Ce qui s’est passé

Fin juin et début juillet 2026, en l’espace de 72 heures, les deux plus grands fournisseurs cloud pour l’entreprise ont engagé des milliards de dollars sur la même idée : placer leurs propres ingénieurs chez les clients pour construire et faire tourner des systèmes d’IA. Le 30 juin, AWS a annoncé une nouvelle organisation, Forward Deployed Engineering (FDE), dotée d’un investissement de 1 milliard de dollars. Son objectif : intégrer des milliers d’experts aux côtés des clients pour co-développer et déployer de l’IA agentique. Le 2 juillet, Judson Althoff, CEO de l’activité commerciale de Microsoft, a présenté Frontier Company. Cette nouvelle unité opérationnelle dispose de 2,5 milliards de dollars et d’environ 6 000 ingénieurs. Rodrigo Kede Lima, ancien président de Microsoft Asie, la dirige.

Les deux organisations suivent un modèle dont l’origine est claire. Palantir a popularisé le modèle de l’ingénieur « forward deployed » après le lancement de son Artificial Intelligence Platform début 2023. L’éditeur associait son logiciel à des ingénieurs intégrés chez le client, et il est ainsi passé du statut de prestataire tourné vers le secteur public à celui d’acteur commercial de poids. Anthropic et OpenAI ont lancé des équipes comparables plus tôt en 2026. En mai, OpenAI a aussi créé une Deployment Company, dont il détient la majorité, avec plus de 4 milliards de dollars de capitaux engagés. Les hyperscalers arrivent donc les derniers sur ce terrain, mais ce sont les plus gros en capitaux engagés. Les observateurs du secteur commencent à parler de « guerre du déploiement » de l’IA en entreprise.

Ces investissements reposent sur un même constat d’échec, précis et bien documenté. Selon le Project NANDA du MIT, 95 % des projets pilotes d’IA générative en entreprise n’ont aucun impact mesurable sur le compte de résultat. AWS et Microsoft ne se contentent plus de vendre un accès aux modèles en espérant que les clients comblent seuls cet écart. Ils prennent directement en charge le risque de mise en œuvre : ils envoient des ingénieurs chez les clients pour livrer des systèmes en production.

Pourquoi c’est important pour les praticiens

Les fournisseurs ne vendent plus des capacités : ils livrent des résultats. Ce changement transforme la concurrence dans l’IA d’entreprise. Il a des conséquences directes pour les équipes de competitive intelligence et de planification go-to-market.

1. La bataille se joue sur la mise en œuvre, pas sur la qualité des modèles. Tous les grands fournisseurs ont accès aux modèles de pointe. La différence se fait donc sur la vitesse de mise en production dans une vraie entreprise. AWS présente explicitement son modèle FDE comme « agentic-first ». Il ramène les délais de déploiement de plusieurs mois à quelques jours. Les premières équipes comptent cinq ou six ingénieurs par client, qui travaillent aux côtés d’agents IA. Pour les équipes CI, la conséquence est nette : les signaux produit publics montrent de moins en moins la vraie capacité IA d’un concurrent. Cette capacité réside dans des systèmes sur mesure, intégrés chez le client, et non dans une offre catalogue que l’on peut suivre.

2. Le forward-deployed engineering réécrit le go-to-market en entreprise. Le modèle FDE efface la frontière classique entre vente, services professionnels et produit. Le cycle de vente ne s’arrête plus à la signature du contrat. Les fournisseurs gagnent désormais en s’installant chez le client pendant 8 à 16 semaines et en livrant dès le premier jour. Toute stratégie go-to-market face à ces acteurs doit en tenir compte. Les ingénieurs du fournisseur sont déjà dans le compte. Ils font remonter des fonctionnalités réutilisables vers le produit principal. Ils augmentent le coût de sortie avant même qu’un concurrent soit consulté.

3. Les cabinets de conseil et les intégrateurs perdent leur rôle d’intermédiaire. AWS et Microsoft présentent tous deux le travail FDE comme différent du conseil traditionnel. Ils ne se contentent pas d’évaluer, de recommander puis de partir. Ils construisent sur le long terme et laissent des clients autonomes, avec des compétences et des processus IA durables. Ce positionnement met sous pression les intégrateurs et les cabinets de conseil en management. Leur chiffre d’affaires dépend justement du fossé de mise en œuvre que les hyperscalers comblent désormais en interne.

