Cartographie 2025 du secteur MAD (ML, IA, Data)

 (mattturck.com)
38 points par GN⁺ 2025-11-07 | 2 commentaires | Partager sur WhatsApp
  • Présentation en une image de la cartographie 2025 du secteur MAD : Bubble & Build, avec l’explication de 25 thèmes de l’année
  • En 2025, le marché de l’IA et de la data évolue, entre coexistence d’investissements surchauffés et de déploiements réels, d’un modèle centré sur les chatbots vers des systèmes d’agents dotés d’outils, de mémoire et de modèles de raisonnement
  • À travers 25 tendances clés, l’ensemble des mutations est synthétisé sur tous les fronts : bulle, infrastructure, recherche, géopolitique, business, infrastructure et applications
  • Cette édition de la MAD Landscape réduit le nombre de logos de plus de 2 000 à environ 1 150 et accorde davantage de place aux hyperscalers et aux leaders de catégorie comme NVIDIA, Databricks et OpenAI, afin de refléter la concentration du marché
  • De nouvelles sections agent stack et IA locale (LLM on-device) ont été ajoutées, tandis que la partie open source a été intégrée à la structure globale pour réorganiser le flux en data–infrastructure–IA–agents–applications
  • Globalement, il s’agit d’un marché où la bulle et la construction concrète (Bubble & Build) progressent simultanément, avec l’énergie, l’infrastructure distribuée et l’agentification comme axes majeurs émergents

Vue d’ensemble et ligne éditoriale

  • L’édition 2025 de la MAD Landscape est la 11e version depuis 2012, avec la plus grande refonte structurelle à ce jour
    • Le nombre de logos a été réduit de plus de 2 000 à environ 1 150 afin d’améliorer la lisibilité, tout en accordant plus d’espace aux hyperscalers et aux leaders de catégorie
    • Suppression du bloc open source, avec en contrepartie l’ajout de sections agent stack et IA locale
  • Il en résulte une structure en couches simple et claire, allant de la data à l’infrastructure, puis au ML/à l’IA, aux agents et aux applications
  • Disponible en PDF haute résolution et en version interactive consultable - mad.firstmark.com

