Pourquoi les hyperscalers descendent vers le résultat, et pourquoi le retour les attend là où ils ne contrôlent qu'un sous-ensemble des facteurs
Le 2 juillet 2026, Microsoft a annoncé Frontier Company : 2,5 milliards de dollars et environ six mille ingénieurs et spécialistes sectoriels déployés en immersion chez les clients pour concevoir, construire et opérer leurs systèmes d’IA. Une première lecture, plus immédiate, a traité l’annonce comme un déplacement de la paternité de la preuve de valeur. Cet article prend l’étage au-dessus. Il traite Frontier comme la première étude de cas observable d’un mouvement structurel : le glissement de la rente logicielle depuis la disponibilité d’un moyen vers le résultat lui-même. La thèse tient en une phrase. La valeur d’un système d’IA d’entreprise est multiplicative, un seul facteur ramené vers zéro effondre le produit, et le facteur qui se tient le plus souvent près de zéro, la capacité institutionnelle du client, est précisément celui qu’aucun fournisseur ne peut livrer de l’extérieur.
La cause est économique avant d’être stratégique. La couche qui détenait brièvement la rente, le modèle lui-même, se banalise : le Stanford AI Index situe le coût d’une requête au niveau GPT-3.5 sur MMLU aux environs de vingt dollars par million de tokens fin 2022, et à sept centimes fin 2024 ; Epoch AI mesure une chute des prix d’inférence proche de deux cents fois par an à capacité fixée. Quand l’invocation de l’intelligence s’effondre en prix, la rente doit quitter le modèle pour la couche qui ne se banalise pas : l’intégration, la gouvernance, le résultat propre du client. La convergence des fournisseurs en est la preuve, pas l’imitation : Amazon a engagé un milliard de dollars deux jours avant Frontier, Anthropic et OpenAI avaient monté leurs groupes en immersion dès mai. Le point que la plupart des analyses manquent siège du côté de la demande. Le client accepte le transfert de responsabilité parce qu’il est lui-même en détresse : compétences en IA devenues la catégorie de poste la plus difficile à pourvoir selon ManpowerGroup (soixante-douze pour cent des employeurs, la France en tête à soixante-quatorze), impact EBIT rare malgré une adoption large selon McKinsey, part organisationnelle du succès estimée à soixante-dix pour cent par BCG, et une masse de données non structurées qui croît plus vite que la capacité à la gouverner. Deux détresses se rencontrent. Aucune n’est une position de force.
La lecture tentante veut que Microsoft agisse du mauvais côté d’un goulot d’étranglement unique. Elle est fausse pour une raison précise : l’objet correct n’est pas une contrainte mais une fonction de production. La forme juste n’est pas le Leontief à proportions fixes, trop rigide, mais la théorie du joint torique que Michael Kremer a formalisée (Quarterly Journal of Economics, 1993) : la production est le produit des qualités des tâches, une substitution limitée reste possible, et pourtant la tâche la plus faible domine le résultat. Paul Milgrom et John Roberts en ont donné la contrepartie organisationnelle : élever une activité ne rend que si ses compléments montent en même temps. La conséquence est immédiate. Microsoft peut relever l’infrastructure et une partie du facteur compétences en plaçant des ingénieurs capables sur site ; il ne contrôle ni la gouvernance, ni l’adoption, ni l’arbitrage des incitations internes, et aucune quantité d’ingénierie externe ne relève un facteur que le fournisseur n’a pas la légitimité de toucher. C’est pourquoi le constat désormais célèbre du MIT NANDA, quatre-vingt-quinze pour cent des pilotes d’IA générative sans impact mesurable sur le compte de résultat, ne se lit pas comme une déficience des modèles mais comme la signature statistique d’un effondrement multiplicatif : les modèles fonctionnent dans la démonstration, le produit échoue dans l’entreprise parce qu’au moins un facteur détenu par le client est proche de zéro.
La friction de la responsabilité au résultat a une source ontologique, et elle s’éclaire dès qu’on sépare quatre classes de ressources plutôt que deux. Un actif est une chose transférable, finançable, livrable : Azure, Copilot, un pipeline de récupération, un agent. Une compétence est la maîtrise localisée pour opérer cet actif ; elle peut être étayée de l’extérieur pour un temps. Une capacité est l’état institutionnalisé plus large, endogène à l’entreprise, cumulatif sur des années, non transférable par contrat. Une institution est la couche qui distribue les droits de décision et fabrique la confiance de base. Un fournisseur peut vendre un actif et louer brièvement une compétence ; il ne peut vendre ni capacité ni institution, pour la même raison qu’une salle de sport ne vend pas la forme physique. Elle vend l’accès aux équipements et la présence d’un coach ; la forme est ce que le membre construit une fois le coach reparti. Tel est le paradoxe au centre de la proposition : Frontier déploie un actif et facture l’institution d’une capacité qu’il ne peut lui-même instituer. La cadence le rend concret. Les engagements sont décrits comme des sprints de quarante-cinq jours menés par cinq ou six personnes, rythme calibré pour l’écart démonstration-déploiement des workflows peu régulés ; mais les clients vitrines, Novo Nordisk, le London Stock Exchange Group, opèrent dans des terrains où la qualification, le contrôle du changement et les pistes d’audit ne se compriment pas à quarante-cinq jours. Une compétence qui ne dure que tant que le fournisseur reste n’est pas une compétence. C’est une dépendance.
Une plateforme de confiance expose des contrôles, et un contrôle ne vaut que par le rôle humain qui l’opère de l’autre côté. Cinq formes de responsabilité doivent exister côté client, et elles forment une hiérarchie plutôt qu’une liste : un Intendant de la donnée répond de la vérité et de la traçabilité des sources, un Intendant de la connaissance de l’actualité du corpus, un Intendant de l’IA de la dérive, de la frontière du refus et du coût d’inférence, un Propriétaire du processus de la responsabilité opérationnelle et légale du workflow. Les couronnant, le Propriétaire de la décision gouverne le seuil du raisonnement automatisé : quelle confiance suffit pour agir, quand replacer un humain dans la boucle, comment peser le coût d’une erreur contre la vélocité de l’autonomie. Le premier est parfois pourvu ; le dernier n’est presque nulle part formalisé, ce qui revient à dire que le contrôle le plus conséquent de la plateforme se connecte, côté client, à personne. Le récit causal s’inverse alors : l’intendant absent n’est pas la cause de l’échec, il en est le symptôme d’une capacité manquante. Et la question de la mesure se durcit. La plainte selon laquelle Microsoft mesure son propre retour est vraie mais superficielle ; le fait conséquent est que le fournisseur définit progressivement l’instrument, les métriques, les observables, les traces. Corriger sa propre copie est embarrassant ; concevoir la grille que tous les autres utiliseront est un pouvoir structurel, et c’est le plus discret des deux.
Une grille qui ne peut être réfutée ne vaut pas la peine d’être publiée. Deux futurs mettent la thèse à l’épreuve. Le premier est la capacité comme service : une part du marché peut décliner de s’institutionnaliser et louer sa production cognitive à demeure, convertissant le déficit de responsabilité en abonnement permanent ; si le marché s’y stabilise, Frontier n’est pas en excès, il est en avance. Le second est l’usine à IA interne : Gartner projette qu’environ quatre-vingts pour cent des grandes équipes finance feront tourner d’ici 2026 des plateformes d’IA générative gérées en interne, et le centre d’excellence est devenu la réponse par défaut au passage à l’échelle. L’ironie siège dans le matériau même de Microsoft, dont le Cloud Adoption Framework enjoint de bâtir un centre d’excellence interne pendant que Frontier propose d’être ce centre à la place du client. Le règlement probable est un partage par maturité : l’entreprise mature rapatrie la compétence, l’entreprise immature glisse vers la location permanente. La fenêtre de falsification est de douze à dix-huit mois, selon deux vecteurs : l’autonomie, si les structures de responsabilité survivent au retrait des ingénieurs, et l’institutionnalisation, si la capacité comme service se révèle tenable indéfiniment sans maturité interne. La grille généralise à Amazon Web Services, Google Cloud, Oracle et Salesforce, car aucun ne contrôle plus qu’un sous-ensemble des facteurs. La difficulté qu’ils rencontreront tous là-bas n’est pas d’ingénierie. Le résultat ne se déploie pas. Il s’institue.
Notes doctrinales et explorations sur l’IA en systèmes régulés. Une à deux fois par mois. Désabonnement en un clic.