IA : de la démonstration à l’opérationnel, le tournant d’eMerge Americas 2026

Pendant longtemps, l’IA a été racontée par ses prouesses. Des modèles toujours plus puissants, des agents plus autonomes, des démonstrations toujours plus impressionnantes. Mais à eMerge Americas 2026, le signal le plus intéressant n’était pas dans la nouveauté. Il était dans un changement de maturité.

Le sujet n’est plus seulement de savoir ce que l’IA peut faire. Il est de savoir si elle peut fonctionner dans le réel. L’événement donnait la mesure de cette bascule : plus de 20 000 participants, 60 pays représentés, des centaines de d’intervenants et d’exposants, et une programmation couvrant l’IA, le quantique, la cybersécurité, la santé et la finance. Mais au-delà des chiffres, c’est la nature des discussions qui a évolué.

Ce n’était plus un espace dédié aux promesses technologiques. C’était un observatoire de ce que devient l’IA lorsqu’elle sort du laboratoire pour entrer dans les infrastructures économiques.

Le passage à l’échelle n’est plus un sujet de modèle

Le premier enseignement est simple : la performance des modèles ne suffit plus. Les entreprises ont appris à tester l’IA. Elles ont lancé des POC, développé des assistants, expérimenté des agents, connecté des modèles à leurs données. Mais le passage à l’échelle révèle une autre difficulté : faire tenir ensemble des systèmes complexes dans des environnements contraints.

Nous entrons dans une phase où l’IA devient un problème opérationnel, architectural et industriel, plus qu’un sujet de démonstration technologique. La différence se joue désormais ailleurs : dans la capacité à orchestrer les agents, gérer la mémoire, contrôler le contexte, sécuriser les flux, auditer les décisions et maintenir le système dans le temps. Autrement dit, l’IA devient une affaire d’architecture. Ce basculement est décisif : l’avantage ne vient plus du modèle, mais de la capacité à le faire fonctionner dans un système réel.

Mastercard et Recorded Future : la sécurité devient une condition de croissance

La keynote Mastercard + Recorded Future a donné l’un des signaux les plus structurants de l’événement. Johan Gerber, EVP Security Solutions chez Mastercard, et Colin Mahony, CEO de Recorded Future, n’ont pas présenté la cybersécurité comme une fonction défensive. Ils l’ont placée au cœur de la croissance numérique.

Leur thèse est claire : la confiance ne se construit plus par des contrôles isolés, mais par des écosystèmes capables de partager des signaux, des standards et de l’intelligence en temps réel. Mastercard l’a formulé ainsi dans le prolongement de l’événement : la sécurité ne passe pas à l’échelle par des “héros isolés”, mais par des écosystèmes, avec des informations partagées, des standards partagés et des partenaires capables d’agir ensemble lorsque les menaces évoluent. C’est une rupture importante.

La sécurité ne protège plus seulement les systèmes. Elle conditionne leur capacité à exister. Pendant des années, la cybersécurité a été pensée comme un mécanisme de protection. Elle devient un mécanisme d’activation. Elle conditionne l’adoption, la confiance des utilisateurs, la résilience des chaînes de valeur et la capacité à opérer des systèmes numériques dans la durée.

L’acquisition de Recorded Future par Mastercard prend alors un sens stratégique. L’objectif n’est pas seulement d’ajouter de l’intelligence de menace à une offre de sécurité. Il est de rapprocher threat intelligence, infrastructure de paiement et modèles de partenariat pour identifier où le risque se concentre, comment il se propage, et comment une action collective peut en réduire le coût. Pour les dirigeants, le message est direct : la cybersécurité n’est plus un centre de coût. Elle devient une condition de l’économie numérique.

L’IA agentique oblige à repenser le contrôle

Ce basculement devient encore plus critique avec l’IA agentique. Les agents ne se contentent pas de répondre. Ils planifient, déclenchent des actions, appellent des APIs, interagissent avec des outils, accèdent à des données et peuvent, demain, exécuter des transactions.

C’est précisément ce que met en lumière la notion de “commerce agentique” évoquée autour de Mastercard : des agents capables de planifier, réserver, comparer et payer de manière autonome, avec plusieurs transactions possibles avant même que l’utilisateur ne voie le résultat final.

Le potentiel est considérable. Mais la question devient immédiatement systémique : que se passe-t-il quand des agents économiques interagissent avec d’autres agents, dans des environnements financiers, logistiques ou assurantiels ?

On ne parle plus seulement d’expérience utilisateur. On parle d’identité, d’autorisation, de responsabilité, de traçabilité et de preuve. L’autonomie sans contrôle ne passe pas à l’échelle.

De la donnée au contexte : le nouveau nerf de la guerre

La plupart des débats sur l’IA restent encore centrés sur les données. Or, les systèmes agentiques introduisent une autre couche : le contexte. Un agent décide en fonction de ce qu’il sait, de ce qu’il croit savoir, de ce qu’il récupère au bon moment, et de ce qu’il considère comme pertinent.

C’est là que se jouent de nouveaux risques : contexte obsolète, mémoire erronée, sources contradictoires, surcharge d’outils, mauvaise interprétation d’un signal. Dans une application classique, ces erreurs produisent parfois un mauvais résultat. Dans un système agentique connecté à des outils opérationnels, elles peuvent déclencher une mauvaise action.

Le sujet n’est donc plus seulement la qualité des données. Il devient la gouvernance du contexte. Les entreprises devront apprendre à décider ce que les systèmes doivent retenir, oublier, prioriser et vérifier. C’est une discipline encore émergente, mais elle sera centrale dans la fiabilité de l’IA en production.

