Vous rentrez de vacances ? Ce qu’il fallait suivre cet été dans la transformation du consulting par l’IA.
Les cabinets ont continué à annoncer des partenariats, des plateformes et des offres IA. La matière utile de l’été était moins dans ces annonces que dans les signes concrets d’une évolution du métier : les profils recrutés, les outils internes, les coûts de production, la facturation, les vérifications avant publication.
La transformation du consulting par l’IA se lit désormais dans la fabrique du conseil. Une fiche de poste Accenture demande de construire des solutions agentiques sur Vertex AI, Gemini, BigQuery, Terraform et CI/CD. Bain reconstruit des logiciels de cibles M&A pour tester leur défendabilité. EY route certaines requêtes IA pour réduire sa consommation de tokens. Le WSJ suit les tensions autour de l’heure facturable. Le FT documente des rapports Big Four dont les sources ne résistent pas toujours à la vérification.
L’IA ne reste pas un thème de transformation vendu aux clients. Elle entre dans le staffing, le delivery, la marge, le pricing et la responsabilité du livrable.
À côté de ces sujets directement consulting, d’autres papiers ont avancé sur la même ligne de fond : le prix de la puissance de calcul, l’orchestration des modèles, la traçabilité des contenus produits par IA. Ils ne parlent pas toujours spécifiquement des cabinets, mais ils touchent déjà leur économie : coûts internes, choix d’architecture, qualité des livrables, responsabilité du travail remis au client.
Voici le récap utile de l’été.
Les cabinets veulent être vus comme des entreprises technologiques
Business Insider a publié le 22 août un papier sur la course des grands cabinets à devenir “AI-native”. Le texte décrit des firmes qui recrutent davantage de profils techniques et qui cherchent à vendre autre chose que des recommandations : outils, systèmes, plateformes, support continu.
Le papier cite Accenture, qui aurait ajouté près de 40 000 professionnels AI/data en deux ans, et EY, qui aurait ajouté 61 000 profils technologiques depuis 2023. KPMG US y apparaît aussi par la voix de son CEO, Tim Walsh, qui décrit le cabinet comme une entreprise technologique fournissant des services d’audit, de tax et d’advisory.
Côté recrutement, Accenture affiche un poste de “Google Agentic AI Delivery Specialist” où il faut concevoir et présenter des proofs of concept, avec Vertex AI, Gemini, BigQuery, Terraform et des pratiques CI/CD. Chez McKinsey, une offre Service Operations mentionne des services remodelés par l’IA, la GenAI et les technologies agentiques. QuantumBlack recherche des profils capables de construire des systèmes agentiques, des architectures RAG, des embeddings, des bases vectorielles, des guardrails, avec arbitrage entre qualité, latence et coût.
Une fiche de poste reste un indice, pas une statistique. Mais l’indice est cohérent : le profil recherché n’est plus seulement le consultant qui sait parler d’IA. C’est un profil capable de cadrer un workflow, comprendre l’architecture, brancher des modèles, gérer les risques, puis expliquer le résultat à un client.
Business Insider donne cependantune lecture plus prudente. Charlie Cheesman, ancien senior AI consultant chez EY, estime que l’usage dans les cabinets reste encore loin de ce qui est techniquement possible avec l’IA. La transformation est donc double : coloration tech du discours côté marché, évolution des profils côté recrutement, mais usage réel encore inégal.
Bain "vibe code" les logiciels qu’il évalue
Le papier du FT sur Bain est l’un des plus concrets de l’été.
Bain utilise le “vibe coding” dans certaines due diligences private equity. Des consultants recréent rapidement des morceaux de logiciels appartenant à des entreprises que leurs clients envisagent d’acheter. Ces répliques servent à tester la difficulté à reproduire le produit et à comprendre où se situe l’avantage de la cible.
Rebecca Burack, responsable mondiale de la pratique private equity de Bain, explique au FT que ces prototypes aident à voir ce qu’un logiciel peut faire, comment il s’insère dans la chaîne de valeur, et si le code constitue réellement la partie défendable du business.
Selon le FT, la pratique a commencé en 2023 dans une équipe dédiée de software engineers. Elle serait maintenant utilisée par des consultants plus généralistes. Bain aurait déjà produit des centaines de prototypes dans ce cadre.
Le FT cite un cas où un investisseur private equity aurait renoncé à enchérir sur une plateforme d’analytics après qu’une réplique construite par Bain a contribué à remettre en question la défendabilité du produit. La due diligence logicielle prend ici une forme très directe : reconstruire une partie de ce que l’on s’apprête à acheter.
