Le patron de Microsoft vient de dire tout haut ce que beaucoup de directions pressentaient tout bas. Dans un billet publié mi-juillet 2026, Satya Nadella prévient les entreprises qui utilisent l'IA qu'elles paient deux fois : une fois pour les tokens qui exécutent le travail, une seconde fois en cédant, sans le voir, le savoir-faire qui rend ces modèles utiles. Un chiffre résume le malaise : 81 % des dirigeants s'inquiètent de leur dépendance à un fournisseur d'IA, mais seuls 6 % pourraient en changer sans casse, d'après une enquête Zapier menée en 2026.
Le propos est un peu intéressé, Microsoft vend justement de quoi s'en prémunir, et il vise juste quand même. La question, pour vous, n'est pas d'arrêter l'IA. C'est de la déployer sans livrer ce qui fait votre valeur. Voici ce que Nadella reproche aux fournisseurs, pourquoi le risque est réel dans les métiers réglementés, et comment garder la main.
Payer deux fois : ce que dit vraiment Nadella
Le raisonnement tient dans une image. Un modèle apprend de son « exhaust », dit Nadella : les prompts que vos équipes écrivent, les outils que les agents actionnent, et surtout les corrections apportées quand la réponse est fausse. « Chaque correction est distillée en savoir-faire institutionnel », écrit-il. Dit autrement : à force de reprendre l'IA sur vos dossiers, vous lui donnez des cours particuliers sur votre métier. Et ces cours, vous les payez, puisque vous réglez déjà les tokens qui les transportent.
Ce qui le dérange, c'est l'asymétrie. Les labos s'entraînent librement sur les données du web, mais interdisent aux entreprises d'étudier leurs modèles en retour. Faut-il rappeler que Nadella n'est pas un observateur neutre ? Microsoft commercialise précisément l'environnement cloud et la couche d'orchestration censés régler le problème, comme l'a relevé Fortune. Son diagnostic n'en est pas moins repris bien au-delà de Redmond.
Alex Karp, le PDG de Palantir, tient le même discours depuis le début du mois. Sur CNBC, il accuse les grands labos d'extraire « ce qui rend une entreprise précieuse », ses données et ses processus, tout en facturant des tokens au prix fort pour des outils qui, selon lui, ne tiennent pas toujours leurs promesses. Il affirme que ses clients sont « furieux » en privé, et parle de fournisseurs obsédés par le « tokenmaxxing » plus que par les vrais problèmes métier. Palantir a enfoncé le clou avec un manifeste en neuf points sur la souveraineté des données, résumé d'une formule : « la rétention de vos données est votre trésor ». David Sacks, ancien conseiller IA de la Maison-Blanche, lui a donné raison et décrit un duopole OpenAI-Anthropic qui laisse trop peu de marge aux clients.
Quand trois voix aussi différentes convergent, le signal mérite qu'on s'y arrête. Il colle d'ailleurs à ce que vivent les directions : selon une synthèse 2026 sur le verrouillage fournisseur, 87 % des organisations se disent très préoccupées par les risques liés à leurs partenaires d'IA. La préoccupation existe. Reste à savoir ce qu'elle recouvre vraiment.
Le vrai risque : votre savoir-faire s'échappe par petites touches
Qui, chez vous, décide de ce que l'IA a le droit d'apprendre ? Dans la plupart des cas, personne. Le savoir ne part pas dans un gros fichier dérobé. Il s'échappe par petites touches, prompt après prompt, correction après correction. C'est la fuite lente d'un pneu mal serré : indétectable sur un trajet, spectaculaire au bout de l'année.
Prenez un analyste qui reformule trois fois une note de risque parce que le modèle a mal lu une clause. Prenez un juriste qui réécrit une réponse jusqu'à ce qu'elle épouse la doctrine maison. Chaque reprise est une leçon offerte à la machine. Sur les offres grand public, cette leçon peut nourrir l'entraînement du modèle. Répétée par des milliers de salariés, elle finit par encoder vos méthodes, vos grilles de lecture et vos angles d'attaque commerciaux.
