Le 4 mai 2026, Anthropic a annoncé la création d'une nouvelle société de services IA avec Blackstone, Hellman & Friedman et Goldman Sachs. L'objectif affiché est d'aider des entreprises de taille moyenne à intégrer Claude dans leurs opérations réelles. À première vue, on pourrait y voir une annonce de plus dans la grande lessive IA : un modèle, un partenariat prestigieux, quelques grands noms de la finance et une promesse d'efficacité. Mais le signal intéressant est ailleurs. Si une entreprise comme Anthropic, qui vend déjà un des meilleurs modèles du marché, crée une structure de services autour de son propre produit, c'est que le modèle seul ne suffit plus.
Depuis deux ans, beaucoup d'entreprises regardent l'IA comme un produit à acheter. Un abonnement. Une fenêtre de chat. Une démo qui impressionne en comité de direction. Ce regard est compréhensible, parce que les outils sont spectaculaires et parce qu'ils donnent vite l'impression que la transformation est à portée de carte bancaire. Pourtant une entreprise ne fonctionne pas dans une démo. Elle fonctionne avec des processus incomplets, des fichiers dispersés, des validations implicites, des habitudes orales, des exceptions, des droits d'accès, des outils hérités et des gens qui savent des choses que personne n'a jamais documentées. C'est précisément là que l'annonce devient intéressante pour les PME.
Le signal du 4 mai
Anthropic ne dit pas seulement : voici Claude, débrouillez-vous. L'annonce explique qu'une équipe devra travailler avec les clients pour comprendre où Claude peut avoir le plus d'impact, construire des solutions sur mesure et accompagner les clients dans la durée. Blackstone présente de son côté une société qui doit aider à faire entrer Claude dans les opérations centrales des entreprises, avec des ressources d'ingénierie Anthropic directement intégrées à l'équipe. Dit autrement, le marché commence à admettre que l'enjeu n'est pas seulement de choisir un modèle. L'enjeu est de savoir où le brancher, comment le contrôler, et comment éviter qu'il n'accélère un processus déjà fragile.
Cette nuance change presque tout. Une PME peut déjà ouvrir ChatGPT, Claude, Gemini ou Copilot. Elle peut aussi lancer n8n, connecter un CRM, créer quelques automatisations et avoir l'impression d'être entrée dans le futur. Le problème commence après : qui valide la sortie ? Quelle donnée sert de source de vérité ? Qui a le droit de déclencher l'action ? Où se trouve la trace ? Que se passe-t-il si l'agent écrit au mauvais client, modifie le mauvais fichier ou envoie une réponse trop confiante à partir d'une information obsolète ? Là, on quitte le marketing. On entre dans l'exploitation.
Dans beaucoup de PME, l'exploitation tient encore sur des choses très humaines. On demande à Sophie, on regarde dans l'ancien dossier, on sait que le client X est spécial, on contourne un outil trop lent, on corrige à la main ce qui n'a jamais été formalisé. Ce n'est pas forcément un défaut. C'est souvent ce qui permet à une petite structure de rester souple. Mais un agent IA ne comprend pas ces implicites par magie. Il les rencontre comme des zones floues. Et quand il agit dans une zone floue, il peut donner une impression de maîtrise tout en amplifiant le désordre.
Les démos mentent un peu
Je ne dis pas que les démos sont inutiles. Elles permettent de comprendre un potentiel, de débloquer une intuition, de faire sentir à une équipe ce qui devient possible. Mais une démo IA est presque toujours plus propre que la réalité. Le contexte est préparé, les données sont choisies, le cas est cadré, la sortie attendue reste relativement simple. Une PME réelle, elle, travaille avec des pièces jointes mal nommées, des PDF scannés, des champs CRM incomplets, des notes prises dans le mauvais outil et des versions concurrentes du même fichier.
Voilà pourquoi l'IA en entreprise est moins un problème de prompt qu'un problème de système. Le prompt est visible, donc il attire l'attention. Le système, lui, est moins séduisant : inventaire des sources, droits d'accès, validation, reprise humaine, logs, métriques, gestion des erreurs. C'est beaucoup moins vendeur qu'un agent qui répond en cinq secondes. C'est pourtant ce qui détermine si l'automatisation tient plus de trois jours sans produire de mauvaises surprises.