Accenture met le mid-market sous format Edge
Accenture a lancé Accenture Edge en juin. La cible est précise : entreprises de 300 millions à 3 milliards de dollars de revenus annuels. Le groupe évalue ce marché à 240 milliards de dollars, avec une croissance attendue “high single digits”.
Accenture présente Edge comme une activité dédiée, avec des solutions préconstruites, “platform-led” et “ready-to-deploy”. Les plateformes citées couvrent notamment AWS, Google, Microsoft, Oracle, Salesforce, SAP et Workday. Le communiqué insiste sur des offres pensées pour des entreprises qui rencontrent des sujets proches des grands groupes — legacy tech, cyber, IA, productivité — avec moins de ressources internes et des cycles de décision différents.
Dans son call investisseurs Q3 FY2026, Julie Sweet replace Edge dans une logique de segment : Accenture regarde les entreprises de 300 millions à 3 milliards de dollars de revenus comme un marché distinct, avec des solutions plus adaptées à leur taille.
La nouveauté n’est pas l’existence d’une offre IA. Accenture prend une partie de son savoir-faire grands comptes et l’emballe pour un marché où la mission entièrement sur mesure n’est pas toujours le format naturel.
Le WSJ suit la remise en cause de l’heure facturable
Le Wall Street Journal a consacré un papier à la tarification des cabinets. Le journal rapporte qu’un dirigeant de Deloitte a présenté, lors d’un town hall interne, une projection dans laquelle le conseil traditionnel fondé sur le temps humain facturé représenterait une part plus faible du marché des professional services d’ici 2035. Les agents IA y occuperaient une place plus importante.
Le WSJ décrit deux modèles qui reviennent dans les discussions : fixed fee et outcome-based pricing. Le premier fixe un prix pour un périmètre défini. Le second lie une partie des honoraires à des résultats convenus avec le client.
Le journal détaille aussi les contraintes : revenus moins prévisibles, cash-flow plus difficile à gérer, désaccords possibles sur l’attribution des résultats, contrôle qualité lorsque l’IA produit une partie du travail, habitudes d’achat encore attachées à la comparaison heures x taux.
La facture au temps ne disparaît pas dans l’article. Elle devient plus difficile à maintenir comme référence unique dès lors qu’une partie de la production est accélérée par l’IA.
EY commence à gérer ses tokens comme un coût de production
Business Insider a publié fin juillet un papier sur un dispositif interne d’EY. Le cabinet a déployé en avril un routeur IA derrière certaines plateformes spécialisées, notamment tax et risk. Le système oriente les requêtes vers le modèle jugé suffisant, au lieu d’utiliser systématiquement le modèle le plus puissant.
Dan Diasio, global consulting AI leader d’EY, explique à BI que le routeur est invisible pour l’utilisateur. Le dispositif ne concerne pas le chatbot Copilot utilisé plus largement par les salariés.
EY dit avoir réduit sa consommation de tokens de 60 % depuis le déploiement du routeur, avec la formation et d’autres mécanismes de gouvernance. Business Insider rattache ce sujet à une enquête EY US publiée en juillet : 82 % des dirigeants interrogés dans des entreprises investissant dans l’IA déclarent se préoccuper de la consommation de tokens et des coûts associés.
Dans un cabinet, ce point devient vite économique. Une plateforme IA interne n’est pas seulement un outil de productivité. Elle a un coût variable, un choix d’architecture, une politique d’accès, des arbitrages entre performance et prix.
Wall Street commence à donner un prix au compute
Les Echos ont consacré un papier à la financiarisation de la puissance de calcul. Le sujet dépasse le conseil, mais il rejoint directement les discussions sur les plateformes IA internes, les agents, les routeurs et les coûts de tokens.
CME Group et Silicon Data ont annoncé en mai le lancement prévu de contrats futures sur le compute. CME explique que la croissance de l’IA transforme la capacité de calcul en coût critique pour les entreprises, et que ces contrats doivent permettre de mieux gérer la volatilité des prix. En août, CME a précisé une date de lancement prévue au 5 octobre, sous réserve de validation réglementaire.
ICE et NATIVX ont annoncé de leur côté des contrats futures sur le compute GPU fondés sur un indice de compute normalisé par l’énergie. Le communiqué met explicitement en relation prix du GPU, connectivité et énergie.
Pour un cabinet qui construit des systèmes IA internes ou des offres packagées autour d’agents, le compute n’est plus un détail d’infrastructure. Il devient une composante du coût de production. Le sujet reste encore financier, mais il prépare un changement plus large : le prix du delivery IA dépendra aussi de marchés de capacité, d’énergie, de routage et d’allocation.
