Le déficit de déploiement de l'IA est un problème humain

La raison la plus fréquente pour laquelle les projets d'IA déçoivent n'est pas le modèle. C'est que personne dans l'organisation ne sait transformer un modèle performant en processus opérationnel. Le 2 octobre, Anthropic a mis un prix sur ce problème : 100 millions US$ pour former 10 000 personnes dont c'est précisément le métier.

Ce qui s'est passé

Selon l'annonce d'Anthropic, la nouvelle Claude Frontier Academy vise à former 10 000 « Frontier Deployed Engineers » d'ici fin 2027, grâce à un engagement de 100 millions US$. Le premier programme est une résidence qui, selon les termes d'Anthropic, « suit le modèle médical de construction de l'expertise ». Les organisations proposent des ingénieurs confirmés, chacun arrivant avec un projet Claude défini. Ils suivent d'abord un programme présentiel de plusieurs jours comprenant un déploiement simulé en entreprise et une épreuve pratique notée, puis passent 12 semaines à piloter un cas d'usage réel dans leur propre organisation avec le soutien d'ingénieurs d'Anthropic, avant une évaluation finale.

Des cohortes ont lieu à San Francisco, New York et Londres. Parmi les entreprises citées dans les premières cohortes figurent Accenture, Bain, Capgemini, Commonwealth Bank of Australia, Deloitte, McKinsey, Morgan Stanley et Novo Nordisk. Anthropic indique que l'académie s'appuie sur son réseau de partenaires, où des professionnels de 46 000 entreprises ont obtenu plus de 175 000 certifications.

Un responsable d'Accenture cité dans l'annonce affirme que la résidence évalue « le jugement mis à l'épreuve d'un déploiement simulé en entreprise, et non des compétences techniques isolées ».

Pourquoi c'est important

Lisez la liste des premiers participants : des cabinets de conseil, des banques, un laboratoire pharmaceutique. Ce sont les organisations qui déploieront l'IA au sein d'autres entreprises, y compris dans les directions marketing. Le modèle n'est pas nouveau ; des ingénieurs terrain et des architectes de solutions existent dans toutes les catégories de logiciels d'entreprise. Ce qui est nouveau, c'est l'échelle et l'accent mis sur le jugement dans des déploiements réels.

Le marketing présente le même déficit, avec moins de personnes qui s'y attaquent. De nombreuses équipes ont désormais accès à d'excellents modèles et outils. Bien moins nombreuses sont celles qui disposent de quelqu'un dont le travail consiste à prendre un processus marketing désordonné, comme la veille concurrentielle, les tests créatifs ou le reporting, et à le repenser autour de l'IA en y intégrant mesure, garde-fous et adoption.

Les lieux des cohortes méritent aussi d'être notés. Aucun ne se trouve en Asie. Pour notre région, c'est soit un manque à combler localement, soit le signe que la première vague de talents certifiés en déploiement sera concentrée ailleurs.

Ce que disent mes recherches

Selon moi, l'étape la plus difficile de l'IA appliquée est celle qui sépare un modèle qui fonctionne d'un processus qui fonctionne. Nos recherches le reflètent. Dans MindFuse (ACM Multimedia 2025) et dans la démonstration industrielle de SOMIN à ACM Multimedia 2025, la contribution ne tient pas seulement aux modèles, mais à la manière dont ils s'intègrent au travail stratégique d'un marketeur : la prédiction de performance associée à un LLM qui explique et recommande.

J'ai écrit dans Forbes sur la manière de combler l'écart entre le marketing et les systèmes d'IA et sur l'exploitation des LLM en entreprise au-delà des chatbots. Le fil conducteur est que la valeur apparaît quand quelqu'un comprend les deux côtés : ce que le modèle peut faire de manière fiable, et ce dont l'entreprise a réellement besoin. Ce profil est rare dans le marketing.

J'enseigne aussi, notamment à NUS et à l'INSEAD, et le cadrage inspiré de l'internat médical me parle. On n'apprend pas le déploiement avec des slides. On l'apprend en prenant en charge un cas réel, sous supervision, et en étant évalué sur son jugement.

Comment les équipes marketing peuvent créer ce rôle dès maintenant

• Désignez un responsable. Confiez à une personne la responsabilité explicite de transformer les capacités de l'IA en processus marketing, avec le temps nécessaire pour le faire.
• Apprenez sur un cas réel. Choisissez un workflow en production, comme le reporting concurrentiel hebdomadaire, et repensez-le de bout en bout, avec une référence de départ et un objectif.
• Associez marketing et ingénierie. Les meilleurs déploiements naissent d'un marketeur qui connaît la décision et d'un technicien qui connaît le système, travaillant ensemble.
• Évaluez le jugement, pas l'aisance avec les outils. La personne sait-elle expliquer quand il ne faut pas se fier à l'IA et ce qui se passe alors ?
• Partagez ce qui fonctionne. Consignez chaque déploiement sous forme de cas court : le problème, la conception, le résultat, les modes de défaillance.

Cent millions de dollars, c'est beaucoup pour de la formation. C'est peu au regard de ce que perdent les organisations sur des projets d'IA qui n'entrent jamais dans le travail quotidien. Le marketing ne devrait pas attendre que quelqu'un d'autre forme ses spécialistes du déploiement.

FAQ