Par | Hors Page, Auteur — Peinture
Ces trois dernières années, les personnes les plus chères de l'industrie de l'IA étaient les scientifiques des modèles.
Aujourd'hui, les profils que cherchent désespérément OpenAI, Anthropic et Google ont changé.
Ce ne sont pas des chercheurs, ni des ingénieurs en algorithmes, ni même des experts en grands modèles.
Mais plutôt un groupe de personnes qui doivent voyager, être déployées sur site, participer à des réunions et modifier des processus.
Elles portent un nouveau nom : Ingénieur de Déploiement sur le Front (Forward Deployment Engineer, FDE).
Un poste en apparence insignifiant, mais qui représente peut-être le plus grand virage de l'industrie de l'IA au cours des trois dernières années : le mythe du modèle s'efface officiellement, la guerre du déploiement démarre pleinement.
Les géants des grands modèles de la Silicon Valley ont enfin compris que le modèle n'était plus un problème. Le fait que les entreprises ne sachent pas l'utiliser est le dernier kilomètre, le plus difficile. Ainsi, un poste autrefois délaissé voit sa valeur monter en flèche du jour au lendemain.
Le rapport LinkedIn sur la main-d'œuvre 2026 montre qu'entre 2023 et 2025, les offres d'emploi mondiales pour les FDE ont été multipliées par 42, tandis que celles pour les ingénieurs en IA ont été multipliées par 13 sur la même période. Le taux de croissance des premiers est environ trois fois supérieur à celui des seconds.
Cette frénésie de recrutement qui défie les conventions arrache le voile de la plus grande complicité tacite de l'industrie de l'IA ces trois dernières années.
I. Le modèle est là, l'organisation ne suit pas
Depuis la naissance de ChatGPT, la ligne directrice de l'industrie de l'IA a toujours été claire. De qui peut créer le modèle le plus puissant, à qui peut créer le meilleur Agent.
En 2026, la question a changé. Les clients entreprises commencent à poser une autre question : Nous avons acheté de l'IA, pourquoi ne voit-on pas beaucoup de changement ?
C'est la plus grande illusion de toute l'industrie : croire que le modèle équivaut à la productivité.
La réalité est que de nombreuses entreprises ont dépensé des fortunes pour acheter des IA/Agents, les employés se sont inscrits, le service informatique a créé une démo d'une base de connaissances interne, l'enthousiasme a duré un mois.
Puis... six mois plus tard, personne ne l'utilise. La façon de travailler est exactement la même qu'avant.
Ce n'est pas un manque de coopération des employés, ni un manque de détermination de la direction, encore moins un modèle insuffisant. Les véritables points clés d'une entreprise en environnement de production n'ont jamais été de savoir comment discuter, mais plutôt : où sont les données historiques, leur format est-il correct, leur qualité est-elle bonne ? À qui revient le pouvoir d'approbation, qui a l'autorité décisionnelle ? Comment importer les données clients, comment connecter le système ERP, comment faire compatibilité avec l'ancien système de conformité et de sécurité ?
Ce ne sont pas des problèmes techniques, ce sont des problèmes organisationnels.
C'est comme installer un moteur-fusée sur une calèche. Le moteur est vrai, la poussée est réelle, mais le cheval reste un cheval, la voie est toujours en terre, et le cocher n'a jamais appris à appuyer sur l'accélérateur, encore moins où se trouve le frein d'urgence.
Les entreprises de modèles ont toujours vendu l'IA comme un outil, offrant un cerveau numérique ultrapuissant et laissant l'utilisateur trouver comment l'intégrer dans son corps.
Le résultat est que la plupart des entreprises, après deux ans d'essais, laissent le cerveau sur la table, le corps restant totalement immobile.
II. L'héritage de Palantir
Ce n'est pas OpenAI qui a vraiment fait du FDE une profession, c'est Palantir Technologies.
Fondée par le gourou de la Silicon Valley Peter Thiel, cette licorne mystérieuse du big data qui a aidé l'armée américaine à éliminer Oussama Ben Laden, a été moquée dans la Silicon Valley pendant quinze ans.