Macroéconomie et marché

  • 1. Une dynamique de bulle sans frein
    – Le marché est de nouveau en situation de bulle, mais différente de 1999 : les capitaux abondent, les valorisations atteignent des niveaux stratosphériques, et une "prime IA" s’applique notamment aux agents, à l’IA de frontière et aux entreprises en très forte croissance
    • Comme souvent lors d’un changement de paradigme, les dépenses d’investissement et les coûts opérationnels arrivent en amont ; l’atterrissage suppose une concrétisation de la demande à grande échelle, mais les changements d’habitudes prennent du temps et l’adoption reste inégale
    • De nombreuses équipes travaillent à l’intensité du 996, accélérant le rythme de livraison mais augmentant le risque de burn-out
    • Le paradoxe de 2025 est que l’emballement et les fondamentaux progressent tous deux ; historiquement, les retombées négatives peuvent arriver avant les récompenses
    • Cette année se caractérise par un fort sentiment de tension et d’accélération
  • 2. Fragilité : cyclicité et concentration des clients
    – Derrière les grands chiffres de croissance, une grande partie des capitaux se concentre entre les mains d’un petit nombre d’acteurs
    • Certaines opérations paraissent circulaires : OpenAI signe avec NVIDIA un contrat massif d’achat de GPU pendant que NVIDIA s’engage à investir massivement dans OpenAI ; OpenAI conclut aussi avec AMD un accord de plusieurs milliards de dollars sur les puces, avec une option d’achat de participation
    • Des schémas similaires s’étendent à toute la stack, où les financements du secteur et les contrats d’approvisionnement relient laboratoires de modèles, fabricants de puces, cloud et startups IA dans un réseau d’interdépendance, alimentant les craintes de "round-tripping"
    • La concentration des clients réduit la résilience de l’écosystème IA face aux chocs : une large part des dépenses passe par quelques hyperscalers et laboratoires de pointe, et plusieurs fournisseurs en percée dépendent d’un petit nombre de gros clients
  • 3. Le tableau d’ensemble est flou, mais les perspectives à court terme sont très concrètes
    – Les avis divergent sur la question de savoir si les progrès stagnent ou si l’on passe à côté de la prochaine croissance exponentielle ; la trajectoire vers l’AGI/ASI n’est ni définie ni même clairement définissable, et le discours catastrophiste perd en intensité
    • Dans le même temps, le court et moyen terme sont très concrets : une avalanche de slop IA arrive sur la vidéo, le texte et le code, tandis que les inquiétudes sur l’emploi deviennent plus urgentes
    • L’ampleur du changement, sa vitesse et ses bénéficiaires sont désormais des questions immédiates ; les réponses humaines, politiques et sociales restent en retard sur le rythme technologique
  • 4. Laboratoires vs entreprises établies : des bilans différents, une même compétition
    – La bataille pour dominer l’IA est plus intense que jamais, sur un terrain profondément inégal
    • Les Big Tech disposent de réseaux de distribution massifs, d’immenses gammes de produits et de budgets leur permettant de vendre en bundle, d’attendre les cycles et de tenir dans la durée
    • Google a clairement repris de l’élan en 2025 avec une série de lancements IA très médiatisés ; Meta a renforcé ses ambitions avec le SuperIntelligence Lab ; tous deux s’appuient sur un cœur d’activité extrêmement rentable et des bilans quasi illimités
    • Les laboratoires de pointe indépendants ont besoin de percées majeures pour justifier leurs valorisations
    • De nouveaux noms — SSI, Thinking Machines, Reflection — ont rejoint le tout premier rang, tandis que l’engouement pour les agents et le raisonnement monte (malgré des obstacles persistants au déploiement)
    • OpenAI reste le leader évident et continue de lever des fonds de guerre ; Anthropic suit de près, même si la question demeure de savoir combien de temps ce niveau d’intensité capitalistique pourra durer
    • Dans tous les cas, les utilisateurs y gagnent. Les acteurs historiques proposent des offres groupées, tandis que les laboratoires progressent à un rythme spectaculaire
  • 5. IPO et sociétés cotées : la fenêtre est (sélectivement) ouverte
    – L’introduction en Bourse de CoreWeave en mars a apporté exactement ce dont le marché avait besoin : une IPO d’infrastructure IA propre et lisible, qui s’est ensuite bien comportée
    • Palantir sert de point de comparaison central et controversé, porté par des multiples EV/NTM premium (récemment autour de 80x à 90x), ce qui pourrait rendre plus audacieux les candidats late-stage
    • À suivre : Cohere a indiqué qu’une IPO était possible "bientôt", Dataiku a sélectionné ses banques, Cerebras a retiré son S-1 après une nouvelle levée
    • Une dizaine des plus grands acteurs privés de l’IA n’ont guère d’incitation à entrer en Bourse compte tenu de leur accès au capital et de leur flexibilité stratégique ;
      mais si Databricks (> $100B en privé) et les laboratoires de pointe (OpenAI, Anthropic) finissent par se coter, on peut s’attendre à des IPO historiques
  • 6. M&A : consolidation et guerre des talents
    – Les grands acteurs ont tenté de bâtir des agent stacks complètes, mais ont découvert que c’était plus difficile que prévu, ce qui les a poussés à faire leurs emplettes ; pourtant, même des opérations très médiatisées ont été interrompues (Adobe–Synthesia, SoftBank–Agility)
    • En conséquence, le choix "acheter vs construire" n’a rien d’évident
    • Les réussites ont été chirurgicales : ServiceNow–Moveworks ($2.85B) dans les agents d’entreprise ; Salesforce–Informatica (environ $8B) pour renforcer le plan de contrôle des données
    • L’infrastructure data se regroupe aussi en interne : dbt Labs et Fivetran (entièrement en actions ; ≈$600M d’ARR) réunissent collecte et transformation sous un même toit
    • Le récit le plus bruyant concerne les talents et les acqui-hires : Meta s’est montré particulièrement agressif
      – En prenant ~49 % de Scale AI pour ~$14–15B afin de faire rejoindre Alexandr Wang à son effort sur la superintelligence, puis en recrutant des chercheurs d’OpenAI après avoir fixé des niveaux de rémunération à neuf chiffres, Meta a enclenché un cercle vicieux où la rétention coûte tout, quel qu’en soit le prix
    • En définitive, 2025 est l’année des acquisitions de précision, des acquisitions d’équipes et des montages créatifs
      • Dans un contexte de risques d’intégration et de surveillance antitrust, les véritables méga-opérations restent rares

