Pourquoi les géants de l'IA n'appellent pas votre PME (et qui le fait)

Imaginez le patron d'un atelier de chaudronnerie métallique de trente salariés. Il a lu partout que l'IA va transformer son métier, il a vu les noms — Anthropic, OpenAI, Google, Mistral — et il s'est posé une question raisonnable : si ce truc est si important, tôt ou tard l'un d'eux finira bien par m'appeler, moi aussi ? La réponse, quand on regarde comment ces laboratoires vendent réellement, est sans appel : non. Ils ne vous appelleront pas. Et pas parce que votre entreprise serait trop petite pour compter — mais parce que la façon dont ils portent leur technologie sur le marché ne passe pas, et n'est pas conçue pour passer, par la porte d'une PME.

Ce n'est pas un jugement, c'est la structure du marché. Et la comprendre n'est pas un exercice académique : elle vous dit qui vous servira vraiment, quels prix ont du sens à attendre, et pourquoi la pièce qui vous manque — quelqu'un qui vous mette les mains dans les processus, pas qui vous vende une licence — ne viendra pas de Mountain View. Dans cet article, nous alignons les preuves, toutes publiques et datées, et à la fin nous traçons la ligne qui relie les points.

Les géants ne vous vendent pas à vous. Ils vendent à leurs intégrateurs

La première donnée est la plus solide de toutes, parce que ce n'est pas une opinion : c'est une liste d'accords annoncés, avec des noms et des dates. Chaque grand contrat entreprise des laboratoires de frontière en 2025-2026 passe par un intégrateur de systèmes ou une société de conseil — les Big Four et les GSI mondiaux — et non du laboratoire directement à l'entreprise cliente :

• Anthropic × Deloitte (octobre 2025) : Claude déployé auprès de plus de 470.000 personnes de Deloitte dans plus de 150 pays, avec un Center of Excellence dédié et 15.000 professionnels certifiés. C'est le plus grand déploiement entreprise d'Anthropic à cette date, confirmé de manière indépendante par CNBC le jour même ; la cible affichée, ce sont les secteurs régulés — services financiers, santé, sciences de la vie, services publics — pas la PME (Anthropic, octobre 2025).
• Accenture × OpenAI (décembre 2025) : « des dizaines de milliers » de personnes d'Accenture reçoivent ChatGPT Enterprise, et OpenAI remet à Accenture les playbooks d'implémentation, de sécurité et de déploiement à revendre aux clients — un mouvement entreprise intermédié par le conseil par construction (OpenAI, décembre 2025).
• Accenture × Microsoft — Forward Deployed Engineering practice (mars 2026) : « des milliers d'ingénieurs qualifiés en IA » adossés à l'IA de frontière de Microsoft, qui travaillent directement à l'intérieur des clients — un modèle de livraison à haut contact pensé uniquement pour des engagements de grande entreprise (Accenture Newsroom, mars 2026).
• Deloitte × Google Cloud/DeepMind — Agentic Transformation Practice (avril 2026) : accès anticipé aux modèles Gemini de frontière et ingénieurs forward-deployed pour les « cas d'usage les plus difficiles » des clients, avec Gemini Enterprise déjà actif pour plus de 25.000 personnes de Deloitte (montée en charge vers 100.000) ; focalisation sur le retail, la santé, les services financiers et le secteur public (Google Cloud, avril 2026).
• Accenture Federal Services × OpenAI (mai 2026) : fait passer les agences fédérales américaines du pilote à la production « mission-grade » — une focalisation sur le gouvernement et les grandes institutions (Accenture Newsroom, mai 2026).
• PwC × Anthropic (mai 2026) : Claude Code et Cowork intégrés dans la force de travail mondiale de PwC (des centaines de milliers de personnes), 30.000 certifiés ; quelques jours plus tard KPMG × Anthropic annonce le « Digital Gateway Powered by Claude » pour ses plus de 276.000 salariés. Le même reportage enregistre la série d'accords qu'OpenAI a conclus en février 2026 avec McKinsey, BCG, Accenture et Capgemini (PwC Newsroom, mai 2026).
• Capgemini × Mistral AI (alliance élargie depuis mai 2025, avec SAP et Microsoft comme partenaires supplémentaires) : plus de 50 cas d'usage préconstruits, co-développés et validés avec SAP, pour les organisations des secteurs fortement régulés — de l'automatisation du service client à la maintenance prédictive, de la détection des fraudes au résumé documentaire multilingue (Capgemini, 2025).