La raison en est que son modèle économique est trop lourd : elle ne vend pas de logiciels standardisés, mais envoie ses ingénieurs se déployer sur le site du client, où ils restent assis pendant six mois ou plus. Les VC lui ont collé une étiquette : une société de conseil déguisée en éditeur de logiciels.
Dans la hiérarchie des mépris de la Silicon Valley, le SaaS est noble, les projets reposant sur des ressources humaines sont bas de gamme. Palantir se tenait tout en bas de cette hiérarchie.
En 2011, en vendant des logiciels de données à des agences gouvernementales et de défense, Palantir a constaté un problème récurrent : les clients ne savaient tout simplement pas utiliser le logiciel après l'avoir acheté.
Mais c'est ce problème qui a tout changé. Le modèle traditionnel de vente (recueil des besoins, développement à distance par les ingénieurs) a complètement échoué face à des clients hautement confidentiels et extrêmement complexes. Les clients eux-mêmes ne savaient pas ce qu'ils voulaient, ils savaient seulement que ce qu'ils avaient ne fonctionnait pas bien.
La solution de Palantir n'a pas été de fournir de meilleures notices, mais d'envoyer directement ses propres ingénieurs se déployer sur le site du client. Entrer à la CIA, dans des entreprises énergétiques, dans des banques. Les ingénieurs s'asseyaient à côté des clients, observaient leur façon de travailler, étudiaient les flux de données, comprenaient la structure organisationnelle, puis modifiaient le logiciel, les processus, voire les méthodes de travail.
Ce modèle n'avait jamais été reproduit à grande échelle à l'ère des logiciels standardisés auparavant. Auparavant, c'était le produit qui définissait le processus, et si le client n'était pas satisfait, c'était qu'il n'était pas assez formé.
L'ère des grands modèles a complètement brisé cette logique. L'IA n'a pas d'utilisation standardisée, son plafond dépend entièrement de la manière dont elle est connectée aux données privées, de la conception des flux de travail et de sa mise en œuvre au sein de l'organisation. Les systèmes en silo de chaque entreprise sont totalement différents, un produit générique ne peut tout simplement pas résoudre les problèmes personnalisés des eaux profondes.
Ainsi, la méthodologie que Palantir a affinée pendant plus de dix ans est soudainement devenue le manuel de référence de toute l'industrie.
Qu'OpenAI commence aujourd'hui à reproduire ce modèle revient essentiellement à reconnaître que l'IA est passée d'un problème de développement logiciel à un problème d'évolution organisationnelle.
III. Un mois, trois géants, le même constat
Si Palantir n'a fait que montrer l'exemple à l'industrie, en mai 2026, les trois plus grands géants mondiaux de l'IA ont simultanément, avec de l'argent réel, orchestré une conspiration collective autour du déploiement applicatif.
Le 4 mai, Anthropic, en partenariat avec Blackstone, Goldman Sachs, Hellman & Friedman et plusieurs grandes institutions de gestion d'actifs mondiales, lance une coentreprise avec un capital engagé total de 15 milliards de dollars, dont l'activité principale est le déploiement sur site du grand modèle Claude pour les entreprises.
Puis, le 11 mai, OpenAI annonce officiellement la création d'une filiale indépendante de déploiement, Deployment Company (DeployCo), avec un investissement initial total de plus de 40 milliards de dollars. La coalition de partenaires compte 19 institutions, incluant des investisseurs en capital-investissement comme TPG et Bain Capital, ainsi que des cabinets de conseil et intégrateurs comme McKinsey et Accenture.
OpenAI acquiert simultanément l'entreprise de conseil en déploiement sur site Tomoro. Après l'acquisition, Tomoro fournira environ 150 ingénieurs de déploiement sur le front à DeployCo ; les clients actuels de Tomoro incluent Tesco, Virgin Atlantic, Red Bull et Supercell.
À moins de deux semaines d'intervalle, Thomas Kurian, PDG de Google Cloud, publie un post sur LinkedIn pour recruter massivement des FDE. Plus de 1500 postes liés au déploiement de l'IA sont ouverts en interne chez Google Cloud, les FDE étant une catégorie de recrutement clé.