Recherche et frontière

  • 7. Le raisonnement + le RL sont la frontière
    – Le plus grand bond cette année ne vient pas de transformeurs plus grands, mais du fait d’entraîner les modèles à concentrer la puissance de calcul sur la réflexion
    • Le reinforcement learning pour le raisonnement popularisé par DeepSeek R1 et les modèles de style « o-series » — allouer des tokens au raisonnement — fait bouger l’aiguille en mathématiques, en code et dans la planification multi-étapes
    • La conception du curriculum, la conception des récompenses et les boucles de feedback sur l’usage d’outils deviennent plus importantes que la taille brute des modèles
    • Le RL n’est pas une panacée — de mauvaises récompenses enseignent toujours de mauvaises habitudes — mais, avec le bon passage à l’échelle, il offre un effet énorme au pré-entraînement
    • Le prochain défi est de généraliser au-delà du code et des maths vers des tâches réelles désordonnées où le « juste » et le « faux » ne sont pas toujours clairs ;
      ici, des signaux plus riches deviennent importants, du feedback humain sur les résultats business à de nouveaux benchmarks comme GDPVal (notation de chaînes de tâches de bout en bout)
  • 8. L’IA ralentit-elle ? Les avis contraires nous gardent honnêtes
    – Certains chercheurs de tout premier plan — dont des invités du podcast MAD (Sholto Douglas, Julian Schrittwieser, Jerry Tworek) — affirment qu’il reste encore beaucoup de fruits à portée de main et que plusieurs années de progrès sont devant nous avec le paradigme actuel pré-entraînement + RL
    • D’autres appellent à la prudence : Andrej Karpathy dit que « les agents sont à 10 ans », la Bitter Lesson de Rich Sutton soutient que les méthodes générales + le compute l’emportent sur les réglages manuels, et Yann LeCun pousse une autre voie avec les world models et la prédiction auto-supervisée
    • Ces débats sont sains : moins de théâtre autour des leaderboards, plus de retenue, de red teaming et de travail réel
  • 9. Frontières qui avancent vite : l’IA qui fait de la science créative ; la robotique
    – On voit dans les laboratoires des idées de type « Move 37 » — des modèles qui proposent des hypothèses et des voies non intuitives que les humains n’auraient pas testées d’abord
    • AlphaFold 3 passe aux interactions biomoléculaires ; GNoME a mis en lumière environ 2,2 millions de structures cristallines plausibles ; Cell2Sentence-Scale 27B de Yale × Google indique des pistes potentielles de traitement du cancer à partir de données de cellule unique
    • Au-delà de la biologie, la robotique accélère :
      les modèles de fondation pour la robotique (des politiques vision-langage-action entraînées sur de vastes jeux de données mutualisés) améliorent le transfert entre robots et tâches,
      tandis que les manipulateurs mobiles accumulent davantage d’heures dans le monde réel et que les équipements de laboratoire autonomes resserrent la boucle conception–construction–test
    • L’IA peut-elle produire une percée de niveau Nobel ou créer des robots de terrain capables d’exécuter des tâches utiles de manière fiable ?
      • Les deux semblent se rapprocher à chaque trimestre
  • 10. L’open source (open weights) tient bon — au terme d’une année mouvementée
    – Le moment R1 de DeepSeek (et les dérivés open weights) a donné le ton, mais Llama 4 n’a pas été à la hauteur des attentes, et Meta laisse entendre une position plus stricte sur les releases permissives
    • Mistral a vacillé avant de retrouver son élan ; Qwen3 est discrètement devenu la plateforme de référence « suffisamment bonne » dans de nombreuses stacks
    • Côté positif, AI2 continue de livrer de vrais actifs (OLMo/OLMo-2, données à l’échelle de Dolma), et le financement de Reflection AI ravive le récit du « DeepSeek américain »
    • Les entreprises veulent toujours le contrôle et la résidence des données ; les startups veulent toujours des marges
    • L’avenir semble hybride : router vers l’open source quand c’est possible, et faire des pointes vers la frontière quand c’est nécessaire
    • Avec l’arrivée des NPU partout, les petits modèles joueront un rôle important ;
      les stacks les plus saines resteront plurielles — open et closed, cloud et device, grands et petits — sans guerre de religion ni dépendance fournisseur

