Les entreprises connaissent les dépendances créées par les plateformes numériques. Les places de marché contrôlent une partie de leur accès aux clients, les moteurs de recherche conditionnent leur visibilité et les fournisseurs cloud hébergent des fonctions indispensables à leurs activités. Ces relations procurent des avantages économiques considérables, mais elles soumettent également les entreprises aux décisions d’acteurs extérieurs.
Une étude publiée en 2026 par V. N. Suyazov, portant sur 45 petites entreprises russes, examine les mécanismes permettant de réduire leur dépendance aux places de marché. Elle souligne notamment l’intérêt de diversifier les canaux commerciaux et de développer des actifs numériques propres. Malgré les limites de son échantillon, elle pose une question économique pertinente : comment bénéficier des ressources d’une plateforme sans compromettre sa liberté stratégique ?
L’intégration de l’intelligence artificielle dans les entreprises donne une autre dimension à cette question. Lorsque des systèmes fournis par OpenAI, Google, Anthropic ou d’autres acteurs interviennent directement dans les processus métier, la dépendance peut s’étendre aux méthodes de travail, aux compétences internes et aux capacités de décision. Une organisation peut alors rencontrer des difficultés à remplacer un fournisseur sans devoir reconstruire une partie de son fonctionnement.
1. L’intégration de l’IA déplace la dépendance au cœur des processus métier
L’utilisation ponctuelle d’un outil d’IA crée généralement une dépendance limitée. Un salarié peut changer d’assistant rédactionnel sans modifier profondément son activité. La situation évolue lorsque l’IA participe directement à l’exécution d’un processus métier.
Prenons le cas d’une entreprise qui automatise progressivement le traitement des demandes clients. Un modèle analyse les messages entrants, identifie les intentions, consulte les données commerciales et propose des réponses. Certaines demandes sont traitées automatiquement ; les autres sont transmises aux équipes concernées.
Pour obtenir des gains de productivité, l’entreprise adapte son organisation. Elle modifie ses procédures, redistribue les responsabilités et ajuste les interfaces entre ses applications. Le système d’IA devient progressivement une composante du processus opérationnel. Son remplacement suppose alors de préserver les fonctions qu’il assure et les interactions qu’il entretient avec les autres ressources de l’entreprise.
Cette intégration constitue précisément l’une des sources de la valeur économique. Une IA cantonnée à des usages périphériques dispose généralement d’un potentiel d’amélioration plus limité qu’un système capable d’intervenir dans une chaîne complète d’activités.
L’entreprise doit donc arbitrer entre les gains procurés par l’intégration et les interdépendances qui en résultent.
Le cadre de gestion des risques de l’intelligence artificielle publié par le NIST prend en compte cette dimension organisationnelle. Il prévoit notamment l’identification des risques liés aux composants fournis par des tiers, la définition des responsabilités humaines et l’organisation des mesures permettant de gérer les défaillances. La maîtrise d’un système dépend de son environnement opérationnel et des capacités de l’organisation qui l’utilise.
Une entreprise peut ainsi disposer de plusieurs modèles techniquement interchangeables sans que ses processus soient suffisamment indépendants pour passer facilement de l’un à l’autre. La distinction devient particulièrement importante lorsque l’IA intervient dans des fonctions critiques.
Un changement de fournisseur peut affecter les règles d’escalade, les contrôles qualité, les délais de traitement ou les décisions prises automatiquement. Même si le nouveau modèle remplit des fonctions similaires, ses résultats peuvent différer suffisamment pour imposer une révision des procédures.
La dépendance doit donc être évaluée au niveau de la fonction exercée, en tenant compte de son importance opérationnelle et de ses conditions de remplacement.
2. Le coût du changement de fournisseur devient un coût de réorganisation
La concurrence entre fournisseurs d’IA pourrait laisser penser que la dépendance demeure limitée. Les entreprises disposent de plusieurs modèles performants, accessibles par API, et peuvent développer des architectures capables d’interroger différents services.
Cette possibilité technique constitue un avantage réel. Elle ne garantit cependant pas une substitution économiquement acceptable.
Dans une enquête publiée par IBM en juin 2026, 71 % des 1 000 dirigeants interrogés déclarent qu’il leur serait difficile de remplacer leur principal fournisseur ou modèle d’IA. Par ailleurs, 91 % indiquent ne pas comprendre complètement les dépendances de leur organisation à l’égard des fournisseurs, des modèles et des infrastructures.