Et la poussée ne s'arrête pas aux Big Four occidentaux : les laboratoires eux-mêmes cherchent à servir directement les grandes entreprises, au point de concurrencer les grands intégrateurs indiens — TCS, Infosys, Wipro — sur leur propre terrain des agents IA entreprise (People Matters / Futurum Group). Une série d'accords indépendants, d'octobre 2025 à mai 2026 : ce n'est pas un cas isolé, c'est le canal. La frontière de l'IA atteint les grandes entreprises à travers un revendeur. Et un revendeur de centaines de milliers de personnes n'a, par construction, aucune offre pour l'atelier de chaudronnerie de trente salariés.

La grille tarifaire aussi vous tient à l'écart

On pourrait penser que les partenariats ne concernent que les tout premiers de la classe, et que vous pouvez de toute façon acheter par vous-même. En partie c'est vrai — il existe des offres en libre-service — mais dès que vous montez d'un cran, le produit lui-même présuppose l'échelle entreprise. Le plan Enterprise de Claude démarre à un minimum de 20 postes en libre-service, et en demande 50 si vous avez besoin du canal commercial — obligatoire uniquement pour la facturation, un customer success dédié ou un paiement dans une devise autre que le dollar (Claude Help Center). La porte n'est pas verrouillée : le seuil d'entrée est calibré pour des organisations structurées, pas pour la charpenterie de trente salariés où c'est le patron qui décide.

Mais le vrai mur, c'est le modèle de livraison. Le forward-deployed engineer — l'ingénieur que le laboratoire insère à l'intérieur du client pour faire la vraie implémentation — est, selon notre lecture, hors de portée d'une entreprise de votre taille, par le simple coût de son maintien. En mai 2026, Anthropic et OpenAI ont chacun constitué une société de déploiement dédiée, pour une dépense combinée d'environ 5,5 milliards de dollars, en partant explicitement des « marquee accounts, sociétés en portefeuille de private equity et relations entreprise existantes, pas le mid-market ni les clients régionaux » (Forbes, mai 2026). PYMNTS confirme la même direction de façon indépendante : les laboratoires déversent des milliards dans le forward-deployed engineering pour combler l'écart d'adoption entreprise — un modèle bâti autour d'équipes dédiées pour chaque grand client, pas d'un support scalable pour la PME (PYMNTS, 2026).

Lisez-le de votre côté de la table : le canal de vente passe par un intégrateur qui ne vous connaît pas, l'offre qui donne accès à un vrai accompagnement démarre à vingt postes, et le seul modèle qui vous mettrait vraiment les mains dans les processus — l'ingénieur embarqué — est ouvertement réservé à qui est assez grand pour justifier une équipe dédiée. Trois portes, toutes fermées du même côté.

Le trou se voit aussi du côté PME

Si l'écart est réel, il devrait laisser une trace jusque dans les chiffres des petites entreprises. Il la laisse. L'étude 10,000 Small Businesses Voices de Goldman Sachs constate que seulement 14 % des petites entreprises déclarent avoir pleinement intégré l'IA dans leurs opérations cœur — et la présente explicitement comme un « implementation gap », un écart d'implémentation distinct de celui d'adoption ou de sensibilisation (Goldman Sachs). Ce n'est pas qu'elles ignorent que l'IA existe : c'est qu'elles n'arrivent pas à la faire entrer dans le travail.

Et les raisons qu'elles citent sont exactement le type de problème que résout une implémentation, pas une licence : 50 % pointent des inquiétudes de confidentialité et de sécurité des données, 49 % le manque de compétence technique, 48 % la difficulté de choisir les outils, et 73 % disent qu'elles bénéficieraient de plus de formation et de ressources. Le trou, ce n'est pas l'envie d'adopter. C'est la main qui manque entre l'outil et le processus.

