Dell passe de 900 projets d’IA à 13 workflows en production

Le message de Dell au Six Five Summit: AI Unleashed 2026 est clair : l’IA d’entreprise entre dans une nouvelle phase. Après les chatbots utilisés pour rechercher, résumer ou produire du contenu, les entreprises commencent à déployer des agents capables d’exécuter des tâches métier. Dell affirme avoir ramené environ 900 projets potentiels à 13 initiatives présentant une valeur clairement identifiée, avec des gains de productivité initiaux estimés entre 20 et 40 %. 1

Ces chiffres sont ceux communiqués par Dell et ne constituent pas une mesure valable pour l’ensemble du marché. Ils donnent toutefois un aperçu intéressant de ce qui change lorsque l’IA passe de l’expérimentation à l’exécution opérationnelle.

Une IA qui exécute le travail, et ne se contente plus de répondre

Dell établit une distinction entre l’IA générative de première génération et les systèmes dits agentiques. Les chatbots et assistants peuvent aider les collaborateurs à retrouver des informations dans les données internes, à résumer des documents ou à produire du contenu. Un système agentique est conçu pour numériser un processus : il peut raisonner sur une tâche, utiliser des outils, coordonner plusieurs étapes et mener le travail à bien avec une intervention humaine réduite. 1

La différence ne tient donc pas uniquement au modèle d’IA. Selon Dell, le déploiement d’agents en production exige de revoir la pile technologique, l’infrastructure, la gouvernance et l’organisation. L’objectif stratégique est de réduire la dépendance entre la quantité de travail qu’une entreprise peut accomplir et le nombre d’heures humaines disponibles. 1

CRM, développement logiciel et tarification : les premiers cas d’usage

Dell indique travailler sur des agents depuis environ deux ans et les avoir mis en production au cours de l’année précédente. L’entreprise cite notamment trois usages opérationnels :

• Nettoyage des données CRM : des agents prennent en charge des tâches répétitives liées à la qualité des fiches clients.
• Développement logiciel : ils peuvent contribuer au codage courant, à l’ajout d’annotations et à certaines étapes de coordination des pipelines CI/CD.
• Tarification spéciale : ils peuvent soutenir un workflow dans lequel la rapidité d’exécution et l’application cohérente de règles sont essentielles. 1

Ces exemples restent plus circonscrits que le concept d’une entreprise entièrement autonome. Ils montrent néanmoins pourquoi la conception des processus est déterminante. Un déploiement utile ne consiste pas simplement à intégrer un modèle dans une application existante : il s’agit de construire un workflow automatisé, avec des entrées, des outils, des autorisations et des résultats clairement définis.

Pourquoi passer de 900 projets à 13 initiatives ?

Dell affirme avoir réduit environ 900 projets d’IA candidats à quelque 13 initiatives ciblées, sélectionnées en fonction d’une valeur métier explicite et pilotées selon une priorisation centralisée. 1

Cette décision illustre une leçon pratique pour les programmes d’IA en entreprise : une longue liste d’expérimentations ne crée pas nécessairement un avantage opérationnel. Le raisonnement de Dell consiste à concentrer les moyens sur les workflows dont les résultats peuvent être mesurés, puis à bâtir les contrôles et l’infrastructure nécessaires à leur fonctionnement fiable.

Dell attribue à des déploiements d’assistants ciblés des gains de productivité initiaux d’environ 20 à 40 %. L’entreprise estime que les bénéfices pourraient être nettement supérieurs lorsque des agents prennent en charge des catégories entières de tâches. Elle affirme également que ce programme ciblé l’a aidée à découpler la croissance de son chiffre d’affaires de sa structure de coûts. Ces résultats sont rapportés par l’entreprise et doivent être considérés comme un retour d’expérience de Dell, pas comme une référence garantie pour tous les déploiements. 1

« Agent washing » : tous les outils d’IA ne sont pas des agents

John Roese, dirigeant de Dell, met en garde contre l’agent washing, c’est-à-dire la tendance à présenter comme des agents autonomes des chatbots, des assistants limités ou de simples fonctionnalités d’IA. 1

La distinction peut se résumer ainsi :

• Chatbot : il répond à une demande et produit généralement de l’information ou du contenu.
• Assistant ciblé : il améliore une tâche délimitée, tandis qu’un humain reste étroitement impliqué.
• Agent autonome : il peut planifier, appeler des outils, coordonner des actions et exécuter un workflow avec beaucoup moins de supervision directe. 1

Cette différence est importante, car l’autonomie augmente les conséquences d’une erreur. Un résumé incorrect peut être corrigé. Un agent connecté aux systèmes de l’entreprise peut, lui, modifier des données, déclencher des actions en aval ou exposer des informations sensibles.