Quel est le déclencheur exact ? Quelle donnée est utilisée ? Où est la source de vérité ? Quelle sortie est attendue ? Qui valide ? Quelle erreur est acceptable ? Quelle erreur est bloquante ? Où sont les logs ? Comment revient-on en arrière ? Quelle métrique prouve que cela fonctionne ?
Si une entreprise ne sait pas répondre à ces questions, elle peut quand même faire une démonstration. Mais elle n'est pas prête pour un agent en production.
Le cas legeek.tech, à petite échelle
Je l'ai vécu cette semaine sur mon propre pipeline éditorial. Claude Code est très fort sur certaines choses : mémoire longue, continuité de voix, historique du projet, routines déjà en place. Codex est très fort sur d'autres : structurer des fichiers, écrire des gates, contrôler des livrables, tenir une base SQLite, produire des dashboards, vérifier que les promesses deviennent des contraintes exécutables. La tentation naturelle était de choisir un camp, comme si OpenAI et Anthropic devaient forcément s'exclure dans mon usage quotidien.
En pratique, ce n'est pas comme ça que le travail avance. Le travail avance quand on définit les passages entre les outils : un dossier de collaboration, des messages Markdown, des rôles clairs, une base de données, des scripts, des quality gates et des livrables que l'on peut vérifier. Autrement dit, l'IA devient utile quand elle entre dans un système de travail. Pas quand on lui demande d'être magique. C'est une leçon minuscule à l'échelle de mon site, mais elle ressemble beaucoup à ce que l'annonce Anthropic raconte à l'échelle du marché.
Les PME ont un avantage évident dans ce contexte. Elles sont plus rapides que les grands groupes. Elles ont moins de comités, moins de couches politiques, moins de procédures figées. Une bonne idée peut passer du patron à l'équipe en une matinée. Mais elles ont aussi une faiblesse : une partie importante de leur intelligence opérationnelle est tacite. Elle vit dans les habitudes, dans les personnes, dans les raccourcis, dans les exceptions que tout le monde connaît sauf le système.
Brancher un agent IA là-dessus sans documentation n'est pas forcément dangereux au sens dramatique du terme. Le risque le plus probable est beaucoup plus banal : perte de temps, doublons, clients mal traités, automatisations qui tournent dans le vide, décisions prises sur des données incomplètes. Ce n'est pas spectaculaire. Mais c'est exactement comme cela qu'un projet IA se dégrade. Il ne s'effondre pas toujours. Parfois il s'use, il déçoit, puis il devient un outil de plus que personne n'ose vraiment arrêter.
Ce que cette annonce dit du marché
Le signal Anthropic, Blackstone, Hellman & Friedman et Goldman Sachs n'est donc pas seulement financier. Il dit que la prochaine bataille de l'IA sera probablement moins visible que la bataille des modèles. Elle se jouera dans l'intégration, dans les opérations, dans la capacité à transformer un métier sans le casser. Elle se jouera aussi dans la capacité à savoir ce qu'il faut automatiser, ce qu'il faut laisser humain, ce qu'il faut mesurer et ce qu'il faut bloquer.
Pour une PME suisse, la question n'est donc plus seulement : est-ce qu'on doit utiliser l'IA ? Cette question est déjà presque dépassée. La vraie question devient : est-ce que notre manière de travailler est assez claire pour qu'une IA puisse y entrer sans mettre le bazar ? C'est moins glamour, mais beaucoup plus utile. Une entreprise qui documente ses processus, ses sources de vérité et ses règles de validation se prépare au terrain IA, avec ou sans consultant IA pour PME en Suisse romande.
Je crois que beaucoup d'entreprises vont se tromper de chantier. Elles vont chercher le meilleur modèle, comparer les abonnements, demander quel agent choisir, puis s'étonner que la productivité promise ne se matérialise pas. Le premier chantier est plus simple à formuler et plus pénible à faire : documenter ce qui existe. Si le processus est flou pour les humains, il sera dangereux pour l'IA. Si la donnée est sale, l'agent travaillera sur du sable. Si personne ne valide, l'automatisation deviendra une loterie. Si rien n'est mesuré, personne ne saura si cela marche.
L'annonce Anthropic est importante. Pas parce qu'elle promet une nouvelle couche de magie. Parce qu'elle rappelle l'inverse : l'IA sérieuse commence quand on arrête de croire à la magie.