← Accueil actu | Salle du marché

Le classement Grandes Baleines 2026 primera les « meilleures mises en œuvre réelles » : fin des comparaisons de paramètres, place au terrain

2026-11-03 · Source:虎嗅·中继

Le classement Grandes Baleines 2026 primera les « meilleures mises en œuvre réelles » : fin des comparaisons de paramètres, place au terrain

Le think tank Huxiu a visité les sites de McDonald's, Cotti, Dingdong et d'autres : l'évaluation de l'IA en entreprise passe du récit de capacités à la vérification des résultats

Les critères d'évaluation de l'IA industrielle sont en pleine mutation. Le classement Grandes Baleines 2026 de Huxiu rebaptise le prix « Meilleure entreprise de mise en œuvre », inchangé depuis longtemps, en « Meilleur cas de mise en œuvre », avec une philosophie assumée : pas de comparaison de paramètres, vérification des résultats ; pas d'évaluation du bruit médiatique, uniquement du terrain. La question des entreprises n'est plus « que peut faire l'IA », mais « qu'a-t-elle réellement changé pour l'activité ».

Au cours de l'année écoulée, le think tank Huxiu s'est rendu sur de nombreux sites d'activité réels : observation d'un agent de service client en situation réelle au siège de McDonald's, analyse avec Tongyi de la logique d'inspection des magasins par IA chez Cotti Coffee, retour d'expérience sur le tri par IA dans les entrepôts de proximité de Dingdong Maicai, sans oublier le suivi continu du salon de diffusion en direct de Jiaogepengyou, des magasins transformés Wumei ainsi que de la coopération entre NetEase Cloud Commerce et le groupe I.T. Plus on s'enfonce dans la réalité opérationnelle, plus il manque au secteur des preuves de « ce qui a réellement été accompli ».

Ce changement de critère est la conséquence inévitable du passage du marché mondial de la puissance de calcul IA et des applications, d'une logique narrative à une rationalisation des achats. Ces deux dernières années, les budgets IA des entreprises ont surtout suivi la « course aux paramètres » : fenêtres de contexte plus longues pour les modèles, classements de référence plus élevés en raisonnement, clusters de calcul plus vastes, les décisions d'achat s'articulant autour des conférences de presse des fournisseurs. Mais lorsque la contrainte budgétaire se resserre et que les DAF commencent à exiger le ROI, les donneurs d'ordre veulent désormais d'autres indicateurs : l'agent de service client remplace-t-il réellement des heures de travail humain, l'IA d'inspection des magasins réduit-elle le taux de pertes, le modèle de tri diminue-t-il les coûts d'exécution des entrepôts de proximité ? En passant des « entreprises » aux « cas », le classement dit en substance à tous les fournisseurs d'IA : les clients ne paient plus vos capacités, ils ne paient que vos résultats.

Les enquêtes de terrain ont révélé deux écarts criants. Premièrement, une marque de cosmétiques qui pratique l'IA depuis 2023 a déployé 735 applications en deux ans et réduit ses coûts marketing d'un facteur trois à quatre ; mais lors du bilan de fin 2025, le dirigeant comme les équipes métier « n'ont rien ressenti », et la valeur du projet a été purement et simplement invalidée. Lors d'une réunion à huis clos en juin consacrée aux agents d'IA pour la distribution et la consommation, ce retour d'expérience a fait lever la tête de plusieurs DSI donneurs d'ordre : des centaines de petites fonctionnalités IA dispersées ne sont que des outils de confort individuel, sans transformation réelle à l'échelle de l'entreprise. Le second écart vient de l'industrie : lors d'une réunion à huis clos mi-année sur les chaînes d'approvisionnement manufacturières, la provenance des données, la garantie de sécurité et l'intégration dans les processus métier fondamentaux se sont révélées des difficultés communes ; le fossé est trop profond entre les grands modèles des fournisseurs et les systèmes internes des clients, et la comparaison croisée de plusieurs cas aboutit à une conclusion quasi identique : « le périphérique est en effervescence, les lignes de production restent froides ».

