Le conseil IA n’est plus une affaire de présentations. Anthropic et OpenAI transforment le déploiement de l’IA en entreprise en canal de services direct, soutenu par le private equity, des alliances avec les grands cabinets et des ingénieurs qui travaillent dans les workflows clients jusqu’à la mise en production.
Ce mouvement change davantage le marché qu’une nouvelle sortie de modèle. Les laboratoires ne veulent plus seulement vendre l’accès API et attendre que des consultants traduisent la capacité en changement opérationnel. Ils veulent accéder directement aux équipes finance, underwriting, delivery logiciel, support et à toute fonction où l’IA peut produire des gains mesurables.
Pour les acheteurs, la question n’est pas de savoir si Anthropic ou OpenAI a la meilleure keynote. La question est de savoir quel partenaire peut transformer la capacité du modèle en systèmes fiables sans créer dépendance, failles de gouvernance ou théâtre de transformation.
Le signal : les laboratoires deviennent intégrateurs
Le 4 mai 2026, Anthropic a annoncé une nouvelle société de services IA d’entreprise avec Blackstone, Hellman & Friedman et Goldman Sachs. Elle doit aider des entreprises de taille moyenne à intégrer Claude dans leurs opérations critiques, avec l’appui des équipes Anthropic Applied AI. La liste des soutiens inclut aussi General Atlantic, Leonard Green, Apollo Global Management, GIC et Sequoia Capital.
Le 11 mai 2026, OpenAI a lancé l’OpenAI Deployment Company. Elle est majoritairement détenue et contrôlée par OpenAI, démarre avec plus de 4 milliards de dollars d’investissement initial et repose sur des Forward Deployed Engineers qui travaillent au sein des organisations clientes. OpenAI a également accepté d’acquérir Tomoro, ce qui doit apporter environ 150 spécialistes du déploiement après la clôture.
Trois jours plus tard, PwC et Anthropic ont élargi leur alliance. PwC prévoit de déployer Claude Code et Cowork, de créer un Center of Excellence commun et de former et certifier 30 000 professionnels PwC sur Claude. PwC cite des déploiements en production : cycles d’underwriting ramenés de dix semaines à dix jours, travail de cybersécurité passant d’heures à minutes et améliorations de livraison allant jusqu’à 70 % dans certaines catégories.
Pris ensemble, ces signaux disent clairement que le déploiement de l’IA en entreprise est devenu assez stratégique pour que les laboratoires veulent contrôler davantage la couche d’exécution. C’est un autre marché que la première vague ChatGPT Enterprise, où beaucoup d’acheteurs achetaient des licences, lançaient des pilotes et espéraient que les équipes internes feraient le reste.
Nous observons la même logique dans l’ingénierie. Dans Anthropic’s 2026 Agentic Coding Report: Orchestration Era, la leçon centrale était que le modèle n’est qu’une partie du système. Permissions, évaluations, workflows, journaux d’audit et revue humaine décident si le travail agentique devient fiable. La ruée vers le conseil IA est la version entreprise de cette même leçon.
Pourquoi l’offensive services d’Anthropic compte
Le mouvement d’Anthropic est intéressant parce qu’il ne remplace pas le Claude Partner Network. Il ajoute un modèle de livraison à côté d’Accenture, Deloitte, PwC et d’autres intégrateurs. La cible n’est pas seulement le très grand groupe mondial. Anthropic nomme explicitement des banques communautaires, des industriels de taille moyenne, des systèmes de santé régionaux et des entreprises qui n’ont pas les ressources internes pour construire des déploiements frontier.
Le positionnement est précis. La partie difficile du conseil IA n’est plus d’expliquer ce qu’est un grand modèle de langage. La partie difficile consiste à trouver un workflow où Claude retire assez de friction pour justifier le changement, puis à construire le processus humain, l’accès aux données, les contrôles et les boucles de feedback autour de lui. Les entreprises intermédiaires ont souvent des processus précieux et des systèmes désordonnés, mais pas assez de capacité platform engineering pour transformer un pilote en produit durable.