Dans un système agentique, une mauvaise donnée n’est plus une erreur. Elle devient une action, potentiellement exécutée à grande échelle, avec des conséquences immédiates sur le réel.

Les signaux faibles étaient partout : l’IA devient industrielle

Plusieurs entreprises présentes ou représentées à eMerge confirmaient ce déplacement. Waymo, avec Saswat Panigrahi, Chief Product Officer, illustre le passage de l’IA expérimentale à l’IA opérée dans le monde physique. L’entreprise était représentée parmi les intervenants d’eMerge 2026. Son cas rappelle qu’une IA autonome n’est crédible que lorsqu’elle s’appuie sur des millions de kilomètres, de la simulation, de la sécurité démontrée et une acceptabilité construite ville par ville.

Hugging Face, représenté par Joshua Lochner autour de Transformers.js, montre un autre mouvement : l’IA se rapproche des terminaux, des navigateurs, des usages distribués. L’enjeu n’est pas seulement le cloud, mais la capacité à déployer des modèles là où la latence, la confidentialité ou l’expérience utilisateur imposent de nouvelles architectures.

IonQ, partenaire de l’événement, renvoie à la montée du quantique dans les feuilles de route technologiques. Le sujet n’est pas encore une rupture généralisée, mais il devient un signal stratégique : optimisation, simulation, hybridation avec l’IA, mais aussi fragilisation potentielle de certains fondements cryptographiques.

Babel Street, avec Benji Hutchinson sur les systèmes autonomes multi-domaines, montre de son côté comment l’IA, l’identité, la biométrie et la vision par ordinateur convergent dans les environnements de sécurité nationale. Là encore, l’enjeu n’est pas de “faire de l’IA”, mais d’opérer des systèmes fiables dans des contextes où l’erreur est coûteuse.

Dans la santé, la présence du Mark Cuban Cost Plus Drug Company, porté par son cofondateur et CEO Alex Oshmyansky, rappelle que la transformation numérique n’est pas seulement affaire de modèles. Elle touche aussi aux chaînes de valeur, aux intermédiaires, à la transparence et à l’accès.

Enfin, la liste des partenaires, de Google Cloud à J.P. Morgan Chase, Amazon, Bank of America, Commvault, NetApp ou Jackson Health System, confirme que les sujets ne sont plus confinés aux pure players de l’IA. Ils concernent désormais l’infrastructure cloud, la finance, la santé, la résilience, le stockage, la cybersécurité et les services essentiels.

L’infrastructure redevient stratégique

C’est l’un des enseignements les plus importants d’eMerge Americas 2026 : l’IA n’est plus seulement logicielle. Elle dépend de capacités physiques très concrètes : calcul, énergie, réseaux, stockage, souveraineté des données, cybersécurité, continuité d’activité.

La vague IA remet donc l’infrastructure au centre de la stratégie d’entreprise. Pendant des années, beaucoup d’organisations ont pensé le numérique comme un levier d’agilité, parfois abstrait, souvent externalisé. L’IA de production oblige à revenir à une réalité plus industrielle : rien ne fonctionne sans puissance de calcul, sans données fiables, sans intégration, sans sécurité et sans énergie. L’IA n’est pas seulement une couche applicative. Elle devient une infrastructure d’exécution. De plus, l’IA réintroduit une contrainte que beaucoup pensaient dépassée : le réel.

Le quantique ajoute une pression supplémentaire

Le quantique n’a pas encore d’impact opérationnel généralisé. Mais le traiter comme un sujet lointain serait une faute d’anticipation. À court terme, la perspective la plus réaliste est celle des systèmes hybrides : l’IA classique pour le traitement massif, le quantique pour certains problèmes d’optimisation, de simulation ou de calcul complexe. Mais l’enjeu n’est pas uniquement capacitaire. Il est aussi cyber.

Le scénario “collecter aujourd’hui, déchiffrer demain” change déjà la manière d’évaluer le risque. Des données sensibles interceptées aujourd’hui pourraient être exploitées demain, lorsque les capacités quantiques seront suffisantes. Cela impose aux entreprises de penser crypto-agilité, durée de vie des données et résilience cryptographique bien avant l’arrivée d’une rupture commerciale massive. Le quantique ne remplace pas l’IA. Il élève encore le niveau d’exigence pour la faire fonctionner.

Ce que les dirigeants doivent retenir

Le vrai signal d’eMerge Americas n’est pas que l’IA accélère. Tout le monde le sait. Le signal est ailleurs : l’IA entre dans une phase où l’exécution devient plus importante que la démonstration. Cette phase sera plus sélective. Elle favorisera moins les organisations qui communiquent sur leurs cas d’usage que celles qui savent construire des architectures robustes, superviser l’autonomie, sécuriser les échanges, gérer le contexte et maintenir leurs systèmes dans le temps. Il ne s’agit plus seulement d’adopter l’IA. Il s’agit d’apprendre à l’opérer.

L’IA devient un système d’entreprise

Ce que révèle eMerge Americas 2026, au fond, c’est l’entrée de l’IA dans un nouvel âge. Après l’âge de la découverte vient celui de l’exploitation. Après l’âge des modèles vient celui des systèmes. Après l’âge des promesses vient celui de la responsabilité.

Les entreprises qui prendront l’avantage ne seront pas nécessairement celles qui disposeront du modèle le plus puissant. Ce seront celles qui sauront concevoir, contrôler et faire évoluer des systèmes d’intelligence dans la durée. La question stratégique n’est donc plus : que peut faire l’IA ? Elle devient beaucoup plus exigeante : sommes-nous capables de la faire fonctionner, de la sécuriser et d’en assumer les effets dans le réel ? Et surtout, sommes-nous prêts à en porter la responsabilité ?