2025 a été une année dense pour l’IA générative. Beaucoup d’annonces, beaucoup de promesses… mais surtout quelques vrais changements de paradigme qui ont discrètement déplacé le terrain de jeu. On n’a pas juste eu de meilleurs modèles : on a changé la manière de travailler avec eux.
Ce qui m’a marqué, c’est ce contraste permanent : l’IA est, en même temps, bien plus intelligente que ce que j’attendais… et bien plus bête sur des tâches simples.
Vous l’avez sûrement vécu : un résultat bluffant à 9h, puis une erreur absurde à 9h05. Et malgré ces bizarreries, c’est déjà extrêmement utile, et de plus en plus d’équipes voient des gains concrets en temps et en qualité.
Dans cette édition, je vous propose un format simple : les 5 bascules de 2025, puis mes 7 prédictions pour 2026, et une checklist de janvier pour prendre de l’avance.
TLDR : 2025 a confirmé une IA très utile mais encore irrégulière. En 2026, la différence se fera sur le passage à l’usage réel (déploiement, fiabilité, ROI).
Si on passe 2025 en revue
Voici les 5 bascules que je retiens de 2025, celles qui changent vraiment la façon dont on utilise l’IA au travail (et qui expliquent pourquoi 2026 risque d’être encore plus intéressant).
1️⃣ Pas de signe de ralentissement + l’année du raisonnement
On a passé l’année à se dire “ok, là ça va se calmer”… et puis non. Tous les 2–3 mois, un cap saute : plus de qualité, plus de vitesse, plus d’options, plus d’usages. Résultat : si vous avez l’impression d’être en retard, c’est normal, la barre bouge en permanence.
Mais attention au piège des benchmarks, qui sont de plus en plus critiqués.
Pourquoi ? Parce qu’ils deviennent hackables : on peut optimiser un modèle pour scorer très haut… sans que ça se traduise en fiabilité dans nos cas réels (docs internes, exceptions métier, consignes longues, contraintes de conformité). Bref, le leaderboard peut rassurer, mais il ne dit pas si ça marche dans la vraie vie.
Et 2025 a surtout été l’année du raisonnement. Le tournant, c’est l’émergence du raisonnement explicite avec des modèles “reasoned”, et un signal fort type DeepSeek R1 : on a vu une bascule vers du reinforcement learning avec récompenses qu’on peut valider (RLVR), plutôt que du RLHF “classique” (où l’humain juge la sortie). Conséquence → le levier clé n’est plus seulement “plus de paramètres”, mais mieux entraîner après le pré-entraînement (post-training), avec des objectifs mesurables.
Autre point qui a surpris pas mal de monde : le coût d’entraînement pour obtenir ces comportements de raisonnement est plus bas que prévu, et derrière, tous les grands labos ont sorti des variantes orientées raisonnement.
C’est ça, le vrai signal 2025 : on a appris à rendre les modèles plus “utiles au travail” non pas juste en les grossissant, mais en les entraînant plus intelligemment sur la fin.
2️⃣ Irrégularité + déploiement : le paradoxe (et le ROI quand même)
Le vrai frein en entreprise, ce n’est pas l’intelligence de l’IA… c’est son irrégularité. Elle peut être brillante, puis se tromper sur un détail basique, donc vous perdez un peu de certitude, et ça force à cadrer (validation, sources, étapes, règles). Et pourtant, malgré ça, on est déjà au début des déploiements “sérieux” et les retours ROI commencent à tomber : du temps gagné, une meilleure qualité sur les premières versions, moins de charge mentale sur le répétitif.
Le twist, c’est que cet effet de levier devrait s’amplifier avec la prochaine vague : les agents IA, capables d’enchaîner plusieurs étapes (chercher, décider, exécuter, vérifier) et donc de maximiser le ROI là où l’IA (en mode conversationnel) ou les workflows d’automatisations IA plus rigides plafonnent.
Effet de levier > certitude
3️⃣ La GenAI est devenue une industrie… et la question de la bulle revient
L’argent a clairement coulé à flot. Les géants de la tech ont mis des montants énormes dans les data centers et l’infrastructure : sur les 3 derniers mois, on parle d’un cumul proche des 100 milliards de dollars dépensés par seulement 4 entreprises.