Géopolitique

  • 11. La Chine assemble une stack IA parallèle
    – La Chine construit une voie de bout en bout moins dépendante de NVIDIA et de CUDA :
    les Huawei Ascend 910B/910C s’installent sous une couche logicielle en croissance (CANN, MindSpore),
    sur laquelle se superposent ses propres modèles adaptés aux données et aux politiques locales (DeepSeek, Qwen3, Kimi, ERNIE, etc.)
    • Après le moment DeepSeek, l’année a été importante pour les modèles chinois, avec Qwen et Kimi qui montent en puissance en production,
      non pas seulement au niveau du « suffisamment bon », mais compétitifs dans plusieurs domaines
    • Les contrôles à l’export ont ralenti les progrès sans les arrêter ;
      la localisation devient une fonctionnalité dans un contexte de découplage technologique : compatible, de plus en plus autosuffisant, et en tête dans certains domaines
  • 12. L’IA souveraine passe du slogan aux achats
    – « Construire des modèles locaux sur du compute local » est désormais soutenu par du hardware, des budgets et de vrais acheteurs
    • Le Royaume-Uni a lancé Isambard-AI et finalisé son raccordement au réseau
    • IndiaAI a dépassé les 34 000 GPU et commence les allocations subventionnées
    • Les pays du Golfe continuent d’étendre leurs « usines à IA » nationales via G42 × Cerebras (Condor Galaxy)
    • L’Europe cultive ses champions — Mistral avec désormais ASML en soutien — tandis qu’OpenAI déploie la résidence des données UE/Royaume-Uni pour répondre aux exigences de souveraineté
  • 13. L’énergie devient le nouveau goulot d’étranglement du compute, et les États l’ont compris
    – Ce n’est plus le GPU : l’électricité est le nouveau goulot d’étranglement
    • Le choix de l’emplacement des datacenters dépend désormais de contrats en mégawatts, de droits sur l’eau et d’interconnexions au réseau
    • Les gouvernements attirent les usines à IA comme ils attiraient les fonderies
    • Il faut s’attendre à des PPA souverains et à des co-implantations nucléaire/renouvelable (raccordement au réseau d’Isambard-AI au Royaume-Uni ; pilote SMR Google – TVA/Kairos ; PPA de fusion Microsoft-Helion)
    • Les incitations centrées sur l’électricité façonneront le lieu d’entraînement des modèles et les régions qui gagneront le déploiement de l’IA
    • Les contrôles à l’export restent importants, mais ce sont désormais les kilowatts qui fixent le calendrier

Business de l’IA

  • 14. La distribution l’emporte sur l’invention (encore une fois)
    – Toute une génération de startups natives IA croît plus vite que tout ce que nous avons vu
    • Les produits deviennent viraux sur les réseaux sociaux, tandis que les conseils d’administration continuent de s’inquiéter de l’IA et que la curiosité alimente une vague de tests et d’expérimentations
    • La question restante est la durabilité : s’agit-il d’un véritable ARR ou de revenus expérimentaux sujets à l’attrition ?
    • Les acteurs en place disposent souvent d’un avantage de distribution : assistants intégrés à iOS/Android, Windows Copilot, Chrome, Salesforce Einstein, ServiceNow Now Assist
      — mais ce n’est pas toujours le cas
    • Les partenariats et les intégrations peuvent infléchir la courbe :
      • Cursor s’approfondit avec VS Code ;
      • Supabase profite de la vague Lovable ;
      • des gagnants plus discrets s’infiltrent dans les IDE, les CRM et les documents
    • Les produits réussissent en étant présents au moment de la création (écriture, code, soumission de dossier)
      • Ce qui est embarqué l’emporte sur ce qui est « meilleur », et peut évoluer en fonction de l’usage réel
  • 15. Marges et tarification : de l’occupation du terrain à l’atterrissage
    – Les coûts grimpent brutalement quand l’usage augmente et que les clients veulent les modèles les plus récents et les plus intelligents
    • Réalité froide : si vous êtes assis sur les frontier models de quelqu’un d’autre, la croissance peut vous faire basculer en marge brute négative
      — les histoires de Windsurf et Cognition servent d’avertissement
    • Le financement VC peut soutenir la conquête du terrain, mais ne couvre pas éternellement de mauvaises unit economics
    • Les startups IA s’adaptent : modèles plus petits et moins chers par défaut, capacité de réserve pour les pics, mise en cache agressive
    • L’approche dominante devient la tarification au résultat
      — par dossier clos, par ticket résolu, etc.
      — avec des options de débit garanti, afin que le revenu suive les résultats réels
    • Les gagnants combinent discipline des coûts et tarification qui mesure la valeur réelle
  • 16. IA d’entreprise : la construction avance plus lentement que les démos (mais la commercialisation est en cours)
    – Les déploiements en entreprise avancent plus lentement que les démos spectaculaires sur les réseaux sociaux
    • Les acheteurs veulent de la gouvernance des agents, des citations, de la provenance, du traitement des PII, des pistes d’audit et des connexions étroites avec les systèmes d’entreprise avant d’appliquer de l’autonomie
    • Il y a des progrès concrets dans la définition et la mise en œuvre des cas d’usage
      • service client IA, code IA, chatbots internes sont des victoires évidentes
      • Beaucoup de stratégies sectorielles ou propres à une entreprise exigent encore de la personnalisation, des pipelines de données et du travail sur les politiques avant d’émerger pleinement
    • L’« étape Accenture » est dépassée et l’arc devient désormais visible
      — des copilots aux agents spécialisés puis à l’automatisation managée
      — la demande est en train de se solidifier
    • Face à cette demande, les acteurs en place disposent d’un avantage de distribution et lancent des « plateformes d’agents » à l’intérieur des CRM/ERP/ITSM (Salesforce, ServiceNow, Microsoft)
      • Elles regroupent en un seul endroit les garde-fous, la télémétrie et les approbations
    • Globalement, le marché des entreprises du Global 2000 commence sérieusement à s’échauffer pour l’achat et le déploiement d’IA, sans encore être à pleine ébullition

Infrastructure IA

  • 17. NVIDIA domine, mais la diversification devient réelle
    – Les racks Blackwell GB200 restent la référence, mais les acheteurs ajoutent désormais aussi les Google TPU, les AMD MI350 et, sur certains footprints, les Intel Gaudi 3
    • À mesure que les conceptions à l’échelle du rack pilotent le TCO, les entreprises mélangent les fournisseurs pour le prix/performance et l’approvisionnement et exploitent des clusters hétérogènes sous des ordonnanceurs plus intelligents, plutôt qu’une monoculture à fournisseur unique
  • 18. L’essor de l’IA locale : appareil, edge de proximité, cloud privé
    – Les nouveaux NPU des laptops et des téléphones repoussent un vrai travail vers l’appareil : rapide, multimodal et privé par défaut
    • Quand la tâche est trop lourde, elle déborde vers un « cloud privé » proche ou opéré par le fournisseur (par ex. Private Cloud Compute d’Apple) plutôt que vers des endpoints publics génériques
    • Des outils comme LM Studio et Ollama rendent les modèles locaux click-to-run
    • L’on-device gère l’UX rapide et le contexte personnel ; le cloud prend en charge les raisonnements plus lourds et la mémoire partagée
    • Dans les usines, les cliniques et les voitures, des boîtiers edge de proximité protègent la bande passante, la confidentialité et la disponibilité
    • Les meilleurs produits assurent un handoff fluide entre appareil, edge et cloud
  • 19. La stack agentique devient une couche d’infrastructure
    – Un nouveau runtime apparaît sous les applications : planificateurs et appels d’outils, sorties structurées et catalogues de fonctions, mémoire courte/longue durée (vecteurs, graphes), exécution d’outils en sandbox, approbations, orchestration avec persistance d’état
    • Autour de cela s’ajoutent des systèmes d’évaluation du travail, des politiques/garde-fous, le traçage et la télémétrie des coûts, les datasets/le contrôle de version, et les rollbacks
    • Ce qui ressemblait à de l’« App Glue » en 2024 ressemble désormais à un palier de plateforme avec ses propres SLA et lignes budgétaires
  • 20. Conformité, sécurité et red teaming sont désormais la base
    – La sécurité et la conformité ne sont pas des cases à cocher, mais le prix à payer pour faire tourner de l’IA en production
    • Les directives mises à jour (par ex. le LLM Top 10 de l’OWASP, les playbooks sur l’injection de prompt) fixent la norme
      • montrer d’où viennent les données, enregistrer prompts/outils/décisions, appliquer les politiques, prouver la résistance au jailbreak
    • Les entreprises attendent des preuves, des pistes d’audit et des procédures « break-glass » claires, reliées à des couches comme la prestation de service et le stockage
    • Si ce n’est pas évaluable, traçable et gouvernable, ce n’est pas de l’infrastructure