Anthropic pousse aussi une histoire de confiance. Claude est déjà associé à la sécurité entreprise, à la fiabilité en coding et au déploiement maîtrisé. La nouvelle société de services prolonge cette histoire vers l’exécution. Si Claude peut être intégré au medical coding, à la revue de conformité, à l’underwriting, à la clôture financière et à la modernisation logicielle, Anthropic vend plus que des sièges. Il vend un modèle opérationnel.
C’est pourquoi l’alliance PwC compte. PwC ne promet pas seulement de la formation. Il relie Claude au bureau du CFO, aux secteurs régulés, aux deals, à l’ingénierie et à la modernisation mainframe. Ce sont des domaines à forte friction où une adoption générique de copilote survit rarement aux validations, aux contrôles et aux systèmes hérités.
Pour les acheteurs, l’avantage est clair : un accès plus direct à l’expertise Anthropic et un partenaire de livraison doté de capital et de portée portefeuille. Le risque est tout aussi clair : plus l’implémentation se spécialise autour de Claude, plus le client doit demander si le workflow reste portable si l’économie, la disponibilité ou les politiques du modèle changent.
Pourquoi l’OpenAI Deployment Company compte
Le mouvement d’OpenAI est plus frontal. L’OpenAI Deployment Company est majoritairement détenue et contrôlée par OpenAI, utilise le modèle des Forward Deployed Engineers et démarre avec plus de 4 milliards de dollars d’investissement initial. OpenAI indique que la société connectera les modèles aux données, outils, contrôles et processus clés des clients afin de déployer des systèmes IA utilisables dans les opérations quotidiennes.
C’est important parce qu’OpenAI possède déjà l’attraction grand public, l’attention des développeurs et une traction entreprise. Dans sa note entreprise du 8 avril 2026, OpenAI indiquait que l’entreprise représente plus de 40 % du revenu et vise la parité avec le revenu consumer d’ici fin 2026. La même note positionnait OpenAI à la fois comme société de recherche et société de déploiement, avec Frontier comme couche opérationnelle pour des agents à l’échelle de l’entreprise.
La stratégie est claire : ChatGPT est l’interface familière, OpenAI Frontier la couche de contrôle entreprise, Codex le point d’entrée engineering, et DeployCo l’équipe qui entre dans les workflows complexes du client. L’acquisition de Tomoro apporte dès le départ une capacité pratique, avec environ 150 ingénieurs et spécialistes attendus après clôture.
La liste d’investisseurs parle aussi. TPG mène le partenariat, Advent, Bain Capital et Brookfield sont co-lead founding partners, et OpenAI cite des cabinets de conseil et intégrateurs comme Bain & Company, Capgemini et McKinsey & Company. OpenAI se rapproche ainsi des mêmes comités de direction qui achetaient historiquement des stratégies IA aux grands cabinets.
Cela correspond au schéma décrit dans OpenAI's $122B Funding Round: What the $852B Valuation Tells Us About Enterprise AI. OpenAI construit un flywheel : infrastructure, modèles, produits, développeurs, déploiement entreprise et capital. DeployCo n’est pas un détour. C’est une partie de la machine de distribution.
Ce que la ruée vers le conseil IA change pour les acteurs établis
Les cabinets traditionnels ne disparaissent pas. Certains sont même investisseurs, partenaires ou les deux. C’est précisément ce qui rend le moment étrange. Les entreprises qui vendaient des programmes de transformation financent ou soutiennent maintenant des structures capables de comprimer une partie de ces mêmes programmes.
La pression arrive à trois endroits.
D’abord, le conseil IA purement stratégique perd de la force. Un acheteur peut désormais demander : si Anthropic, OpenAI, PwC, McKinsey, Capgemini, Bain et des sponsors de private equity vendent tous du déploiement, pourquoi payer pour une feuille de route abstraite de plus ? Les roadmaps restent utiles, mais seulement si elles sont reliées à une capacité de build, à des résultats mesurables et à une responsabilité claire.
Ensuite, l’intégration générique est comprimée. Les laboratoires peuvent packager patterns préférés, ingénieurs de déploiement, évaluations, contrôles de sécurité et accès aux roadmaps frontier. Les intégrateurs gagnent encore sur le change management, l’expertise sectorielle, l’achat, l’ERP et l’échelle mondiale. Mais ils doivent prouver davantage qu’ils livrent des workflows IA natifs, pas seulement des wrappers autour d’une API de modèle.
Enfin, la barre monte pour les studios IA boutique. Une petite équipe ne battra pas OpenAI ou Anthropic sur le capital, l’accès modèle ou la portée des logos. Elle peut gagner sur la vitesse, la spécialisation, la franchise et la capacité à construire exactement ce dont le client a besoin sans transformer chaque mission en programme de plusieurs trimestres.
C’est là que se trouve l’opportunité pour des équipes comme Context Studios. La bonne réponse n’est pas de prétendre que les laboratoires sont sans importance. La bonne réponse est de devenir l’équipe à laquelle les acheteurs font confiance lorsqu’ils ont besoin d’un workflow en production, d’un prototype fonctionnel, d’un pattern de gouvernance ou d’une automatisation interne livrée assez vite pour garder la boucle d’apprentissage vivante.
La preuve bat les logos dans le déploiement IA
Le marché du conseil IA va devenir plus bruyant. Les acheteurs devraient ignorer la plupart du bruit et demander des preuves.
Un partenaire crédible doit montrer des systèmes qui tournent, pas seulement des badges de partenariat. Il doit expliquer comment fonctionnent les permissions de données, où vivent les journaux d’audit, comment prompts et outils sont évalués, comment les erreurs sont escaladées, ce que les humains approuvent, ce qui est rollbacké et quelles métriques décident si le déploiement survit après la première démo.
C’est pourquoi la conception déterministe de workflows compte. Dans Archon Workflow Marketplace: Deterministic AI Coding at Scale, l’idée centrale était simple : les workflows d’agents ont besoin de routes explicites que les humains peuvent reviewer. La même règle vaut hors du software engineering. Un agent finance, un assistant underwriting, un flux support triage ou un copilot procurement a besoin d’une route, d’une limite et d’une trace.
La sécurité ne peut pas être ajoutée à la fin. Dans Security Harnesses, Not Vibes: Vercel deepsec, nous avons soutenu que la revue de code IA devient utile seulement lorsqu’elle est attachée à des harnesses répétables. Le déploiement IA en entreprise exige la même posture : threat models, suites d’évaluation, portes d’approbation, contraintes de confidentialité, chemins d’incident response et contrôles opérationnels sans glamour.
La meilleure preuve n’est pas une démo parfaite. C’est une trace de décisions et de mesures :
- le coût du processus avant l’IA ;
- le premier workflow choisi et pourquoi ;
- les données et outils connectés ;
- les contraintes sécurité et conformité ;
- le jeu d’évaluation avant lancement ;
- les points d’approbation humaine ;
- la métrique d’adoption après lancement ;
- les cas d’échec qui ont déclenché une refonte.
Cette preuve sépare l’implémentation du théâtre. Elle protège aussi les acheteurs contre le verrouillage fournisseur déguisé en transformation.
Comment choisir un partenaire de déploiement IA
Le bon partenaire dépend du problème.
Si une entreprise a besoin d’une transformation au niveau du board sur plusieurs business units, un grand cabinet ou un intégrateur mondial peut rester le bon ancrage. Ils savent gérer parties prenantes, achats, comités de gouvernance, formation et changement opérationnel pluriannuel. Si l’entreprise est déjà profondément engagée sur Claude ou OpenAI, une équipe proche du laboratoire peut raccourcir le chemin entre capacité et production.
Si l’entreprise a besoin de vitesse, un studio boutique peut être le meilleur choix. Le bon studio ne prétend pas avoir une méthode plus lourde. Il gagne en livrant un périmètre plus petit plus vite : un workflow, une automatisation, un agent, un harness d’évaluation, une couche de contrôle, une amélioration mesurable.
La checklist acheteur doit être directe :
- Le partenaire peut-il nommer le workflow qui changera dans les 30 premiers jours ?
