Red Hat a bâti une entreprise évaluée à 34 milliards de dollars grâce à Linux. IBM l’a rachetée. Cette transaction a confirmé une hypothèse qui tenait depuis quatre décennies : les entreprises tirant une valeur considérable d’un code partagé continueraient, dans leur propre intérêt, à financer les projets dont elles dépendaient. Cette hypothèse est aujourd’hui remise en question. Non pas parce que quelqu’un a décidé de cesser de financer l’open source, mais parce que le secteur qui le finançait le plus — le SaaS — est en train d’être démantelé par celui qui en dépend le plus — l’IA.

Dans un article précédent, j'ai montré comment huit équipes de recherche indépendantes sont parvenues à la même conclusion : plutôt que de concevoir des systèmes de mémoire autour du modèle, il faut entraîner le modèle lui-même à gérer la mémoire comme une compétence acquise. L'entraînement post-mémoire — qui consiste à recourir à l'apprentissage par renforcement après la phase d'entraînement — permet d'obtenir des agents capables de décider quoi stocker, supprimer, consolider et récupérer, le tout optimisé en fonction de l'accomplissement de la tâche.

Ces derniers mois, je me suis particulièrement intéressé à l'entraînement post-mémoire. Si vous avez suivi mes récents articles sur la gestion du contexte, les architectures de mémoire et la question récurrente de savoir pourquoi les agents voient leurs performances baisser après le 50e tour, cet article est le point de convergence de tous ces fils. La tendance initiale était assez claire. Huit équipes de recherche indépendantes sont parvenues à la même conclusion : il faut cesser de construire des systèmes de mémoire autour du modèle et entraîner le modèle lui-même à gérer la mémoire comme une compétence acquise. Cette convergence était significative.

En jetant un regard rétrospectif sur l’année 2025, une chose apparaît clairement : l’intelligence artificielle et data ne data plus des outils expérimentaux cantonnés aux marges des organisations. Elles se sont imposées de manière décisive au cœur même du fonctionnement des entreprises, de leur compétitivité et de leur capacité à créer de la valeur. Le rythme de leur adoption en témoigne. À la fin de l'année 2025, environ une personne sur six dans le monde avait utilisé des outils d'IA générative, selon le rapport AI Diffusion Report de Microsoft. Dans les entreprises, la dynamique était encore plus forte, avec près de 70 % des organisations mondiales déployant l'IA générative dans au moins une fonction métier dès le milieu de l'année. Ce qui avait commencé par des projets pilotes isolés s'est rapidement transformé en capacités intégrées influençant la prise de décision, l'engagement client et l'efficacité opérationnelle.

Dans le domaine du sport, data l’intelligence artificielle sont principalement associées aux performances sur le terrain : analyse des joueurs, modélisation tactique et prévention des blessures. La technologie a repoussé les limites des performances sportives, permettant aux athlètes de dépasser leurs propres limites. Alors pourquoi les organisations sportives ne sont-elles pas plus nombreuses à appliquer cette même approche à la gestion du sport ? Le sport est un secteur du divertissement extrêmement concurrentiel où les gains marginaux dans des domaines tels que l’engagement des supporters, le contenu, les opérations et la prise de décisions commerciales peuvent avoir autant d’importance que les résultats.

La technologie existe bel et bien, mais elle n'est pas encore au point. La voie à suivre est claire, mais le calendrier reste incertain. La plupart des entreprises qui mettront en œuvre des systèmes d'IA fonctionnant en continu en 2026 en tireront des leçons coûteuses. Quelques-unes en tireront de réels avantages. La différence tiendra à trois éléments : où elles déploient ces systèmes, comment elles les gèrent, et si elles comprennent ce que signifie réellement le terme « autonome » dans la pratique.

À la fin de l'année 2025, une technique au nom absurde de « Ralph Wiggum » est devenue virale parmi les professionnels. Ce nom vient d'un personnage des Simpsons — délibérément ridicule, car le principe de base est d'une simplicité presque gênante.