Les trois entreprises d'IA les plus avancées au monde font la même chose au même moment : non pas publier un modèle plus puissant, mais créer des entités dédiées à aider les entreprises à déployer l'IA.
C'est un signal plus significatif que n'importe quelle annonce de modèle.
Brad Lightcap, directeur des opérations d'OpenAI, a même déclaré ceci :
"Aujourd'hui, les systèmes d'IA destinés aux particuliers sont déjà très puissants, mais nous n'avons pas encore vraiment vu l'IA pénétrer les processus métier des entreprises. Les entreprises sont des organisations à la structure complexe, aux systèmes fragmentés, aux nombreuses contraintes de conformité et aux processus hérités complexes ; le plus grand défi actuel est d'intégrer l'IA dans les processus métier essentiels sur lesquels reposent le fonctionnement des entreprises."
En clair, les modèles sont assez bons. Le problème est à l'intérieur des entreprises et des organisations.
C'est précisément parce qu'ils ont vu cela clairement qu'OpenAI et les autres n'hésitent pas à tout prix à racheter les disciples d'Accenture et de McKinsey, pour les transformer en masse en FDE prêts à se lancer à l'assaut.
Cette bataille de recrutement de plusieurs dizaines de milliards de dollars prive directement les industries traditionnelles du conseil et de l'intégration informatique de leur actif fondamental, et marque le début d'une révolution dans le mode de livraison des grands modèles.
IV. La fin de la vente d'outils est la vente de résultats
Beaucoup pensaient que l'IA allait détruire l'industrie du conseil. McKinsey est fini, Accenture est fini, les grands intégrateurs informatiques sont finis.
Le résultat est exactement le contraire, l'IA a rendu le conseil plus important.
Mais derrière cela se cache un changement encore plus profond : le modèle économique de toute l'industrie du logiciel est en train de subir le plus grand basculement des vingt dernières années.
C'est précisément la règle de survie que Palantir a établie il y a plus de dix ans : "Ne vendez pas de logiciel. Déployez des résultats."
C'est une transformation fondamentale. Autrefois, Microsoft vendait Office, Salesforce vendait un CRM, Adobe vendait des suites, ils livraient tous des outils, et c'était à vous de les utiliser correctement. Aujourd'hui, ce que font OpenAI et Anthropic, c'est faire entrer leurs propres personnes dans l'entreprise cliente pour livrer les résultats.
Le FDE est le livreur de résultats. Il étudie l'organisation, les processus, les données, et finalement livre un système qui tourne réellement en environnement de production, et non une belle démo.
Autrefois, le consultant livrait un PowerPoint, le FDE livre un Agent. Autrefois, le consultant donnait des recommandations, le FDE donne du code. L'essence est la même : aider l'entreprise à résoudre le problème de travailler plus efficacement, seul le livrable a changé.
C'est aussi pourquoi dans le recrutement des FDE chez Anthropic, il y a une exigence étrange : "Maintenir un faible sentiment d'ego et une attitude de collaboration."
C'est l'une des choses les plus difficiles dans la culture ingénieur : avoir une profondeur technique suffisante pour résoudre n'importe quel problème sur place, tout en sachant adopter devant le client une posture humble, sans se montrer plus savant, et en faisant preuve de patience pour comprendre pourquoi le client n'a pas confiance dans la sortie de l'IA.
Un salaire annuel de 300 000 à 500 000 dollars n'est pas dû au fait que le FDE est techniquement plus fort, mais au fait qu'un FDE compétent peut remplacer quatre personnes : un chef de produit, un architecte technique, un chef de projet et un ingénieur en IA.
Sur le front du déploiement, un FDE est une armée à lui seul.
V. Le plus grand obstacle au déploiement de l'IA n'a jamais été la technique
Aujourd'hui, l'échec des projets d'IA dans les entreprises n'est, dans la grande majorité des cas, pas un échec technique, mais un échec organisationnel.
Même les plus grands empires financiers et les géants de la distribution mondiaux n'y échappent pas.