- Peut-il construire avec les vrais outils et permissions de l’entreprise ?
- Peut-il expliquer un fallback modèle si le fournisseur préféré change prix, politique ou qualité ?
- Peut-il montrer les evals avant lancement et les logs après lancement ?
- Rend-il l’équipe plus forte, pas plus dépendante ?
- Relie-t-il le succès à des métriques opérationnelles plutôt qu’à un théâtre d’adoption ?
C’est le même biais opérationnel que dans The GSD Framework: How to Make AI Agents Actually Ship. Le travail agentique progresse quand le scope est assez petit pour être livré, les points de contrôle explicites et la boucle de feedback courte. Le déploiement IA en entreprise n’est pas différent. Il a seulement plus de parties prenantes et des conséquences plus fortes.
FAQ
Qu’est-ce que la ruée vers le conseil IA ?
La ruée vers le conseil IA désigne la compétition entre laboratoires de modèles, cabinets, sponsors de private equity et studios boutique pour contrôler le déploiement IA en entreprise. Il s’agit de transformer la capacité des modèles en workflows de production, pas seulement de vendre des licences ou des slides.
La société de services d’Anthropic, l’OpenAI Deployment Company et le rollout Claude de PwC illustrent le même mouvement : la capacité d’exécution devient stratégique.
Pourquoi Anthropic et OpenAI se tournent-ils vers le conseil ?
Anthropic et OpenAI se tournent vers le conseil parce que la valeur entreprise dépend du déploiement. Les modèles créent un impact seulement lorsqu’ils se connectent aux workflows, données, outils, validations, contrôles de sécurité et métriques d’adoption.
En construisant ou en soutenant des équipes de déploiement, les laboratoires réduisent la friction entre capacité et revenu tout en apprenant directement des opérations clients.
Les cabinets traditionnels deviennent-ils obsolètes ?
Non. Les cabinets traditionnels restent importants pour le change management, l’achat, la conformité, la formation et la transformation à grande échelle. Mais le conseil IA purement stratégique devient plus faible quand les acheteurs peuvent demander des systèmes livrés et des résultats mesurables.
Les gagnants combineront profondeur métier, capacité de build et preuve de performance en production.
Faut-il choisir Anthropic, OpenAI ou un studio indépendant ?
Les entreprises doivent choisir selon le workflow, le risque et le niveau d’indépendance souhaité. Les équipes alignées avec Anthropic ou OpenAI peuvent offrir un accès modèle profond. Les studios indépendants peuvent offrir vitesse, flexibilité fournisseur et focus d’exécution plus étroit.
Le schéma le plus sûr est souvent hybride : utiliser l’expertise des laboratoires là où elle compte, mais garder architecture, données, évaluations et gouvernance portables.
Que demander avant de signer une mission de conseil IA ?
Les acheteurs doivent demander le premier workflow, la métrique de production, le plan d’évaluation, le modèle de sécurité, les points d’approbation humaine, le chemin de rollback et le plan de portabilité. Sans ces réponses, la mission reste un pitch, pas un plan d’implémentation.
Un bon partenaire doit montrer comment l’organisation sera plus forte après la mission, même si le fournisseur change.
Conclusion : le déploiement est désormais le moat
Anthropic et OpenAI ne se battent pas seulement pour la préférence modèle. Ils se battent pour la couche où les modèles deviennent changement opérationnel.
C’est bon pour le marché. Cela devrait éliminer le conseil IA faible et forcer chaque fournisseur à montrer des preuves. Cela devrait aussi rendre les acheteurs plus exigeants. Le logo sur la slide compte moins que le workflow livré, les contrôles qui tiennent et la métrique qui bouge.
Pour les studios IA boutique, le message est clair : ne concurrencez pas les laboratoires sur le capital. Gagnez par l’exécution. Soyez plus rapides, plus spécifiques, plus honnêtes et plus utiles au moment exact où une vraie équipe doit changer sa manière de travailler.
C’est là que l’IA entreprise se gagnera : pas dans la keynote, mais dans le milieu désordonné entre capacité et production.