Les chiffres traduisent la nervosité. 43 % des entreprises redoutent que l'IA les rende dépendantes d'une technologie qu'elles ne maîtrisent pas, et 84 % intègrent désormais la souveraineté des données dans leur stratégie IA, d'après les panoramas de marché publiés en 2026. Le risque n'a rien de théorique : plus vos usages se raffinent, plus les données que vous confiez au modèle sont exactement celles qui font votre différence.
Pour un secteur réglementé, la question change de nature. Une donnée de santé, une pièce de contentieux ou une position de portefeuille n'ont rien à faire dans l'apprentissage d'un tiers. Nous l'avons détaillé pour les métiers du soin dans notre analyse sur les données de santé et la conformité de Claude, et la logique vaut pour tous les métiers qui manipulent du confidentiel par défaut.
Secteurs réglementés : là où l'enjeu pèse le plus lourd
L'IA avance vite là où la donnée est sensible, et c'est justement là que la vigilance doit monter d'un cran. La banque et l'assurance mènent la course à l'IA agentique, avec près de 47 % d'adoption en production selon les relevés 2026, loin devant la moyenne des secteurs. Ces métiers traitent chaque jour des informations qui valent de l'or : scoring, sinistres, dossiers clients, modèles de tarification.
Le paradoxe, c'est que la performance et le risque grandissent ensemble. 72 % des entreprises ont au moins un usage d'IA en production début 2026, mais seuls 12 % des dirigeants disent avoir obtenu à la fois un gain de revenus et une baisse de coûts, d'après l'enquête PwC 2026 auprès des PDG. Confier ses données les plus stratégiques à un modèle pour un retour encore incertain, c'est cumuler le pire des deux mondes.
Dans une direction juridique, la matière première est la clause, la jurisprudence maison, la position de négociation. Dans une société de gestion, c'est la thèse d'investissement et la vue de portefeuille. Un cabinet de conseil, lui, vit de ses méthodes. À chaque fois, l'IA la plus utile est celle qui lit ces documents, donc celle qui en apprend le plus. Voilà pourquoi nous cadrons différemment un déploiement selon le métier : le périmètre de données autorisé n'est jamais le même d'un client à l'autre.
La différence se joue moins sur le modèle que sur le cadre posé autour. Un même outil peut être un accélérateur ou une passoire, selon les règles qu'on lui fixe. Combien de vos dossiers les plus confidentiels transitent aujourd'hui par une IA dont personne, chez vous, n'a jamais lu les conditions d'entraînement ?
Tous les contrats d'IA ne se valent pas
Le point que Nadella passe un peu vite : tout dépend du contrat que vous signez. Sur une offre gratuite ou grand public, vos échanges peuvent effectivement servir à améliorer le modèle. Sur une offre entreprise sérieuse, non. La nuance n'est pas cosmétique, elle est écrite noir sur blanc dans les conditions commerciales.
Chez Anthropic, par exemple, les données des clients réunies sous les Commercial Terms ne servent jamais par défaut à entraîner les modèles, et les secteurs les plus sensibles peuvent activer un mode sans rétention, le Zero Data Retention, réservé à l'offre Enterprise. La protection que réclame Nadella existe donc déjà, à condition de choisir le bon palier et de lire ses clauses. Nous avons décortiqué ce sujet dans notre article sur l'entraînement, le RGPD et vos données. La règle vaut pour n'importe quel fournisseur : exigez par écrit que vos prompts, vos sorties et vos corrections restent les vôtres.
Un bon contrat ne règle pourtant pas tout. En juin 2026, l'accès aux modèles Fable 5 d'Anthropic a été suspendu trois semaines pour des raisons de contrôle export américaines, sans aucun rapport avec les clients. La disponibilité d'un modèle peut s'arrêter du jour au lendemain, pour des motifs qui vous échappent. Voilà pourquoi la souveraineté grimpe dans les critères d'achat, au point de devenir le premier filtre de sélection pour certaines directions, un basculement que nous avons analysé quand la souveraineté est passée en tête des priorités.