L’enquête, réalisée dans 16 pays et 17 secteurs, repose sur les déclarations des participants. Elle ne mesure pas directement les coûts réels d’une migration. Elle suggère néanmoins que la multiplication des solutions disponibles ne se traduit pas automatiquement par une plus grande liberté de choix.
Le coût d’un changement de fournisseur dépasse les dépenses techniques associées aux interfaces, aux données et aux infrastructures. Il comprend également la validation des performances du nouveau système. Deux modèles peuvent obtenir des résultats comparables sur des évaluations générales tout en présentant des différences importantes dans un contexte métier particulier. Une entreprise qui automatise le traitement de documents contractuels devra, par exemple, vérifier que le nouveau modèle respecte ses exigences de précision, de confidentialité et de traçabilité.
À ces vérifications s’ajoutent les adaptations organisationnelles. Les équipes ont appris à travailler avec un système donné, les procédures intègrent ses caractéristiques et certaines responsabilités ont été redistribuées. Une migration peut nécessiter une nouvelle formation, la révision des contrôles et une période de fonctionnement parallèle. Ces coûts doivent être rapportés aux avantages attendus du changement.
Un concurrent peut proposer des tarifs inférieurs ou des performances supérieures sans que la migration soit immédiatement rentable. L’entreprise peut alors conserver une solution devenue moins compétitive parce que son remplacement coûterait davantage que les économies envisageables.
Le cadre réglementaire européen cherche à réduire certaines contraintes. Le Data Act prévoit notamment des obligations destinées à faciliter le changement de fournisseur de services de traitement de données. Dans le périmètre de ces dispositions, les frais de changement de fournisseur devront disparaître à partir du 12 janvier 2027.
Ces mesures peuvent réduire certains obstacles contractuels et techniques. Elles ne s’appliquent toutefois pas indistinctement à tous les services d’IA et ne suppriment pas les dépenses internes nécessaires à la réorganisation des activités.
La réversibilité possède donc deux dimensions : la possibilité technique de remplacer une ressource et la capacité économique de supporter les conséquences de ce remplacement.
3. La perte de maîtrise interne est un risque plus important
Les coûts de migration restent relativement accessibles à l’analyse économique. Les entreprises peuvent estimer les investissements nécessaires, mesurer les délais de transition et comparer plusieurs scénarios.
La transformation des compétences internes est plus difficile à appréhender. Lorsqu’une organisation confie progressivement une activité à l’IA, elle modifie la répartition du travail entre les salariés et les systèmes automatisés. Certaines tâches deviennent moins fréquentes, tandis que d’autres prennent davantage d’importance.
Cette évolution peut améliorer la productivité et favoriser l’apprentissage. Dans une étude publiée en 2025 dans le Quarterly Journal of Economics, Erik Brynjolfsson, Danielle Li et Lindsey Raymond analysent le déploiement progressif d’un assistant d’IA auprès de 5 172 agents de support client. Ils observent une augmentation moyenne de 15 % du nombre de demandes résolues par heure, avec des gains particulièrement importants chez les salariés les moins expérimentés.
Les chercheurs relèvent également des indices d’apprentissage durable. Certains collaborateurs conservent une partie des gains de productivité acquis lorsque les recommandations de l’IA deviennent temporairement indisponibles. Ces résultats montrent que l’assistance algorithmique peut contribuer au développement des compétences humaines. Ils ne permettent cependant pas de généraliser cet effet à toutes les activités ni à toutes les formes d’automatisation.
La question devient plus délicate lorsque les salariés interviennent moins fréquemment dans l’exécution des tâches et se concentrent sur la validation des résultats. Une étude de Microsoft Research et de l’université Carnegie Mellon publiée en 2025 apporte un éclairage complémentaire. À partir d’une enquête auprès de 319 travailleurs du savoir, les chercheurs constatent qu’une confiance plus élevée dans l’IA est associée à une moindre mobilisation déclarée de la pensée critique.
Ils observent également une transformation de cette activité intellectuelle, davantage orientée vers la vérification des informations, l’intégration des résultats et la supervision des tâches. Cette enquête ne démontre pas une diminution durable des capacités cognitives. Elle suggère toutefois que les conditions d’utilisation de l’IA influencent la manière dont les individus mobilisent leurs compétences.