Infrastructure de données

  • 21. Fin d’une époque, début de la fusion
    – Le dégroupage de la « modern data stack » mène à la consolidation :
    • dbt Labs et Fivetran s’associent
    • des plateformes comme Databricks continuent de couvrir tout le waterfront (batch et streaming, vecteurs et graphes, feature store, gouvernance) en équilibrant à parts égales build et buy
    • Le cadre passe de « entrepôt vs lakehouse » à stockage objet + tables ouvertes + catalogue neutre comme plan de contrôle
    • La modélisation, le mouvement, les features, les datasets d’évaluation, la lineage et les politiques fusionnent avec le serving IA et les runtimes agentiques
    • En pratique, l’infrastructure de données et l’infrastructure IA s’effondrent en un seul plan, et la valeur s’échappe dans cet interstice
  • 22. Mais les fondamentaux de la donnée deviennent plus cruciaux que jamais
    – Des tables et catalogues solides, la qualité et la lineage, ainsi que des moteurs de requête à faible latence sont devenus des prérequis pour les agents, la recherche et la CI orientée évaluation, et non plus des sujets secondaires
    • la recherche augmentée par graphes et vecteurs passe du billet de blog au pattern
    • l’observability s’étend désormais aux prompts, aux outils et aux coûts
    • la conformité se situe sur le même plan que la performance
    • Ce domaine retrouve un nouvel élan
      • la montée de l’analytique temps réel de ClickHouse (désormais avec vecteurs) montre la demande de vitesse à grande échelle
      • les stacks locales et edge ont toujours besoin de contrats clairs pour prendre en charge la mémoire cloud
    • La donnée ne disparaît pas : elle est élevée au rang de domaine de contrôle de l’IA