L’orchestration remonte dans la pile de valeur
Le Grand Continent a publié fin juillet une réponse à l’Opération Prométhée, sous le titre “Pourquoi l’IA c’est Thémis plutôt que Prométhée”. Le texte oppose plusieurs scénarios d’évolution des modèles, puis insiste sur les actifs à construire quelle que soit l’issue : énergie, foncier raccordé, flotte d’inférence, compétences d’entraînement, évaluation, orchestration.
La section sur l’orchestration concerne directement les entreprises de services. Les auteurs désignent par ce terme les systèmes qui relient les modèles aux données et aux processus des organisations : mémoire, permissions, certification des résultats, arbitrage des tâches selon leur coût ou leur complexité.
Le texte cite OpenRouter comme exemple de valorisation de cette couche et mentionne des routeurs multi-modèles capables de sélectionner la solution la plus économique pour chaque requête. Il rappelle aussi une limite : l’interchangeabilité fonctionne mieux sur les tâches courantes que sur les workflows autonomes les plus exigeants.
Pour les cabinets, cette distinction est familière. La valeur ne dépend pas seulement du modèle choisi, mais de l’intégration dans les données, les droits d’accès, les processus métier, la revue humaine et les contraintes du client.
Le watermarking ne règle pas la vérification
Le Grand Continent a aussi publié un entretien avec Scott Aaronson, qui avait travaillé chez OpenAI sur le watermarking des LLM avant le lancement de ChatGPT.
Le contexte a changé depuis le 2 août : l’AI Act impose aux fournisseurs opérant dans l’Union de rendre détectables les contenus générés ou manipulés par IA. Anthropic a annoncé dans la foulée l’introduction d’un watermark invisible dans les textes produits par Claude.
Aaronson décrit le principe du watermarking textuel : modifier légèrement le fonctionnement du modèle pour incorporer un signal statistique dans l’aléa utilisé au moment de choisir les mots, sans modifier la qualité apparente de la réponse. Il explique aussi les limites. Une traduction, une reformulation ou des manipulations simples peuvent affaiblir ou supprimer le signal.
Ce sujet croise directement le conseil à travers les incidents documentés cet été sur les rapports publics de grands cabinets. Le watermarking peut indiquer une provenance. Il ne vérifie pas une citation, ne confirme pas l’existence d’une source et ne valide pas un cas client. Un livrable reste à contrôler comme livrable, pas comme simple sortie de modèle.
Les sources redeviennent un risque métier
Le FT a publié fin juillet une enquête sur plusieurs rapports de PwC Middle East. Selon une analyse de GPTZero vérifiée par le journal, quatre publications consacrées à l’IA et aux véhicules électriques contenaient des notes de bas de page fabriquées, des affirmations mal attribuées et des sources invérifiables.
PwC Middle East a déclaré au FT prendre l’exactitude de ses recherches publiées au sérieux et mettre à jour un nombre limité de citations dans les rapports concernés.
Le FT replace l’affaire dans une série déjà passée par EY et KPMG. Dans le cas de KPMG, un rapport sur l’agentic AI avait été retiré après contestation de cas d’usage attribués à plusieurs organisations. Dans le cas d’EY, une étude sur les programmes de fidélité avait été retirée après la découverte de citations problématiques.
La formulation doit rester prudente : ce sont les constats rapportés par le FT, sur la base d’une analyse GPTZero que le journal dit avoir vérifiée.
Pour un cabinet, le problème est très concret. Une note de bas de page inventée, une source qui ne soutient pas l’affirmation, un cas client mal attribué : ce ne sont pas des erreurs abstraites sur “l’IA”. Ce sont des défauts de production dans un métier qui vend de la confiance.
La rentrée se jouera dans le modèle de production
Les papiers de l’été ont peu ajouté au récit général sur “l’adoption de l’IA”. Ils ont plutôt déplacé l’attention vers les endroits où le modèle de conseil se matérialise : qui recrute-on, que reconstruit-on, comment facture-t-on, combien coûte l’usage, quelle infrastructure faut-il maîtriser, qui vérifie les sources.
La question posée aux cabinets devient plus exigeante que “avez-vous une stratégie IA ?”.
Elle ressemble davantage à ceci : avec quels profils produisez-vous, sur quelle architecture, avec quel niveau de traçabilité, à quel coût, selon quel modèle de prix, et avec quelle responsabilité sur le livrable remis au client ?
C’est moins vendeur qu’une alliance technologique. C’est probablement là que la transformation du marché va se voir.