À l’échelle de l’entreprise, cette transformation soulève une question supplémentaire : que deviennent les compétences nécessaires pour réaliser une activité lorsque son exécution quotidienne est progressivement confiée à un système externe ?
Une recherche publiée dans Management Science en juillet 2026 apporte des éléments sur l’évolution de la demande de compétences. En analysant les offres d’emploi de 1 820 entreprises américaines cotées autour du lancement de ChatGPT, les auteurs constatent une diminution relative de la demande pour certaines compétences d’organisation du travail, notamment la division des tâches, le contrôle et le traitement des exceptions opérationnelles.
D’autres compétences, comme la répartition des tâches et la résolution des conflits, présentent une plus grande stabilité. Ces résultats concernent les intentions de recrutement, observées sur une période limitée. Ils ne prouvent ni une disparition effective des compétences ni une perte de maîtrise des entreprises. Ils indiquent néanmoins que l’IA peut modifier les capacités humaines que les organisations cherchent à développer ou à mobiliser. Le risque stratégique apparaît si cette évolution conduit à négliger des compétences devenues moins sollicitées dans le fonctionnement quotidien, mais toujours indispensables en situation exceptionnelle.
Imaginons une entreprise qui automatise une grande partie de ses analyses financières. Les équipes gagnent du temps et peuvent se concentrer sur des décisions plus complexes. Cependant, si l’organisation réduit simultanément les occasions de pratiquer l’analyse fondamentale, certains collaborateurs pourraient progressivement perdre la capacité de reconstituer indépendamment les raisonnements produits par les modèles.
En cas d’erreur systématique, de changement de fournisseur ou de défaillance du service, l’entreprise disposerait toujours de ses données et de ses outils, mais rencontrerait des difficultés pour reprendre l’activité concernée. Ce scénario illustre un mécanisme plausible, dont l’ampleur et la fréquence restent à établir empiriquement.
Il fait apparaître une distinction stratégique : une compétence peut devenir moins nécessaire à l’exécution quotidienne d’une activité tout en restant indispensable à sa supervision et à sa reprise. Les conséquences dépassent la gestion des effectifs.
Une entreprise qui conserve des capacités internes d’évaluation peut comparer plusieurs fournisseurs, contester leurs résultats et modifier ses procédures. Une organisation qui ne possède plus ces compétences dépend davantage des informations et des diagnostics fournis par ses prestataires. La dépendance opérationnelle peut alors s’étendre à l’exercice du jugement stratégique.
Inversement, une entreprise qui utilise l’IA pour renforcer la formation, documenter ses méthodes et développer les capacités de supervision de ses équipes peut accroître simultanément sa productivité et son autonomie. Le résultat dépend donc des choix d’organisation du travail et des compétences conservées ou développées parallèlement à l’automatisation.
4. Préserver des alternatives crédibles sans multiplier inutilement les fournisseurs
La diversification des fournisseurs peut réduire certains risques de dépendance. Elle évite notamment qu’une entreprise soit entièrement exposée aux décisions commerciales, techniques ou contractuelles d’un seul acteur. Mais multiplier les fournisseurs n’améliore pas nécessairement la résilience.
Une architecture utilisant plusieurs modèles peut introduire des coûts supplémentaires d’intégration, de maintenance et d’évaluation. Elle peut également multiplier les interfaces de sécurité et compliquer l’attribution des responsabilités.
Une entreprise qui répartit ses activités entre plusieurs fournisseurs sans disposer des compétences nécessaires pour superviser leurs résultats ne bénéficie pas nécessairement d’une autonomie supérieure à celle d’une organisation utilisant un fournisseur principal dont elle maîtrise les conditions de substitution.
Le choix dépend de la criticité des fonctions concernées et des conséquences d’une éventuelle interruption. Pour une activité périphérique, une indisponibilité temporaire peut être acceptable. Les gains économiques procurés par un fournisseur spécialisé peuvent alors justifier une dépendance importante.
Pour une fonction indispensable à la continuité des opérations, les conséquences d’une interruption peuvent imposer des exigences plus élevées : solution alternative éprouvée, procédures documentées, compétences internes disponibles et possibilité de revenir temporairement à un fonctionnement moins automatisé.
