapide. La valeur reste locale. Les définitions divergent, les mêmes informations sont dupliquées et le départ d’un collaborateur peut emporter une partie de la méthode.

L’entreprise a diffusé des outils, mais elle n’a pas construit de capacité commune.

Scénario 2 : connecter tous les systèmes

La direction lance une grande plateforme de données et branche les principaux logiciels à un agent central.

L’accès à l’information progresse, mais les incohérences métier deviennent visibles. Les équipes contestent les résultats, les droits sont difficiles à expliquer et le projet ralentit sous le poids de la normalisation.

L’erreur consiste à traiter le contexte comme un problème exclusivement technique.

Scénario 3 : construire le contexte à partir de processus prioritaires

L’entreprise choisit quelques décisions ou workflows importants. Pour chacun, elle documente le résultat attendu, les sources canoniques, les définitions, les droits, les exceptions, les preuves et les points de contrôle.

Le contexte se construit par l’usage. Chaque processus mis en production enrichit une couche réutilisable par d’autres agents et, potentiellement, par d’autres modèles.

Cette trajectoire paraît moins spectaculaire. Elle produit pourtant l’actif le plus durable.

Construire un contexte exploitable oblige le comité de direction à trancher plusieurs tensions.

Centraliser sans déposséder les métiers

La direction des systèmes peut garantir l’architecture, la sécurité et l’interopérabilité. Elle ne peut pas décider seule de la définition d’un client à risque ou d’une opportunité stratégique.

Chaque domaine doit avoir un propriétaire métier. Sans responsabilité explicite, la base de connaissances devient un dépôt que personne ne maintient.

Mémoriser sans tout conserver

Une mémoire utile améliore la continuité. Une mémoire illimitée accumule des données sensibles, obsolètes ou difficiles à corriger.

Il faut donc définir ce qui mérite d’être retenu, pendant combien de temps, avec quel niveau d’accès et selon quelle procédure de rectification ou de suppression.

Standardiser sans figer l’organisation

Les agents ont besoin de règles stables. L’entreprise, elle, doit pouvoir changer de stratégie, de prix, de processus ou de structure.

Les compétences et définitions doivent être versionnées, datées et révisables. Une ancienne règle ne doit pas continuer à guider silencieusement une décision nouvelle.

Profiter d’un fournisseur sans lui céder l’actif

Les plateformes intègrent de plus en plus étroitement données, mémoire, outils et agents. Cette intégration accélère le déploiement, mais peut rendre une migration coûteuse.

L’entreprise doit distinguer ce qui relève du fournisseur — modèle, orchestration, interface — de ce qu’elle doit pouvoir extraire et réutiliser : définitions, compétences, historiques utiles, tests, politiques et preuves.

La portabilité ne signifie pas l’absence de choix. Elle évite qu’un choix technique temporaire devienne une dépendance stratégique durable.

Le sujet mérite une feuille de route propre, distincte du simple achat de licences.

Le comité de direction doit notamment décider :

• quels processus justifient la construction d’un contexte partagé ;

• quelles sources deviennent canoniques pour chaque décision ;

• qui possède les définitions, les règles et leur mise à jour ;

• quelles permissions un agent reçoit selon son rôle ;

• quelles décisions et exceptions doivent laisser une preuve ;

• quelles composantes doivent rester portables entre fournisseurs ;

• comment la valeur est mesurée au niveau du processus, et non au volume de requêtes.

La première étape n’est pas de nettoyer toute l’entreprise. Elle consiste à choisir un workflow important, cartographier son contexte réel et vérifier qu’une autre équipe pourrait comprendre comment la décision est prise.

Ce travail paraît moins visible qu’un nouveau modèle. Il crée pourtant un avantage plus difficile à copier.

Les modèles circulent. Les interfaces se ressemblent. Les prix baissent et les leaders changent.

Ce qui restera rare, c’est une entreprise capable d’expliquer précisément comment elle fonctionne — et de transmettre cette compréhension à ses agents sans perdre ses droits, ses règles ni son jugement.