Le coût du verrouillage n'a rien d'abstrait non plus. 57 % des responsables informatiques ont dépensé plus d'un million de dollars en migration de plateforme sur la seule dernière année. Signer sans clause de réversibilité, c'est accepter cette facture à l'avance.
La couche d'orchestration : ne pas dépendre d'un seul modèle
La seconde recommandation de Nadella est plus technique, mais elle parle à quiconque a déjà subi un changement d'outil imposé. Il conseille de bâtir une couche d'orchestration, un étage logiciel qui permet de passer d'un modèle à l'autre sans réécrire vos processus. L'objectif tient en une phrase : ne jamais câbler un usage critique à un fournisseur unique.
Le besoin est déjà visible dans les chiffres. Dans une enquête auprès de cent DSI en 2026, 37 % font tourner cinq modèles d'IA ou plus en production, contre 29 % un an plus tôt. Gartner anticipe que, d'ici 2028, 70 % des organisations qui construisent des applications multi-modèles s'appuieront sur une passerelle d'orchestration, contre moins de 5 % en 2024. L'entreprise mûre ne parie plus sur un modèle unique, elle organise la concurrence entre plusieurs.
Cette bascule profite aussi aux modèles ouverts, dont les paramètres sont publics et qui peuvent tourner sur votre propre infrastructure. Vercel indique qu'ils représentent déjà 29 % du trafic passant par sa passerelle d'IA en juillet 2026, et le directeur technique d'Amazon, Werner Vogels, dit observer des entreprises qui migrent vers l'open source pour maîtriser leurs coûts et gagner en transparence. Faut-il pour autant tout miser dessus ? Non.
La bonne posture ressemble à celle d'un portefeuille bien diversifié : un modèle de pointe pour les dossiers lourds, un modèle plus économique pour le volume, une option de repli qualifiée en cas de coupure. C'est la règle que nous appliquons en outillant une direction financière ou une société de gestion, où l'on ne relie jamais un cas sensible à une source unique.
Déployer l'IA sans céder son avantage : la méthode
Comment garder la main sans renoncer aux gains ? Quatre réflexes couvrent l'essentiel, et aucun ne demande d'être ingénieur.
Le premier est contractuel. Avant tout déploiement, faites préciser par écrit que vos prompts, vos documents et vos corrections n'alimentent pas l'entraînement du fournisseur, et réservez les usages les plus sensibles aux offres sans rétention. Un contrat clair vaut mieux qu'une promesse commerciale glissée en réunion.
Le deuxième est architectural : glissez une couche d'orchestration entre vos équipes et les modèles, pour changer de fournisseur sans tout reconstruire. Le troisième est organisationnel : décidez, catégorie de données par catégorie, ce qui peut sortir et ce qui reste à l'intérieur. Aujourd'hui, à peine 7 à 8 % des organisations disposent d'une gouvernance capable de suivre les agents d'une application à l'autre, alors que plus de 75 % s'inquiètent de leur dépendance aux fournisseurs et aux API. L'écart entre la peur et l'action reste béant.
Reste le dernier réflexe, le plus facile à négliger : mesurer. Un déploiement qui ne produit pas de gain vérifiable ne justifie pas le risque data qu'il fait courir. C'est la logique que nous suivons en installant Claude Cowork chez nos clients, que vous pilotiez une direction juridique ou un service conformité : des cas d'usage cadrés, des données maîtrisées, un repli prévu, et un suivi chiffré du temps gagné. La technologie compte moins que la façon de la déployer.
Nadella, Karp et Sacks ne partent pas des mêmes intérêts, mais ils pointent le même angle mort : l'IA la plus utile est aussi celle qui en apprend le plus sur vous. La parade n'est pas de s'en passer, c'est de poser les garde-fous avant de brancher le premier agent. Contrat clair, orchestration multi-modèles, gouvernance des données, mesure du gain : rien d'insurmontable, à condition de s'y prendre dès le départ plutôt qu'après coup. Vous voulez déployer l'IA sans céder votre savoir-faire ? Réservez une démo et nous cadrons vos cas ensemble, données sous contrôle.