Et la comparaison qui fait réfléchir, c’est celle des grandes vagues d’innovation historiques : à quel point ces dépenses (le CapEx) vont-elles grimper en % du PIB, jusqu’à frôler les pics des chemins de fer dans les années 1880 ?
Dans le même temps, on a vu des levées et des contrats géants (OpenAI, Claude/Anthropic, etc.), avec une ambition résumée sans détour : répondre à une demande “à des niveaux sans précédent”.
Et là où ça devient un peu inquiétant, c’est le côté “investissement circulaire” : OpenAI achète des puces Nvidia, Nvidia investit dans OpenAI, Oracle loue des puces Nvidia à OpenAI, OpenAI prend des participations chez AMD… Ça donne un marché très mousseux, où une seule mauvaise surprise (typiquement un mauvais trimestre côté Nvidia) pourrait déclencher une correction.
La situation résumée par un schéma de Bloomberg :
Même si la musique s’arrête quelques instants en 2026, ce ne serait pas forcément une catastrophe. Un peu d’air qui sort des voiles, c’est parfois sain. Mais avec des engagements annoncés qui se chiffrent jusqu’à 1 000 milliards de dollars pour certains acteurs, ça risque de bouger…
4️⃣ Le marché s’est rééquilibré… et les développeurs ont changé de métier
Fin 2025, le marché s’est équilibré : Google est clairement revenu dans la course (avec des progrès visibles sur Gemini et un mode build très convaincant dans Google AI Studio), Anthropic s’est imposé côté entreprise via l’API, et OpenAI reste ultra dominant côté grand public.
Dit autrement : on n’achète plus “un modèle”, on choisit un écosystème selon l’usage (pro, grand public, intégrations, etc.).
Et pour moi le signal le plus fort vient des devs. On a vu une explosion d’outils type Claude Code, Codex et Antigravity : l’IA n’est plus juste une page web où on colle du texte, c’est un assistant qui vit sur la machine (en ligne de commande), avec votre contexte, vos fichiers, vos habitudes.
Ça a un impact énorme sur les développeurs qui ne demandent plus du code, ils pilotent un mini-collègue qui enchaîne les étapes (comprendre, modifier, tester, corriger).
Ce qui est intéressant, c’est que cette vague a dépassé ce que beaucoup attendaient sur le papier : pas seulement des scores, mais un vrai changement de workflow.
5️⃣ Les revenus décollent et le marché du travail se “reconfigure” (surtout pour les juniors)
Le vrai basculement 2025, c’est le revenu des éditeurs de solutions IA. OpenAI a annoncé un run-rate annualisé à 10 Md$ dès juin 2025, puis ~12 Md$ fin juillet. Et côté Anthropic, la trajectoire est encore plus folle sur le segment entreprise : ~1 Md$ de run-rate début 2025, puis >5 Md$ en août 2025.
Résultat : les modèles deviennent des produits avec des lignes de revenus claires (abonnements + API), ce qui alimente encore plus d’investissement… et encore plus de compétition.
Les revenues des entreprises dans l’IA ont dépassé les revenues des SaaS.
Mais il y a un revers très concret : capital market vs labor market. D’un côté, des milliards continuent d’entrer. De l’autre, sur certaines fonctions, surtout les postes juniors, on voit une pression réelle : baisse de salaires/demande dans des entreprises exposées à l’IA (ex : -4,5% sur les salaires de départ, avec un impact plus fort sur les juniors).
Ici le graphique qui compare la courbe du S&P 500 avec les recrutements aux US.
Et plusieurs signaux publics vont dans le même sens : l’entrée de carrière devient plus dure, parce qu’une partie des tâches d’apprentissage (celles qu’on donnait aux juniors) est désormais automatisable.
Fin 2025 : Google revient fort… et le visuel explose
Sur la fin 2025, Google a remis un gros coup d’accélérateur. Entre Gemini 3 (et ses déclinaisons) et le mode Build de Google AI Studio, on sent une volonté simple : rendre l’IA plus produit, plus accessible, plus intégrée au quotidien, pas juste un modèle dans un labo.