Ces deux écarts constituent aussi un avertissement pour les acheteurs de puissance de calcul IA. Pour les donneurs d'ordre du secteur de la consommation et de la distribution, la leçon des 735 applications montre que l'achat de calcul doit servir la refonte des processus métier, et non l'empilement d'outils départementaux ; les petits modèles et petits déploiements dispersés semblent limiter les risques et diluer l'investissement, mais ils peinent à produire des améliorations opérationnelles vérifiables et finissent par être rejetés en bloc lors du bilan annuel. Pour les donneurs d'ordre industriels, « un périphérique en effervescence, des lignes de production froides » signifie que la due diligence avant tout investissement en calcul doit aller jusqu'au côté OT : architecture de sécurité des données pour le déploiement privé, coût d'interopérabilité avec les systèmes MES/ERP, capacité de la latence d'inférence à satisfaire la cadence des lignes — autant d'éléments qui décident du succès ou de l'échec bien plus qu'un simple devis de calcul générique. En matière d'achat, il est conseillé aux acheteurs d'inscrire des « clauses de valeur vérifiable » dans les contrats — taux d'erreur du contrôle qualité, économies d'optimisation énergétique, réduction des coûts d'exécution et autres KPI métier servant de base à la réception et aux paiements échelonnés —, de déplacer l'évaluation de la fiche de paramètres des fournisseurs vers les tests en conditions réelles en POC, et de privilégier les enquêtes de terrain indépendantes et les retours d'expérience en huis clos entre pairs plutôt que les auto-attestations des fabricants.

L'édition de cette année est donc scindée en trois « terrains ». Le terrain bureautique se concentre sur les agents IA qui restructurent les opérations d'entreprise, faisant passer l'IA d'outil utilisé à collaborateur numérique assumant des responsabilités, couvrant la finance, les ressources humaines, la conformité juridique, le ChatBI, etc. Le terrain de production exige que l'IA passe de la recommandation à la livraison de résultats, en répondant directement de la qualité, de l'efficacité et des coûts : grands modèles industriels, contrôle qualité par IA, ordonnancement de la production et de l'énergie, maintenance prédictive, etc. Le terrain de croissance recherche quant à lui des cas passant de la génération de contenu ponctuelle à une boucle agentique « insight — production — diffusion — attribution — optimisation ». Selon le think tank Huxiu, les trois terrains disposent déjà d'échantillons réels, mais il reste à trouver des réponses où l'IA devient véritablement partie intégrante des processus métier et crée une valeur vérifiable.

【Données réelles du marché】

Il convient de préciser que les conditions réelles du marché de la puissance de calcul pour les environnements de déploiement concernés par le classement entrent également dans le champ de vision des acheteurs. Toutefois, selon la vérification du canal de cotations du système : aucune donnée de prix en vente n'est actuellement disponible pour ce modèle.

Pour les acheteurs, « l'absence de prix en vente » est en soi un signal : lorsqu'un type de matériel ou de solution manque de point de référence public et comparable, la dispersion des devis est énorme ; il faut alors revenir à la logique de validation par cas, en utilisant comme référence pour la négociation et la réception des projets de mise en œuvre similaires déjà vérifiés par des tiers sur le terrain, afin d'éviter de payer un supplément narratif dans une situation d'asymétrie d'information.

De « Meilleure entreprise de mise en œuvre » à « Meilleur cas de mise en œuvre », un simple changement de mot trace la prochaine ligne de partage de l'IA en entreprise : ceux qui savent raconter des histoires continueront d'exister, mais seuls ceux qui livrent des résultats vérifiables obtiendront les budgets 2026.

Q : Quel a été le résultat final du projet IA de la marque de cosmétiques ?

A : La marque pratique l'IA depuis 2023, avec 735 applications déployées en deux ans et des coûts marketing réduits d'un facteur trois à quatre ; mais comme le dirigeant et les équipes métier « n'ont rien ressenti », la valeur du projet a été invalidée fin 2025.

Q : Quels sont les trois terrains retenus pour le classement Grandes Baleines 2026 ?

A : Le terrain bureautique, le terrain de production et le terrain de croissance, consacrés respectivement à la restructuration des opérations par les agents IA, à la responsabilité directe de l'IA sur la qualité, l'efficacité et les coûts, et à la boucle agentique « insight — production — diffusion — attribution — optimisation ».

Mots-clés: AI Agent · Enterprise AI · McDonald's · Tongyi · Cotti Coffee · Dingdong Maicai


À lire aussi


萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle