> ## Content Index > Fetch the complete content index at: https://jppoisson.com/llms.txt > Use this file to discover other available public pages before exploring further. # Le dernier kilomètre de l’IA ressemble à du consulting. OpenAI et Anthropic veulent le posséder. - URL: https://jppoisson.com/ligne-de-fracture/dernier-kilometre/ - Published: 2026-05-13T18:20:50.000Z - Updated: 2026-08-27T01:14:33.000Z - Description: Le lancement récent de la OpenAI Deployment Company a été rapidement résumé comme une offensive contre les cabinets de conseil. - Author: Jean-Philippe Poisson - Tags: Marché, #ligne-de-fracture, #illustration-systeme Le lancement récent de la OpenAI Deployment Company a été rapidement résumé comme une offensive contre les cabinets de conseil. Même lecture pour Anthropic, qui lance une société de services IA avec Blackstone, Hellman & Friedman et Goldman Sachs. La tentation est évidente : OpenAI et Anthropic auraient décidé de “faire du McKinsey”. Je pense que cette lecture est trop simple. Le sujet n’est pas que les labs IA veulent devenir des cabinets de conseil. Le sujet est plus profond : ils ont compris que la valeur enterprise de l’IA ne se capture pas au moment où le modèle répond. Elle se capture au moment où le modèle transforme réellement un workflow. Et ce moment-là, historiquement, appartenait aux cabinets de conseil, aux intégrateurs et aux grandes machines de transformation. En bref : - OpenAI et Anthropic ne lancent pas seulement des services professionnels. Ils essaient de contrôler le dernier kilomètre entre capacité IA et impact opérationnel. - La vraie bataille ne se joue pas sur les slides. Elle se joue sur les workflows, les permissions, les données, les evals, la conduite du changement et la boucle produit. - Les cabinets ne sont pas simplement menacés. Ils sont partenaires, investisseurs, distributeurs, concurrents potentiels et, parfois, financeurs de leur propre recomposition. - Le vrai sujet pour le consulting n’est donc pas : “les labs vont-ils remplacer McKinsey ?” Le vrai sujet est : quelle part de la chaîne de valeur du conseil reste défendable quand le modèle, le capital, le talent déployé et la boucle produit commencent à se rapprocher ? ### La mauvaise lecture : “OpenAI veut tuer McKinsey” OpenAI a annoncé la création de la OpenAI Deployment Company, une société destinée à aider les organisations à construire et déployer des systèmes IA fiables dans leur travail quotidien. L’annonce inclut l’acquisition de Tomoro, une firme d’AI consulting et d’engineering, qui apporte environ 150 Forward Deployed Engineers et deployment specialists dès le départ. La nouvelle entité est majoritairement détenue et contrôlée par OpenAI, avec plus de 4 milliards de dollars d’investissement initial. Parmi les investisseurs figurent aussi Bain & Company, Capgemini et McKinsey & Company. C’est précisément ce dernier point qui rend la lecture “OpenAI contre McKinsey” insuffisante. McKinsey est à la fois partenaire d’OpenAI, investisseur dans le véhicule, expert du change management, canal de transformation auprès des directions générales, et acteur exposé à la désintermédiation d’une partie du delivery IA. Ce n’est pas une guerre simple. C’est une recomposition. Quelques semaines plus tôt, OpenAI avait déjà annoncé ses Frontier Alliances avec McKinsey, BCG, Accenture et Capgemini. Le rôle assigné à ces acteurs est très clair : aider les entreprises à passer des pilotes à la production, déployer des “AI coworkers”, redessiner les operating models, intégrer les agents dans les workflows, gérer la gouvernance et conduire l’adoption. OpenAI présente McKinsey et BCG comme les partenaires de la stratégie, de l’operating model et du change management ; Accenture et Capgemini comme les partenaires de l’intégration end-to-end, des systèmes, de la donnée, de la sécurité et de l’exploitation. McKinsey formule la même idée dans son alliance avec OpenAI : il ne s’agit pas seulement d’identifier des cas d’usage, mais de construire et déployer des solutions agentiques product-grade, puis de redessiner les workflows pour soutenir l’adoption et l’impact. L’ambition affichée est d’industrialiser le passage de la priorisation à des déploiements sécurisés et gouvernés “en semaines, pas en mois”. Autrement dit, les labs IA ne découvrent pas le conseil par hasard. Ils découvrent que le dernier kilomètre de l’IA d’entreprise ressemble énormément à ce que le conseil vend depuis des décennies : choisir les bons problèmes, transformer des organisations, sécuriser l’exécution, installer de nouvelles routines, mesurer l’impact et rendre le changement acceptable. La différence, c’est que cette fois, le modèle est dans la boucle. ### Pourquoi les labs ont besoin du consulting Il y a une raison simple à ce mouvement. Le modèle ne suffit pas. C’est probablement la leçon la plus importante des dix-huit derniers mois d’IA enterprise. McKinsey indique que 88 % des répondants à son enquête 2025 déclarent une utilisation régulière de l’IA dans au moins une fonction. Mais la majorité des organisations reste encore au stade expérimentation ou pilote, avec environ un tiers seulement qui dit avoir commencé à scaler l’IA. Sur les agents IA, 23 % déclarent scaler un système agentique quelque part dans l’entreprise, et 39 % expérimenter. Dans aucune fonction individuelle, plus de 10 % des répondants ne disent scaler des agents. Ce chiffre est plus important qu’il n’en a l’air. Il dit que l’accès à l’IA est en train de se banaliser, mais que la capacité à la convertir en système opérable reste rare. OpenAI arrive à un constat proche dans son propre rapport enterprise. L’entreprise note que la valeur économique des technologies généralistes apparaît lorsque les firmes traduisent les capacités sous-jacentes en cas d’usage scalés. Elle indique aussi que les messages hebdomadaires dans ChatGPT Enterprise ont été multipliés par environ huit en un an, et que l’usage de workflows structurés comme Projects et Custom GPTs a augmenté 19 fois depuis le début de l’année. Le signal n’est pas seulement : les gens utilisent davantage l’IA. Le signal est : l’usage se déplace de la requête ponctuelle vers des processus plus répétables. C’est ce déplacement qui attire les labs vers le conseil. Tant que l’IA reste un outil individuel, le lab vend de l’accès. Quand l’IA devient une infrastructure de travail, le lab doit comprendre les workflows, les droits, les données, les outils, les points d’escalade, la gouvernance, les métriques, les exceptions, les habitudes d’équipe. Et là, il entre mécaniquement sur le terrain du conseil. Non parce que le conseil est glamour. Mais parce que le dernier kilomètre est sale. Il contient les systèmes hérités, les arbitrages politiques, les mauvaises données, les droits mal documentés, les processus implicites, les résistances terrain, les usages non standard, les coûts de revue, les effets de bord compliance et les responsabilités que personne ne veut porter seul. C’est là que les pilotes meurent. Et c’est là que la valeur se capture. ### Anthropic attaque un autre angle : le mid-market sous pression Le mouvement d’Anthropic est différent, mais il confirme la même thèse. Anthropic lance une nouvelle société de services IA avec Blackstone, Hellman & Friedman et Goldman Sachs. L’objectif annoncé : aider des entreprises mid-sized à intégrer Claude dans leurs opérations importantes. Des Applied AI engineers d’Anthropic doivent travailler avec l’équipe d’ingénierie de la nouvelle société pour identifier les cas d’usage, construire des solutions custom et accompagner les clients sur le long terme. Ce choix de cible est important.Les grands groupes ont déjà Accenture, Deloitte, PwC, McKinsey, BCG, Capgemini, des DSI puissantes, des data offices, des équipes transformation, des budgets et des comités de gouvernance. Le mid-market n’a pas toujours cela. Mais il a souvent autre chose : des workflows répétables, une pression forte sur la marge, moins de couches politiques, des dirigeants plus proches de l’opérationnel, et parfois un sponsor financier capable d’imposer une discipline d’exécution. Blackstone, Goldman Sachs et Hellman & Friedman ne présentent pas cette société comme une expérimentation technologique. Leur communiqué parle d’un réseau de centaines d’entreprises, de conception, construction et maintenance de déploiements IA, et d’une plateforme scalable de croissance. Goldman Sachs souligne explicitement l’idée de démocratiser l’accès aux Forward Deployed Engineers pour ses portfolio companies et des entreprises de taille similaire. C’est un point clé. Le canal n’est plus seulement la relation C-suite d’un partner. Le canal devient le capital. Pendant longtemps, les cabinets de conseil ont capturé l’accès au dirigeant par la marque, la confiance, le réseau alumni, l’expérience sectorielle et la capacité à porter des décisions difficiles. Les labs IA et les asset managers testent une autre route : propriétaire du capital, accès au portefeuille, pression de performance, déploiement technique, mesure d’impact. Ce n’est pas forcément supérieur. Mais c’est différent. Et pour certains segments, notamment les entreprises PE-backed avec des opérations suffisamment standardisables, ce modèle peut être redoutable. ### Le FDE devient une nouvelle unité rare Le consulting a longtemps reposé sur une figure centrale : le consultant capable de transformer un problème flou en structure de décision. L’IA enterprise fait émerger une autre figure : le Forward Deployed Engineer. Ce n’est pas simplement un développeur qui va chez le client. Ce n’est pas simplement un consultant qui sait coder. C’est un profil hybride, placé au point exact où le modèle rencontre l’organisation. Les offres d’emploi sont plus instructives que les communiqués de presse. OpenAI décrit ses FDEs comme des profils qui pilotent des déploiements end-to-end de modèles frontier en production, aux côtés de clients stratégiques. Ils prennent en charge la discovery, le scoping technique, le design système, la construction et le rollout. Le succès n’est pas mesuré par la qualité d’un livrable ou la satisfaction d’un comité projet. Il est mesuré par l’adoption en production, l’impact sur les workflows et le feedback eval-driven qui remonte vers les roadmaps produit et modèle. OpenAI recrute aussi des Technical Deployment Leads chargés de traduire les business outcomes en plan technique, de mapper les workflows, de piloter l’adoption, de gérer le change management, de codifier les patterns et les evals, et de produire des hypothèses de valeur, des baselines et des KPIs avant/après déploiement. Anthropic décrit de son côté des FDEs capables de travailler dans les systèmes du client, de construire des applications de production avec Claude, de livrer des artefacts techniques comme des MCP servers, des sub-agents et des agent skills, puis de codifier les patterns de déploiement réutilisables pour les remonter aux équipes Product et Engineering. Ce n’est pas le langage historique du conseil. C’est le langage du dernier kilomètre. OpenAI et Anthropic ne cherchent pas seulement des profils capables de parler IA à un Comex. Ils cherchent des profils capables de faire tenir ensemble un client, un modèle, du code, des workflows, des permissions, des evals, du change management et un déploiement réel. C’est peut-être le signal faible le plus important pour les consultants. La nouvelle rareté n’est pas seulement le jugement senior. Elle devient aussi la capacité à convertir une capacité modèle en système opérable. Dans le conseil traditionnel, beaucoup de valeur venait de la capacité à transformer l’ambiguïté en plan. Dans le conseil agentique, une partie croissante de la valeur viendra de la capacité à transformer l’ambiguïté en système qui tourne. Ce glissement n’élimine pas le consultant. Il déplace son centre de gravité. Et si j’étais aujourd’hui consultant MBB avec l’ambition de rester au cœur de la transformation du consulting, c’est probablement ce type de rôle que je regarderais. Pas parce qu’il serait plus prestigieux. Mais parce qu’il est placé exactement au point de friction. Là où la promesse rencontre les permissions. Là où le prototype doit devenir un workflow. Là où le modèle doit composer avec les systèmes hérités, les exceptions, les droits d’accès, les contraintes métier et la réalité politique d’une organisation. Là où le client cesse de demander une vision et commence à demander une capacité opérable. Le consultant traditionnel a été formé à rendre une recommandation claire. Le FDE est formé à rendre une capacité réelle. Ce n’est pas une substitution parfaite. Mais c’est probablement l’un des déplacements les plus importants dans la chaîne de talent du consulting IA. La valeur ne sera plus seulement dans la capacité à structurer une recommandation. Elle sera dans la capacité à la relier à un système, un workflow, des evals, des droits d’accès, une adoption réelle et une boucle produit. C’est là que la sélection change. Pas dans le discours. Dans les compétences que le marché commence à payer. ### La bataille n’est pas le service. C’est la boucle produit. Il serait facile de dire : les labs lancent des services parce que le marché enterprise demande de l’accompagnement. C’est vrai. Mais ce n’est qu’une partie de l’histoire. La vraie question économique est : pourquoi un lab IA voudrait-il faire une activité qui ressemble à du consulting, donc potentiellement moins scalable et moins margée que le software ? La réponse tient dans la boucle produit. Un cabinet de conseil apprend dans ses équipes, ses méthodologies, ses assets, ses knowledge bases, ses partners, ses revues de mission. Un lab IA peut apprendre ailleurs : dans les patterns d’intégration, les evals, les failures, les tool calls, les besoins de permissions, les cas limites, les workflows récurrents, les frictions d’adoption, les demandes de gouvernance, les architectures qui tiennent et celles qui cassent. OpenAI le dit presque explicitement dans ses offres FDE : le feedback terrain doit changer les roadmaps produit et modèle. Anthropic le dit aussi : les FDEs doivent identifier et codifier les patterns répétables, puis contribuer ces insights aux équipes Product et Engineering. C’est là que la menace devient asymétrique. Un cabinet peut faire une mission IA. Un lab peut transformer chaque mission IA en amélioration de son produit. Et si cette boucle fonctionne, le delivery n’est plus seulement un centre de coût ou une ligne de services. Il devient un capteur de roadmap. C’est très différent du consulting classique. Le consulting historique a toujours tenté de capitaliser ses expériences. Mais cette capitalisation restait largement humaine, documentaire, méthodologique, commerciale. Dans un modèle agentic-native, la capitalisation peut devenir logicielle. Un pattern de QA devient un outil. Un problème d’accès devient une capacité de permissions. Un workflow récurrent devient un template. Une faille d’évaluation devient une suite d’evals. Un bloc de delivery devient un composant réutilisable. C’est cela que les cabinets doivent regarder. Pas le communiqué. La boucle. ### Les cabinets ne sont pas immobiles Il faut éviter une autre erreur : croire que les cabinets installés regardent le mouvement sans réagir. Accenture a déjà transformé l’IA en ligne de croissance majeure. En FY2025, l’entreprise publie 69,7 milliards de dollars de revenus, 80,6 milliards de dollars de new bookings, 5,9 milliards de dollars de generative AI new bookings et une marge opérationnelle ajustée de 15,6 %. Accenture a aussi annoncé avec Anthropic un business group dédié, environ 30 000 professionnels formés à Claude, l’accès de dizaines de milliers de développeurs à Claude Code, et des offres pour des secteurs régulés comme la finance, la santé, les life sciences et le secteur public. Anthropic rappelle lui-même que ses partenariats avec Accenture, Deloitte, PwC et les autres intégrateurs sont une voie centrale pour atteindre les plus grandes entreprises. Donc la question n’est pas : les cabinets vont-ils rater l’IA ? Beaucoup ne la ratent pas. La question est plus précise : quelle part de la valeur vont-ils garder lorsque les labs possèdent à la fois le modèle, la plateforme, les FDEs, le feedback produit, les evals, et parfois le canal via les asset managers ? C’est là que la tension apparaît. Dans le modèle historique, le cabinet contrôle la traduction entre ambition stratégique et transformation. Dans le modèle qui émerge, le lab veut contrôler la traduction entre intelligence modèle et opération réelle. Ces deux traductions se recouvrent de plus en plus. ### La marge du conseil entre dans une zone plus instable Le sujet est aussi économique. Pas seulement technologique. Axios rapporte que la OpenAI Deployment Company est lancée avec 4 milliards de dollars d’investissement à une valorisation pré-money de 10 milliards, avec OpenAI gardant le contrôle majoritaire. Axios indique aussi, en information non présente dans l’annonce officielle d’OpenAI, que les investisseurs bénéficieraient d’un rendement minimum garanti de 17,5 %, avec profits cappés. Le même article note une lecture plus cynique : Bain, Capgemini et McKinsey pourraient gagner un accès plus profond aux capacités et à la roadmap OpenAI, ou contribuer à financer leur propre désintermédiation. Il faut manier ce point avec prudence. Ce n’est pas une preuve que le consulting traditionnel serait condamné. Mais c’est un signal économique intéressant. DeployCo n’est pas une practice de conseil classique. C’est un instrument hybride : service, distribution, capital, acquisition de talents, canal enterprise, boucle produit, et potentiellement accélérateur de consommation modèle. Le cabinet facture du temps, du leverage, du savoir-faire, de la confiance et du jugement. Le lab peut capter autre chose : usage modèle, licences, consommation, lock-in workflow, amélioration produit, données d’usage agrégées, standards de déploiement, et droits futurs sur la couche d’exécution. Le vrai sujet n’est donc pas seulement la marge d’une mission IA. Le sujet est la conversion du consulting en flywheel logiciel. Dans un cabinet, une mission réussie alimente une référence client, une méthode, un partner, parfois un asset. Dans un lab, une mission réussie peut alimenter le produit lui-même. C’est cette différence qui rend la recomposition sérieuse. ### Le framework : le dernier kilomètre Pour lire ce mouvement, je trouve utile de découper le dernier kilomètre de l’IA en sept couches. La première couche est le canal. Qui possède l’accès au client ? Le partner historique ? Le cloud provider ? Le lab IA ? Le fonds de private equity ? L’intégrateur ? Le board ? Le lancement d’Anthropic avec Blackstone, H&F et Goldman Sachs montre que le canal peut être financier autant que commercial. La OpenAI Deployment Company montre que les labs ne veulent plus dépendre uniquement des intermédiaires existants. La deuxième couche est l’ICP. Toutes les entreprises ne se transforment pas de la même manière. Le Fortune 50 achète de la gouvernance, de la sécurité, du change management et du political alignment. Le mid-market PE-backed achète souvent de l’impact opérationnel mesurable, plus vite, avec moins de tolérance pour les pilotes décoratifs. La PME achète moins une transformation qu’un workflow prêt à l’emploi. La troisième couche est le workflow. Quelle partie du travail est assez répétable, observable et mesurable pour être agentifiée ? C’est là que beaucoup d’organisations surestiment la maturité de leurs processus. Un agent ne révèle pas seulement une opportunité d’automatisation. Il révèle aussi ce qui n’est pas documenté, pas stable, pas gouverné, pas mesurable. La quatrième couche est l’architecture. Qui contrôle les outils, les permissions, les contextes, les identités agents, les logs, les evals, les memory stores, les connecteurs, les fallbacks, les règles d’escalade ? Aaron Levie, CEO de Box, a résumé le problème de façon très concrète après l’annonce d’OpenAI : moderniser l’infrastructure et les données, mapper les access controls, entitlements et permissions pour les agents comme pour les humains, donner le bon contexte aux agents, maintenir des evals lors des upgrades de modèles, et conduire le changement pour décider ce que font les personnes et ce que font les agents. La cinquième couche est le talent. Le FDE devient une unité rare parce qu’il est à l’intersection du code, du client, du modèle et du delivery. Il n’est pas seulement là pour implémenter. Il est là pour apprendre ce qui est implémentable. La sixième couche est l’économie unitaire. Où la valeur est-elle capturée ? Dans les jours facturés ? Dans la consommation modèle ? Dans une licence enterprise ? Dans des services managés ? Dans une hausse d’EBIT au niveau d’une portfolio company ? Dans un produit réutilisable ? Dans un benchmark d’evals ? Dans un agent vertical ? La septième couche est la boucle de feedback. Qui transforme les déploiements en amélioration durable ? C’est peut-être la couche décisive. Parce que celui qui possède la boucle de feedback ne se contente pas de livrer une mission. Il améliore son système de production de missions. Le consulting historique capturait le dernier kilomètre entre stratégie et transformation. Les labs IA veulent capturer le dernier kilomètre entre intelligence et opération. ### Ce que cela change pour les consultants Pour des consultants, la conclusion ne devrait pas être défensive. Elle devrait être analytique. Les cabinets gardent des atouts considérables : accès aux dirigeants, confiance, expertise sectorielle, compréhension des coalitions internes, capacité