Et surtout, on a vu une bascule d’usage : le texte n’est plus l’unique format roi. Avec Nano Banana (et Nano Banana Pro), Google pousse une IA qui génère/édite des images “nativement”, et ça a contribué à faire exploser les formats visuels : images, maquettes, infographies… et même des workflows vidéo de plus en plus simples. J’en parlais ici :
Génération d'images par IA : exemples concrets et conseils
Et pour mettre une pièce sur une tendance 2026 dès maintenant (on parle des prédictions juste après), Google a de grandes chances de distancer les autres.
Tout simplement parce qu’il joue sur tous les tableaux à la fois (modèles, produits, recherche, formats visuels, déploiement), quand les autres seront poussés à se spécialiser.
2026 : mes prédictions (celles qui vont vraiment compter)
Après une année 2025 très tech, 2026 ressemble plutôt à une année “usage + organisation”. Moins de débats sur le meilleur modèle, plus de questions très concrètes : qui automatise quoi, avec quel niveau de confiance, et quel ROI derrière ?
1️⃣ Les entreprises vont payer plus cher pour des agents IA que pour certains humains (sur des tâches ciblées)
Pas parce que l’IA est magique, mais parce qu’une fois que vous comptez recrutement, onboarding, management et turnover, un agent fiable peut coûter plus cher… et rester rentable.
2️⃣ Les agents vont travailler plus longtemps, sans supervision, jusqu’à tourner pendant plus de 24h.
On va passer de aide ponctuelle à workflows complets : préparation → exécution → vérification → rapport. Et là, l’effet de levier explose.
3️⃣ La mémoire devient une vraie feature… et ça ouvre des cas d’usage en cascade
Quand l’IA se souvient de vos préférences, vos contraintes, vos projets et votre contexte, vous arrêtez de “réexpliquer” à chaque fois = des assistants personnels/équipes beaucoup plus utiles
4️⃣ Le web bascule en “agent-first”
De plus en plus de décisions (achats, prestataires, comparaisons) seront préparées par des agents qui lisent 50 sources et synthétisent. Donc les docs, pages produit et contenus vont être écrits pour être compris par des robots… avant d’être jolis pour les humains.
5️⃣ Les bases de connaissances et la recherche dans vos contenus redeviennent centrales
Plus l’IA devient multimodale (texte + images + vidéos), plus il faut une architecture solide pour retrouver l’info interne rapidement. Les entreprises qui gagnent seront celles qui connectent proprement modèles ↔ données ↔ règles métier.
6️⃣ Les data centers vont continuer à avaler des budgets… avec des secousses possibles
L’infrastructure va rester le nerf de la guerre en 2026. Et comme on est dans une phase très “investissements massifs”, il suffit d’un changement de perception du risque pour que le marché tremble.
En vrac, d’autres prédictions qui sentent le changement d’époque
- Des micro-entreprises augmentées à l’IA : plus petites, plus nombreuses, plus niches, mais viables.
- Retour du web fermé (invitation, réputation, communautés) pour échapper au contenu généré en masse (et pollué par l’IA)
- Le support humain devient une option premium : parler à une vraie personne = plus rare, donc plus cher.
- Les apps deviennent jetables : on génère une mini-app, on l’utilise 72h, on passe à autre chose.
- Les SaaS horizontaux se font grignoter par des solutions métiers ultra spécialisées.
- Local / on-device revient fort dès qu’il y a un gros incident sécurité : “mes données ne sortent pas”
- Les métiers col-bleus deviennent des valeurs refuges : électriciens, plombiers, réparateurs de clim … leurs salaires montent pendant que l’automatisation accélère sur les tâches de bureau.
- Le web “historique” se fait archiver : l’internet d’avant 2023 devient un dataset ultra précieux, parce que c’est l’un des derniers grands réservoirs de contenus 100% humains.
- Le job se “décompose” : moins de CDI 40h, plus de missions au résultat, et de micro-business portés par l’IA.
- La thérapie bascule en AI-first : avant d’accéder à un humain, une partie des parcours passe d’abord par des protocoles guidés par IA (et beaucoup de gens préfèrent… parce que c’est dispo à 3h du matin et que ça ne juge personne).
