L’IA entre dans une nouvelle phase où comprendre ne suffit plus. Avec les LAM (Large Action Model), elle déclenche, coordonne et anticipe, jusqu’à devenir un levier opérationnel direct pour les entreprises en quête de vitesse, d’automatisation et d’impact.
Ces dernières années, l’intelligence artificielle (IA) s’est imposée comme une couche structurelle des entreprises modernes, en particulier dans le monde des startups et des entreprises en forte croissance, où la vitesse, l’efficacité et la différenciation concurrentielle déterminent la survie. Les grands modèles de langage (LLM) ont été au cœur de cette progression en permettant aux machines d’articuler, de converser et de contextualiser avec un naturel autrefois jugé impossible.
Le rythme d’expansion de l’IA montre clairement qu’elle est devenue essentielle aux opérations des entreprises. Selon le rapport sur le marché de l’intelligence artificielle de Grand View Research, le marché mondial de l’IA a dépassé 330 milliards d’euros en 2025 et devrait croître de plus de 30 % par an jusqu’en 2033, atteignant plus de 3 000 milliards d’euros. Une trajectoire qui confirme le rôle définitif de l’IA en tant qu’infrastructure commerciale. En France, parmi les entreprises ayant déjà adopté l’IA, la technologie est principalement utilisée pour le marketing/vente (28%), la production/services (27%), la finance/comptabilité (25%) et les processus administratifs (24%), ce qui illustre sa diffusion progressive dans l’ensemble des fonctions clés de l’entreprise.
Pourtant, nous avons atteint une limite importante : la compréhension seule ne suffit plus. À mesure que le volume de données augmente et que les opérations deviennent plus complexes, il devient évident que la prochaine évolution de l’IA nécessite à la fois articulation et action.
C’est là que les grands modèles d’action (LAM, Large Action Models) émergent comme le prochain bond de l’IA. Les LLM ont permis aux machines de converser. Les LAM leur donneront la capacité d’exécuter, ouvrant la transition de systèmes qui décrivent des solutions à des systèmes qui passent réellement à l’action. Cela marque l’émergence de l’intelligence agentique, dans laquelle l’IA interagit avec le monde de manière opérationnelle, et pas seulement descriptive.
Les LAM étendront les forces conversationnelles des LLM pour connecter cette compréhension aux systèmes d’entreprise — déclenchant des API, exécutant des tâches complexes, coordonnant des flux de travail à plusieurs étapes et apprenant continuellement de chaque décision prise. Cette avancée ouvre l’espace à une orchestration anticipative où l’IA s’adapte et agit avant que des frictions ne surviennent.
Pour que ce changement fonctionne dans des environnements réels, l’intelligence des LAM doit être associée à une manière disciplinée d’interagir avec les systèmes d’entreprise. C’est là que le protocole de contexte de modèle (MCP) devient essentiel. Le MCP fournit le cadre structuré qui relie le raisonnement d’un modèle aux outils et aux données qu’il est autorisé à utiliser, garantissant que chaque action est à la fois délibérée et ancrée dans le contexte de l’entreprise.
Et parce qu’une IA plus performante nécessite également plus de contrôle, le MCP s’étend naturellement à la gouvernance. En intégrant des politiques et des garde-fous directement dans la couche d’exécution, il contribue à garantir que les LAM agiront dans des limites claires — alignant les décisions sur les normes organisationnelles tout en permettant une autonomie significative.
La transformation est déjà visible dans les données du marché puisque 71% des entreprises franchissent le pas des agents IA dans leur relation client. Un mouvement qui répond à une attente certaine. En effet, selon l’Observatoire des Services Clients, 92 % des consommateurs jugent utile que l’IA aide les conseillers à prendre de meilleures décisions. Preuve que l’IA est perçue non comme un substitut à l’humain, mais comme un levier d’augmentation des agents, au service d’interactions plus rapides et de meilleure qualité.
Pour les startups, ce changement agit comme un multiplicateur de force. Dans les entreprises à forte croissance, où les équipes réduites doivent évoluer rapidement, les LAM réduiront les étapes manuelles, élimineront le travail redondant et permettront à l’intelligence d’opérer directement au service de l’efficacité opérationnelle. Par exemple, un agent virtuel agentique pourra identifier une baisse d’engagement, déclencher automatiquement une campagne prédictive et enregistrer l’action dans le CRM, exécutant l’ensemble du flux sans intervention humaine.
Dans un avenir proche, l’IA ne sera plus seulement une ressource puissante, mais deviendra une composante active des opérations commerciales. Au lieu d’adopter des solutions ponctuelles isolées, le véritable facteur de différenciation pour les organisations sera leur capacité à orchestrer des expériences alimentées par l’IA sur une plateforme unique et unifiée pour connecter compréhension, action et objectif.
L’équilibre entre l’autonomie de l’IA et le discernement humain sera le point central de cette transition. Avec les LAM, les organisations pourront concevoir des parcours qui s’adaptent au contexte, anticipent les besoins et dirigent l’énergie uniquement vers ce qui crée une réelle valeur. Ceux qui mèneront ce mouvement seront ceux qui utiliseront la technologie non pas de manière excessive, mais avec intention : comme un système qui amplifie les résultats, améliore les expériences et accélère ce qui est le plus stratégique dans les affaires modernes.
____________________________
Par Joffray Anduze, Vice-Président France Genesys
____________________________
puis