Notre lecture

Ici, une distinction honnête s'impose, parce que c'est le point où l'analyse devient argument. Aucune des sources citées plus haut n'affirme que « les laboratoires de frontière ignorent les PME ». Goldman Sachs documente le gap des petites entreprises, pas sa cause ; les accords avec les Big Four documentent comment les laboratoires vendent, pas qui ils excluent à dessein. La ligne qui relie les deux bords — des labos qui alimentent les grandes entreprises via GSI et forward-deployed engineers, tandis que personne ne produit une implémentation concrète pour le segment PME — est notre synthèse, le tableau qui se dégage en assemblant les preuves. Nous ne vous la vendons pas comme un fait cité.

Les laboratoires portent l'IA aux grandes entreprises à travers leurs revendeurs et des équipes d'ingénieurs réservées aux plus gros comptes ; personne, dans ce schéma, ne vend à la PME la pièce dont elle a vraiment besoin — l'implémentation, pas le playbook.

Mais une fois composé, le tableau est difficile à ne pas voir. Les deux canaux des géants — le revendeur GSI et l'ingénieur embarqué — sont structurellement fermés à une PME italienne : aucune relation avec un intégrateur mondial sur laquelle monter, aucun budget pour une équipe d'ingénieurs dédiée, et le minimum de 20 postes du plan Enterprise de Claude qui se situe déjà au-dessus de la tête de l'acheteur type. Pendant ce temps, 86 % des petites entreprises n'ont pas pleinement intégré l'IA, et les raisons qu'elles citent — compétence, choix des outils, formation — sont précisément le travail d'implémentation, pas la simple remise d'une méthode. La place vide existe. C'est juste que ceux qui construisent les modèles ne sont pas outillés pour l'occuper.

Qui le fait : l'innesto pour la PME

C'est exactement la place qu'occupe Innesti. Nous ne revendons pas de licences et nous ne vous remettons pas un PDF avec dix bonnes idées : nous faisons pour la PME ce que le forward-deployed engineer fait pour la grande entreprise — nous nous greffons dans le processus, la main dans le travail, et nous portons l'IA à l'intérieur des opérations jusqu'à ce qu'elle tourne vraiment. C'est le même modèle à haut contact que les laboratoires réservent aux « marquee accounts », ramené à l'échelle, aux délais et au prix d'une entreprise de trente personnes. Appelez cela une greffe : une intervention qui prend sur le processus existant, pas une nouvelle installation à apprendre de zéro.

Si cette lecture du marché vous parle, la bonne façon de la vérifier n'est pas en paroles mais sur vos processus. Deux articles frères aident à cadrer le choix : consultant, formation ou playbook — lequel a du sens pour une PME (pourquoi le consultant coûteux est souvent impraticable, et ce qui change avec une implémentation embarquée) et comment évaluer la fiabilité d'un fournisseur IA/SaaS (quoi demander sur la sécurité et les données avant de vous lier à quiconque). Le premier vous dit qui il vous faut ; le second à qui faire confiance ; celui-ci, pourquoi la pièce qui vous manque ne viendra pas des géants.

Le premier pas concret, nous en avons fait une évaluation en libre-service et gratuite : quelques questions, et une indication sur le processus qu'il est sensé d'automatiser en premier, avec quels résultats réalistes. Faites l'évaluation d'AI-readiness — puis, si le tableau a du sens pour vous aussi, nous en parlons et nous regardons ensemble où faire la greffe.

Cet article a une visée d'orientation et ne constitue pas un conseil. Les données citées — les accords des laboratoires de frontière avec les sociétés de conseil, le minimum de 20 postes du plan Enterprise de Claude, les quelque 5,5 milliards de dépense des sociétés de déploiement d'Anthropic et d'OpenAI, les 14 % de petites entreprises ayant pleinement intégré l'IA et les raisons associées — proviennent des sources indiquées dans le texte (Anthropic, CNBC, OpenAI, Accenture, Google Cloud, PwC, Capgemini, People Matters, Claude Help Center, Forbes, PYMNTS, Goldman Sachs) et reflètent des données à jour en juillet 2026 : elles doivent être revérifiées sur les sources originales avant d'y fonder une décision. La thèse selon laquelle la PME reste structurellement non servie par ce marché est notre lecture des preuves, pas une affirmation attribuée à l'une des sources citées.