Applications et agents

  • 23. Les grands labs et les plateformes remontent la stack
    – Les frontier labs et les acteurs historiques ne se contentent plus de simples API de modèles
    • OpenAI, Anthropic et Google/Gemini continuent de lancer des produits à la couche applicative
      • assistants vocaux, applications desktop, offres team, workflows reliés aux e-mails, documents et CRM, etc.
    • Cela crée un risque de plateforme et une concurrence frontale
      • quand le fournisseur de modèles contrôle l’interface et les bundles, il peut entrer sur votre terrain dès demain
    • OpenAI pousse la logique le plus loin
      • en recrutant des experts métier (par ex. d’anciens banquiers) pour enseigner des workflows
      • en ajoutant des rails de commerce dans ChatGPT
        • avec le lancement d’un navigateur orienté ChatGPT
          — Anthropic approfondit les flux d’équipe/projet et lance Claude Code
    • Gemini renforce ses surfaces grand public et Workspace
    • Pendant ce temps, les modèles absorbent une large part de la couche des « wrappers »
      • sorties structurées first-party, function calling, mémoire, outils de navigation/code/vision/voix, automatisation légère, et même commerce
    • Les utilisateurs y gagnent en vitesse
      — ils peuvent exploiter des fonctions qui marchent déjà bien
    • Pour les startups, le cycle des wrappers est fin → épais → puis à nouveau plus fin
      • les premières interfaces sont devenues de vrais produits (ponts de données, workflows, conformité), mais la plateforme réintègre beaucoup de fonctions dans son cœur
  • 24. Le vibe coding est le hit de 2025
    – Les agents de code sont passés du gadget à l’habitude quotidienne
    — lecture de dépôts, lancement de sandbox, planification des changements, ouverture de PR, exécution des tests, description des diffs
    — même les démos de « video coding » montrent désormais des agents manipulant une UI à partir d’un screencast
    • Le niveau d’adoption est frappant :
      • Cursor et Claude Code sont largement cités parmi les outils développeur à la croissance la plus rapide jamais vue
      • avec des trajectoires vers un ARR à neuf chiffres en quelques mois
    • Le craft est passé de l’autocomplétion à la consigne et à la revue, et la stack s’est étendue vers des workflows end-to-end avec GitHub Copilot, Sourcegraph Cody, Codeium/Windsurf, Devin, etc.
    • Côté produit, Vercel v0, Lovable et Replit transforment le « Describe, then ship » en boucle de production pour petites équipes
    • L’enjeu, surtout chez les développeurs non spécialistes, est la stickiness : le comportement des premières cohortes montre que ces habitudes pourraient durer autant que la recherche de code
  • 25. Les modalités brillent
    – L’image, la vidéo et la voix passent à la vitesse supérieure : Veo3, Runway et Sora mènent la génération à rendu cinématographique
    • ElevenLabs et Synthesia banalisent les voix et avatars de haute qualité
    • les agents vocaux temps réel tiennent désormais des conversations fluides et pilotent des outils
    • les modèles de vision analysent maintenant des UI, graphiques et photos de terrain sans dépendre de templates fragiles
    • les éditeurs vidéo passent directement du clip à des scènes de storyboard sourcées
    • En parallèle, de Genie 3 aux nouveaux travaux du groupe de Fei-Fei Li, les world models visent à percevoir et agir dans des environnements interactifs
      • ce qui brouille la frontière entre logiciel créatif et logiciel opérationnel
    • Le critère passe de « peut-il ajouter des sous-titres ? » à « peut-il percevoir, planifier et agir de façon fiable entre les modes ? »
    • 2026 sera une grande année pour les modalités

Réflexions finales

  • Le paysage MAD 2025 cartographie un marché qui fait simultanément mousser et se structurer
  • Il a été redessiné avec moins de logos et davantage de pondération pour mieux refléter la réalité
  • Les hyperscalers et les leaders pure players occupent la périphérie, les agents et les plans de données/de contrôle se rejoignent au centre, et la vitesse est déterminée non seulement par les GPU mais aussi par l’électricité
  • Les storylines se font écho à travers toute la carte
    • tandis que les open weights conservent leur résilience, chaque lab s’étend vers les applications
    • les données et l’infrastructure IA ont fusionné
    • les déploiements en entreprise se concrétisent, même s’ils restent en retard sur les démos
    • les agents de code sont devenus une habitude quotidienne
  • À partir d’ici, l’horizon s’élargit au-delà d’une simple release :
    en ajustant la distribution, les marges, la gouvernance et la consommation électrique, l’intelligence devient une infrastructure,
    et la prochaine vague mènera à des avancées composées qui feront progresser l’ensemble de l’industrie

À lire aussi

2 commentaires

 
ragingwind 2025-11-10

« Si l’on ajuste la distribution, les marges, la gouvernance et la consommation électrique, l’intelligence deviendra une infrastructure, et la prochaine vague mènera à une évolution composite qui fera progresser l’ensemble de l’industrie. » On ne sait pas quand cela arrivera, mais une fois que tout sera mis en ordre, beaucoup de fret et de passagers circuleront au-dessus.