4. Le déploiement agentique s’accélère chez les comptes que vous surveillez. Les équipes qui cherchent à automatiser la competitive intelligence doivent traiter les missions FDE comme un indicateur avancé. Quand AWS ou Microsoft installe une équipe chez un grand concurrent, les systèmes agentiques arrivent en production plus vite que le cycle habituel d’achat et d’intégration ne le laisse prévoir.

Détails clés

Annonce d’AWS : 30 juin 2026 : organisation Forward Deployed Engineering dotée de 1 milliard de dollars
Modèle d’AWS : équipes « agentic-first » d’environ 5 à 6 ingénieurs par client, qui travaillent aux côtés d’agents IA ; délais ramenés de plusieurs mois à quelques jours
Premiers clients d’AWS : Allen Institute, Cox Automotive, la NBA, la NFL, Ricoh, Southwest Airlines
Annonce de Microsoft : 2 juillet 2026 : Frontier Company, 2,5 milliards de dollars et environ 6 000 ingénieurs
Direction chez Microsoft : Judson Althoff (CEO de l’activité commerciale) ; unité dirigée par Rodrigo Kede Lima
Précédents : Palantir (2023), OpenAI Deployment Company (plus de 4 milliards de dollars, mai 2026), équipes FDE d’Anthropic et d’OpenAI (2026)
Donnée déclencheuse : selon le Project NANDA du MIT, 95 % des projets pilotes d’IA générative en entreprise n’ont aucun impact mesurable sur le compte de résultat
Caractéristique structurelle : le client conserve les systèmes, les compétences et les processus après la fin de la mission, à l’inverse du conseil traditionnel au projet

Implications pour le marché

Le signal le plus important ici concerne la direction du marché : l’IA d’entreprise considère désormais la mise en œuvre comme la ressource rare. De 2023 à 2025, l’avantage défendable supposé reposait sur la performance des modèles et la puissance de calcul. La vague d’engagements FDE de 2026 atteint environ 8 milliards de dollars de capitaux annoncés, pour OpenAI, AWS et Microsoft seuls. Elle traduit un consensus : le goulot d’étranglement se situe désormais sur le dernier kilomètre, à l’intérieur de l’entreprise. Au premier trimestre 2026, Palantir a publié une croissance de 85 % de son chiffre d’affaires et de 133 % de son activité commerciale aux États-Unis. Ces résultats prouvent au marché que le modèle intégré passe à l’échelle sur le plan financier, et pas seulement sur le plan opérationnel.

Pour les éditeurs des catégories voisines (competitive intelligence, revenue intelligence, études de marché et sales enablement), cela a deux conséquences. D’abord, les équipes FDE des hyperscalers vont construire de plus en plus de systèmes sur mesure d’intelligence et de workflow. Ces systèmes concurrencent les SaaS standard dans les plus grands comptes. Une plateforme de CI ou d’études de marché, autrefois achetée comme outil autonome, peut désormais être assemblée par une équipe d’ingénieurs intégrée, à partir de briques cloud natives. Ensuite, le niveau d’exigence pour un logiciel d’entreprise « AI-native » vient de monter. Un acheteur qui a vu une équipe FDE livrer un système agentique fonctionnel en quelques jours attendra la même chose de chaque fournisseur. Si vous suivez les signaux de veille marché dans ce secteur, regardez ce que les équipes FDE des hyperscalers choisissent de construire et ce qu’elles choisissent d’acheter. Ces décisions vont redessiner les terrains où les éditeurs indépendants peuvent encore gagner.

Pour les hyperscalers, le risque inverse tient à la concentration et au coût. Intégrer des milliers d’ingénieurs coûteux relève du métier de services, avec des marges de services. Le modèle n’est rentable que si le cercle vertueux des fonctionnalités réutilisables se concrétise à grande échelle : le travail FDE doit alimenter des capacités produit durables. C’est l’indicateur à suivre au cours des prochains trimestres.

Ressources associées

Competitive Intelligence : comment les programmes de CI s’adaptent quand les capacités IA des concurrents passent dans des systèmes intégrés et non publics
Stratégie go-to-market : un cadre pour comprendre comment le forward-deployed engineering change la distribution de l’IA d’entreprise
Comment automatiser la competitive intelligence : guide pratique pour les équipes CI qui suivent le déploiement agentique dans leurs comptes cibles
Veille marché : lire les signaux « construire ou acheter » des fournisseurs, alors que la guerre du déploiement redessine les budgets IA des entreprises