Cette distinction conduit à évaluer la substituabilité effective des ressources. Une alternative crédible doit être disponible, fournir des performances suffisantes, respecter les contraintes réglementaires et pouvoir être mobilisée dans des délais compatibles avec les exigences opérationnelles. Son coût doit également rester acceptable au regard des conséquences d’une interruption ou d’une dégradation du service.
Le maintien de deux fournisseurs opérationnels peut ainsi être rationnel pour une fonction critique. Reproduire cette architecture pour chaque usage secondaire de l’IA risque simplement d’augmenter les dépenses.
Le même raisonnement s’applique aux compétences internes. Conserver toutes les expertises nécessaires à la reproduction intégrale des capacités d’un fournisseur spécialisé serait généralement coûteux et peu réaliste. Certaines connaissances doivent néanmoins rester disponibles pour permettre à l’entreprise de définir ses exigences, d’évaluer les résultats et d’organiser une transition.
Le guide opérationnel du NIST consacré à la gestion des risques de l’IA recommande notamment d’examiner les solutions alternatives, y compris non automatisées, et de prévoir les ressources nécessaires à leur mise en œuvre.
Pour les dirigeants, ces principes devraient être traduits en critères d’investissement. Avant d’intégrer un système d’IA à une fonction critique, l’entreprise devrait pouvoir estimer le coût d’une interruption, la durée nécessaire pour remplacer le fournisseur et les compétences indispensables à la continuité de l’activité.
Ces éléments doivent ensuite être réévalués lorsque le périmètre d’automatisation évolue. La réversibilité ne constitue pas une propriété définitivement acquise au moment de la signature d’un contrat. Elle peut se dégrader à mesure que les processus accumulent des adaptations spécifiques et que les compétences internes se transforment.
Une entreprise peut ainsi conserver une architecture techniquement portable tout en perdant progressivement sa capacité organisationnelle à changer de fournisseur. Des tests périodiques de substitution permettraient d’évaluer cette capacité dans des conditions proches de la réalité. Ils offriraient une information plus utile qu’une simple déclaration de compatibilité technique.
5. Ce que les dirigeants doivent encore contrôler
L’intégration de l’IA modifie les frontières de l’entreprise. Des activités autrefois réalisées entièrement en interne peuvent désormais dépendre de capacités externes, accessibles à la demande et continuellement améliorées par leurs fournisseurs.
Cette transformation peut produire des gains économiques substantiels. Internaliser l’ensemble de ces capacités reviendrait souvent à renoncer aux avantages de la spécialisation et des économies d’échelle. Une forte dépendance technologique peut donc correspondre à une décision rationnelle lorsque les bénéfices obtenus excèdent les coûts et les risques associés.
L’IA ajoute aux arbitrages traditionnels la capacité de l’entreprise à conserver une maîtrise intellectuelle et organisationnelle des fonctions qu’elle délègue.
Renaud JOLY
Cette maîtrise ne nécessite pas de reproduire le travail des modèles. Elle suppose de comprendre les objectifs poursuivis, de pouvoir évaluer les résultats et de conserver les compétences nécessaires pour modifier les procédures lorsque les circonstances l’exigent. Elle impose également de distinguer les capacités opérationnelles qui peuvent être achetées de celles qui conditionnent la liberté de décision future.
Une entreprise peut accepter une dépendance importante lorsqu’elle en comprend les conséquences et dispose de moyens crédibles pour y répondre. Le risque devient plus préoccupant lorsqu’elle ne sait plus précisément quelles fonctions dépendent d’un fournisseur, comment elles pourraient être transférées et qui serait capable d’en reprendre le contrôle.
Les investissements dans l’IA devraient donc être examinés selon deux horizons :
- les gains de productivité attendus
- les capacités organisationnelles que l’entreprise conservera après plusieurs années d’utilisation.
Cette seconde dimension mérite d’être intégrée aux décisions d’architecture, de formation et d’externalisation, car elle détermine en partie les possibilités d’adaptation futures. Une entreprise qui conserve les moyens d’évaluer ses systèmes, de faire évoluer ses processus et de remplacer ses ressources critiques peut bénéficier d’une forte intégration technologique sans compromettre nécessairement son autonomie stratégique.