Des besoins d’infrastructure différents

Matt Murphy, directeur général de Marvell, estime que l’inférence agentique en production impose des contraintes différentes de celles des charges d’entraînement traditionnelles. Les agents doivent parfois conserver l’état d’un workflow grâce à des caches clé-valeur pendant des appels répétés au modèle, des échanges utilisant de grands contextes ou des interactions longues entre plusieurs agents. La capacité mémoire et la bande passante peuvent donc devenir des limites avant même que la puissance de calcul brute ne soit le principal goulot d’étranglement. 1

Murphy souligne également le rôle accru des processeurs centraux, ou CPU, dans l’orchestration : branchements logiques, recherche d’informations, appels d’outils, exécution en environnement isolé et coordination entre agents. Selon les échanges du sommet, le ratio CPU/GPU pourrait passer d’environ 8–16:1 dans l’IA traditionnelle à environ 1–2:1 pour les charges agentiques. 1

Pour les acheteurs, la conclusion est directe : une plateforme d’agents ne peut pas être évaluée uniquement sur la qualité du modèle ou le nombre de GPU. La mémoire, le réseau, l’orchestration par CPU, l’observabilité et le coût des appels répétés au modèle détermineront aussi la viabilité d’un workflow en production.

Il n’existe pas une architecture unique pour tous les agents

Dell rejette l’idée d’une architecture reposant sur un seul modèle ou un seul lieu d’exécution. Le groupe défend plutôt une combinaison de modèles ouverts déployés sur site, de modèles avancés hébergés par Dell, de clouds privés virtuels contrôlés, d’API externes et de modèles exécutés sur les appareils. Le choix doit dépendre des performances, des exigences de conformité, des fonctionnalités et du coût. 1

L’économie du déploiement dépend également de la tâche. Un agent d’aide à la décision destiné à un dirigeant peut justifier une dépense mensuelle élevée. À l’inverse, un workflow de nettoyage CRM traité à grande échelle doit afficher un coût très faible par fiche, présenté dans la discussion comme inférieur à environ 0,50 dollar. 1

La meilleure question n’est donc pas forcément « quel est le meilleur modèle ? », mais plutôt : quel modèle, quel environnement de déploiement et quel niveau d’autonomie permettent d’obtenir le résultat attendu à un coût et avec un niveau de risque acceptables ?

L’identité numérique devient la couche de contrôle

Dell affirme que tout agent autonome accédant à ses données, en interne comme à l’extérieur, devrait recevoir une identité numérique délivrée par Dell. Cette identité permettrait d’appliquer des autorisations précises et de révoquer rapidement les accès, à la manière d’un bouton d’arrêt d’urgence. 1

Le défi de sécurité se complexifie lorsque l’agent n’hérite pas simplement de l’identité d’un utilisateur. Un agent lié à un utilisateur agit avec les identifiants d’un collaborateur identifiable. Un agent sans utilisateur direct, ou headless agent, fonctionne de manière plus indépendante, ce qui complique l’attribution des actions, la gestion des permissions et le suivi de son cycle de vie. Dell estime que ces agents représenteraient environ 70 % des futurs déploiements, selon les échanges du sommet. 2

Dell évoque aussi les protocoles de communication entre agents et entre agents et outils, ainsi que la préparation aux technologies post-quantiques, comme des éléments du modèle de sécurité nécessaire à l’autonomie en production. 1 La leçon générale est qu’un agent doit être traité comme une identité logicielle : il lui faut un responsable, un périmètre d’action, une piste d’audit et un mécanisme de révocation clairement définis.

Les métiers seront découpés en tâches

Dell indique avoir analysé 6 800 métiers en les décomposant en catégories telles que la productivité, la maintenance des données, la coordination, l’expertise et les interactions humaines. Sa conclusion est que les agents supprimeront plus probablement certaines composantes d’un poste qu’ils ne feront disparaître automatiquement des fonctions entières. 1

Dans le développement logiciel, par exemple, ils pourraient prendre en charge le codage courant, les annotations et certaines étapes de coordination de la livraison. Les collaborateurs consacreraient alors davantage de temps à l’architecture, à la définition des besoins, au jugement professionnel et aux échanges avec les clients. 1

Cela ne signifie pas que les métiers resteront inchangés. Selon Dell, chaque poste sera remodelé à mesure que les tâches automatisables seront isolées et que les salariés se concentreront davantage sur l’expertise, le contexte, la prise de décision et les relations humaines.

Le véritable test de l’IA agentique

La position de Dell peut se résumer à un test exigeant : un projet d’IA agentique n’est prêt pour la production que s’il répond à un objectif métier mesurable, s’inscrit dans un workflow clairement délimité, présente une économie viable et dispose de contrôles solides pour l’identité, les accès et la récupération en cas d’échec.

Le passage de 900 possibilités à 13 initiatives résume cette stratégie. L’IA agentique n’est pas simplement une interface plus conversationnelle. C’est un modèle opérationnel dans lequel des logiciels exécutent du travail — ce qui oblige les entreprises à faire évoluer simultanément leur infrastructure, leur sécurité et la conception des métiers.