Le rapport 2025 de Menlo Ventures consacré à l’état de l’IA générative dans les entreprises offre une photographie assez précise et chiffrée de la manière dont les organisations transforment réellement leur fonctionnement grâce à l’intelligence artificielle.
Ce document s’appuie sur des données économiques solides, des retours terrain et l’analyse des usages de près de 500 décideurs américains (DONC PAS D’ENTREPRISES FRANCAISES). Il met en lumière une mutation rapide : en 2 ans seulement, l’IA est passée du statut de technologie émergente à celui de moteur central de productivité, d’innovation et de réorganisation des workflows dans les entreprises.
Le rapport montre que cette adoption ne se limite pas à quelques secteurs pionniers. Elle touche l’ensemble du tissu économique, de la santé au droit, de la finance à la création, tout en redéfinissant les modèles d’achat logiciel, la place des startups, la structure des architectures techniques et la hiérarchie des fournisseurs de modèles. Il révèle également une dynamique nouvelle : l’adoption n’est plus uniquement pilotée par les directions générales ou informatiques, mais aussi par les employés eux-mêmes, via des mécanismes de Product-Led Growth qui accélèrent la diffusion des outils d’IA à l’intérieur des organisations.
Est-ce que l’Europe va suivre la même évolution ? Où est, où sera la valeur réelle de l’IA, quelles sont les forces qui redessinent le marché du logiciel, et comment les entreprises peuvent prendre un avantage stratégique dans un contexte où les performances des modèles, la concurrence entre fournisseurs et les usages internes évoluent à une vitesse sans précédent.
Voici les éléments principaux à tirer de ce rapport.
1. L’IA entreprise devient un marché majeur et structuré
Le marché de l’IA générative en entreprise atteint 37 milliards de dollars en 2025, contre 1,7 milliard en 2023. Cette croissance fait de l’IA la catégorie logicielle à la plus forte expansion jamais observée. Les dépenses touchent l’ensemble de la chaîne : modèles, entraînement, infrastructure, applications. Les entreprises ne sont plus en phase d’expérimentation ; elles ancrent l’IA dans leurs opérations.
2. Les entreprises achètent plus qu’elles ne construisent
En 2025, 76 % des solutions IA déployées sont achetées, contre 24 % construites en interne. Cette inversion résulte d’un constat simple : les solutions IA prêtes à l’emploi génèrent une valeur immédiate, se déploient plus vite et demandent moins de mobilisation interne que les projets d’ingénierie maison.
3. Les projets IA se convertissent en production deux fois plus vite que les projets SaaS
Le taux de passage en production atteint 47 % pour les projets IA, contre 25 % pour les projets logiciels traditionnels. Cela reflète un engagement fort des décideurs, qui priorisent des cas d’usage apportant productivité rapide et réduction de coûts. Les entreprises identifient souvent plus de dix cas potentiels, mais privilégient ceux dont le ROI est immédiatement mesurable.
4. Le PLG devient un moteur central d’adoption
Le PLG signifie Product-Led Growth, un modèle où l’adoption d’un outil commence directement par les utilisateurs finaux, sans passer par un cycle classique piloté par la direction ou les équipes achats.
Dans ce modèle, un collaborateur adopte un outil individuellement, le teste sur son travail, en démontre l’intérêt et entraîne une diffusion interne.
En 2025, 27 % des dépenses IA applicatives proviennent de cette adoption “bottom-up”. En comptant l’usage “shadow” (abonnements personnels utilisés pour travailler), cette part monte à près de 40 %. L’IA suit donc un schéma proche du B2C : les employés imposent les outils avant les décideurs.
5. Les startups dominent les applications, tandis que les géants dominent l’infrastructure
Les startups captent 63 % du marché applicatif, soit deux dollars de revenu pour un dollar obtenu par les éditeurs traditionnels. Elles progressent grâce à leur rapidité d’exécution, à leur capacité à intégrer immédiatement les nouveaux modèles et à leur orientation radicale vers l’utilisateur.
À l’inverse, les couches basses (données, orchestration, monitoring, stockage) restent majoritairement contrôlées par les acteurs historiques comme Databricks, Snowflake, MongoDB ou Datadog, grâce à leur robustesse et à leurs intégrations avancées.
6. Le développement logiciel devient le premier “killer use case” de l’IA
Le coding représente 4 milliards de dollars, soit 55 % du departmental AI. La moitié des développeurs utilisent quotidiennement des outils de génération ou d’assistance au code. L’impact sur la productivité est mesuré autour de +15 %, parfois davantage.
Les cas d’usage couvrent toute la chaîne logicielle : prototypage, refactorisation, QA, PR automatisées, tests, aide à la conception, jusqu’au déploiement assisté.
7. Les solutions verticales explosent, surtout dans la santé
Le marché de l’IA verticale triple en un an, atteignant 3,5 milliards de dollars. La santé domine avec 1,5 milliard, principalement grâce aux “ambient scribes”, capables de réduire de plus de 50 % le temps documentaire des médecins.
Les secteurs légal, création, secteur public et industrie voient également une montée rapide de solutions spécialisées, répondant à des workflows historiques très manuels.
8. L’IA horizontale reste la plus grosse catégorie avec 8,4 milliards
Les copilotes généralistes représentent 86 % du segment. Les agents autonomes restent marginaux (10 %). Le marché reste largement centré sur l’assistance plutôt que sur l’automatisation intégrale, même si la transition vers des agents plus capables se dessine.
9. Anthropic devient le leader des modèles en entreprise
Anthropic détient désormais 40 % du marché des LLM en entreprise, contre 27 % pour OpenAI et 21 % pour Google. Cette domination s’explique par ses performances supérieures en développement logiciel et par la stabilité de ses APIs.
Sur les tâches de code, Anthropic atteint 54 % de part de marché, un écart qui s’est creusé tout au long de 2024 et 2025.
10. L’open source ralentit dans les entreprises mais progresse chez les développeurs
Les modèles open source passent de 19 % à 11 % de part de marché dans l’entreprise, en raison de préoccupations liées à la sécurité, à l’origine des modèles et à la conformité.
À l’inverse, les développeurs et les startups adoptent massivement Qwen, DeepSeek, Moonshot/Kimi, GLM ou MiniMax, car ces modèles offrent de bonnes performances à bas coût et s’intègrent facilement dans des environnements flexibles.
11. Les architectures en production restent simples
Seules 16 % des entreprises utilisent de véritables agents autonomes. La majorité repose sur un pipeline basique : un appel modèle, un peu de logique, parfois du RAG, rarement du fine-tuning.
Cela montre que la valeur est obtenue aujourd’hui par des systèmes simples, tandis que les approches avancées restent limitées à des équipes techniques expertes.
12. Les prévisions pour 2026
Les modèles dépasseront les humains pour les tâches courantes de programmation.
La demande augmentera malgré la baisse des coûts unitaires (effet Jevons).
La gouvernance et l’explicabilité deviendront incontournables pour des agents prenant des décisions.
Les modèles migreront davantage vers l’edge grâce à du hardware dédié à l’inférence locale.
Les copilotes évolueront progressivement vers de véritables agents automatiques capables d’exécuter des chaînes d’actions complexes.
Laisser un commentaire