Goldman Sachs a rencontré une classique défense de conformité de la part des cadres intermédiaires lors de la migration vers l'IA. Le département technique avait développé un système d'audit par IA, capable de générer automatiquement des rapports d'analystes et de réaliser un premier examen des documents de conformité pour les introductions en bourse.
Mais lorsque le système a été sur le point d'être connecté à l'environnement de production, les cadres intermédiaires des départements de gestion des risques et de conformité se sont unis pour appuyer sur le bouton "pause". Ils ont soumis à la direction un volumineux rapport de mise en question : si une "hallucination" du grand modèle apparaissait dans un document d'introduction en bourse, qui assumerait la responsabilité potentielle d'une amende de plusieurs milliards de dollars ?
Aussi beau que fût le prototype technique, incapable de franchir la culture enracinée de déresponsabilisation au sein de l'organisation, le projet a été bloqué pendant six mois. Ce n'est qu'après l'intervention d'une équipe de FDE qui a redéfini les frontières des responsabilités dans la collaboration homme-machine qu'il a pu passer de justesse.
Si Goldman Sachs a été bloqué par les responsabilités, l'échec retentissant du géant américain de la distribution Target avec Palantir dans ses débuts, lui, s'est heurté au mur des intérêts organisationnels et de la culture.
À l'époque, Palantir avait envoyé une importante équipe de FDE chez Target pour tenter de reconstruire, à l'aide de modèles de données, sa chaîne d'approvisionnement et ses prévisions de stock représentant des revenus annuels de plusieurs dizaines de milliards de dollars.
Cependant, l'équipe d'acheteurs seniors, détenant le plus de pouvoir chez Target, a rejeté cette initiative avec véhémence, estimant que leur sensibilité à la mode acquise pendant des décennies ne devait pas s'incliner devant un algorithme. Les cadres intermédiaires ont retardé à l'envi l'interface des données, et les employés de première ligne ont délibérément refusé d'exécuter les instructions de réapprovisionnement du système. Cette transformation technologique coûtant plusieurs dizaines de millions de dollars s'est finalement soldée par une résiliation unilatérale du contrat par Target, en raison de la lutte de pouvoir interne entre l'homme et la machine.
Pas une seule ligne de code n'était erronée, mais le projet ne pouvait tout simplement pas avancer. C'est ça, la réalité la plus crue du terrain : la technique ne représente que 20 %, les 80 % restants sont entièrement constitués de la configuration des intérêts internes, de la répartition des responsabilités et des héritages historiques au sein de l'organisation.
Par exemple, le processus d'approbation d'un prêt dans une banque est sous-tendu par des décennies de répartition des responsabilités et d'exigences réglementaires. Le système de planning d'un hôpital est lié aux intérêts de tous les départements. L'étape de contrôle qualité d'une usine est connectée aux contrats fournisseurs et aux assurances qualité.
Tout cela ne change pas automatiquement avec un compte GPT.
Ces obstacles, un ingénieur qui ne connaît que la technique ne peut les résoudre. Il faut des personnes capables de penser simultanément sur les deux dimensions de la technique et de l'organisation.
Ce que fait réellement un FDE, ce n'est donc pas seulement déployer l'IA, le cœur de son action réside dans l'aide à l'organisation pour accomplir sa migration vers l'IA. Si au cours des vingt dernières années, le département informatique était responsable de la numérisation des processus papier, alors au cours des dix prochaines années, le FDE sera responsable de l'IA-isation des processus numérisés.
C'est la prochaine étape de la même chose.
Mot de [Hors Page] :
Alors que les modèles deviennent de moins en moins chers. La puissance de calcul devient de moins en moins chère. Les Agents deviennent de moins en moins chers.
Ce qui devient vraiment coûteux, c'est une autre capacité : comprendre l'organisation, transformer les processus, impulser le changement.
C'est la raison pour laquelle les FDE ont le vent en poupe.
Non pas que ce poste soit si important en soi, l'essentiel est que toute l'industrie de l'IA admet enfin une chose :
La partie la plus difficile d'une révolution technologique n'a jamais été la technologie.
Mais l'humain.