à porter des décisions difficiles, sens du timing politique, expérience des transformations longues, crédibilité auprès des boards. OpenAI et Anthropic ne remplacent pas cela par décret. Mais ils attaquent une couche qui était historiquement rentable : la traduction opérationnelle. Pas toute la traduction. Pas la partie la plus politique. Pas les arbitrages de direction générale. Mais les zones où le travail devient suffisamment structurable pour être instrumenté, livré, mesuré, réutilisé et intégré à une plateforme. C’est là que le consulting doit être honnête avec lui-même. Si une partie du delivery devient agentique, la valeur ne peut plus être défendue seulement par la qualité perçue du livrable ou par le temps mobilisé. Elle doit être défendue par autre chose : le cadrage du bon problème, la maîtrise du risque, la gouvernance des agents, la mesure de la productivité nette, la preuve d’impact, la qualité des evals, la capacité à orchestrer humain et système, et la transformation de l’expérience en assets réellement réutilisables. Autrement dit, le consultant ne disparaît pas. Mais le consultant qui ne sait pas distinguer un prototype d’un système, une démo d’un workflow, un gain brut d’un gain capturable, ou un agent utile d’un risque opérationnel, va perdre de la valeur. Le livrable reste nécessaire. Mais il devient moins suffisant. ### La vraie question Il faut donc éviter le narratif spectaculaire. OpenAI et Anthropic ne vont pas “remplacer McKinsey” comme une startup remplace un SaaS trop cher. Ce n’est pas comme ça que les services professionnels se transforment. La relation de confiance, le jugement politique, la capacité à arbitrer sous contrainte et la légitimité dans une salle de direction ne disparaissent pas parce qu’un lab embauche des FDEs. Mais l’économie d’une partie du conseil change. Parce qu’une partie de ce qui était vendu comme transformation humaine peut devenir une capacité système. Parce qu’une partie de ce qui était capitalisé dans les personnes peut être capitalisée dans l’infrastructure. Parce qu’une partie de ce qui relevait du delivery artisanal peut devenir un pattern réutilisable. Parce qu’une partie de la valeur du conseil peut être capturée par celui qui possède non seulement le diagnostic, mais aussi le modèle, les outils, les evals, les intégrations, la boucle produit et le canal. C’est cela que disent les annonces d’OpenAI et d’Anthropic. Pas la fin du consulting. Pas la mort de McKinsey. Pas le remplacement du partner par un agent. Quelque chose de plus discret, et probablement plus important : le dernier kilomètre de l’IA enterprise devient une zone stratégique. Et quand une zone devient stratégique, ceux qui possèdent la technologie cherchent rarement à la laisser entièrement aux intermédiaires. La vraie question n’est donc pas : “OpenAI et Anthropic vont-ils devenir des cabinets de conseil ?” La vraie question devient : “Quelle part du consulting reste défendable quand le modèle, le capital, le canal, l’ingénierie déployée et la boucle produit commencent à appartenir au même système ?” C’est là que la prochaine bataille commence. ## Sources : OpenAI — OpenAI launches the OpenAI Deployment Company — Anthropic — Anthropic partners with Blackstone, Hellman & Friedman, and Goldman Sachs to launch enterprise AI services company — OpenAI — Frontier Alliances partners — McKinsey & Company — McKinsey and OpenAI scale AI-driven transformations with new Frontier Alliance — McKinsey QuantumBlack — The State of AI: Global Survey 2025 — OpenAI — The State of Enterprise AI 2025 — Business Insider — Experts react to OpenAI’s Deployment Company — OpenAI — Forward Deployed Engineer, OpenAI careers — OpenAI — Technical Deployment Lead, Forward Deployed Engineering, OpenAI careers — Anthropic — Forward Deployed Engineer, Applied AI, Anthropic careers — Accenture — Accenture Reports Fourth-Quarter and Full-Year Fiscal 2025 Results — Accenture — Accenture and Anthropic launch multi-year partnership to drive enterprise AI innovation and value across industries — Axios — OpenAI’s DeployCo gets private equity backing — TechCrunch — Anthropic and OpenAI are both launching joint ventures for enterprise AI services — Blackstone — Anthropic partners with Blackstone, Hellman & Friedman and Goldman Sachs to launch enterprise AI services firm —