Menlo Ventures : les agents représentent 80% de l’utilisation de l’IA en entreprise, le marché atteint 177 milliards de dollars
Menlo Ventures a publié un nouveau rapport State of Enterprise AI : les dépenses des entreprises en IA ont atteint 177 milliards de dollars, contre 33 milliards en 2025. Didi Das, associé du fonds, affirme que les agents représentent désormais 80% de l’utilisation : ces systèmes mènent seuls des tâches complexes à leur terme, au lieu de simplement répondre dans une fenêtre de chat. Anthropic et OpenAI dominent toujours les dépenses des entreprises en API.
Traité par IA depuis Bloomberg Tech ; édité par Hamidun News
Il y a peu encore, le mot « agent » servait de touche tendance dans les présentations de startups, tandis que l’IA figurait à la ligne « expérimentations » des budgets des entreprises. À en croire le dernier rapport de Menlo Ventures, la situation a changé : l’IA est devenue un poste de dépenses conséquent, et les chatbots n’y assurent plus l’essentiel du travail.
Ce qui est précisément annoncé
Le rapport State of Enterprise AI estime les dépenses des entreprises en IA à 177 milliards de dollars. Un an plus tôt, en 2025, ce montant était de 33 milliards de dollars. Didi Das, associé chez Menlo, a déclaré sur Bloomberg Tech que les agents représentent désormais 80% de l’utilisation. Selon lui, les entreprises délaissent les chatbots au profit de systèmes capables d’exécuter seuls des tâches complexes. Il a également souligné qu’Anthropic et OpenAI dominent les dépenses des entreprises en API.
Une réserve importante : nous ne disposons que d’un bref compte rendu de l’émission, sans la méthodologie du rapport. On ignore à quoi correspondent exactement ces 80% : aux tokens, aux requêtes, aux dépenses ou au nombre de déploiements. Ce n’est pas un détail. Un agent sollicite le modèle de nombreuses fois pour une seule tâche : sa part en tokens devient donc presque inévitablement considérable, même si les chatbots restent plus nombreux en termes de déploiements.
Chatbot et agent : un exemple simple
Un chatbot suit le schéma « une question — une réponse ». Un salarié colle le message d’un client et obtient un brouillon de réponse. Le modèle est appelé une seule fois, puis une personne vérifie le texte et l’envoie.
À un agent, on confie la tâche entière : « traite cette demande de retour ». Il ouvre lui-même le CRM, consulte l’historique des commandes, vérifie les conditions de retour, écrit au client et met à jour le statut. Cela nécessite des dizaines d’appels au modèle et plusieurs outils externes. Le calcul est simple : le nombre d’utilisateurs peut rester identique tandis que la facture API est multipliée par plusieurs fois. Une partie de la hausse de 33 milliards → 177 milliards de dollars s’explique probablement par cette évolution, et pas seulement par l’arrivée de nouveaux utilisateurs dans les interfaces de chat.
Que faire concrètement
Pour les développeurs. Calculez le coût d’une tâche, et non celui d’une requête. Un agent qui effectue en moyenne 30 étapes doit être limité en nombre d’étapes et en budget de tokens, faute de quoi un seul scénario bloqué dans une boucle peut engloutir le quota mensuel. Journalisez chaque étape et prévoyez la possibilité de revenir en arrière : lorsqu’un système écrit lui-même dans le CRM, une erreur se répercute dans les véritables données clients.
Pour les responsables produit. La valeur réside désormais dans un processus mené à son terme, et non dans une jolie fenêtre de dialogue. Pour chaque fonctionnalité, posez-vous la question : quelle tâche prend-elle en charge de bout en bout, et comment mesurerons-nous si elle l’a correctement accomplie ?
Pour les fondateurs. Le marché se concentre autour de deux fournisseurs de modèles, ce qui constitue un risque : ce sont eux qui fixent les prix, les limites et les conditions. Prévoyez une couche d’abstraction au-dessus du modèle pour pouvoir changer de fournisseur sans réécrire le produit. Le créneau du « énième chatbot construit sur une API » semble de moins en moins défendable.
Comment interpréter ces chiffres
Le rapport émane d’un fonds de capital-risque qui investit lui-même sur ce marché et a donc intérêt à mettre en avant une croissance rapide. Dans ce type d’étude, les estimations de dépenses reposent généralement sur des enquêtes et des hypothèses d’experts, plutôt que sur les factures des entreprises. La tendance est probablement réelle : les agents consomment effectivement davantage de ressources et passent en production. Mais mieux vaut considérer les chiffres comme des ordres de grandeur plutôt que comme des statistiques exactes. Tant que la méthodologie n’est pas publiée, il convient d’accompagner les 177 milliards de dollars et les 80% de la mention « selon les estimations de Menlo ».
- 12 nov. 2026Jensen Huang quitte son poste de PDG de Nvidia : l’entreprise perd 1 400 milliards de dollars en deux semaines
- 12 nov. 2026Le syndicat d'Oakland obtient une reconversion plutôt que des licenciements dus à l'IA : 94,1 % pour la grève
- 12 nov. 2026Huit pays, OpenAI et Anthropic promettent un « interrupteur d'arrêt » pour les modèles d'IA, mais sans échéances ni sanctions
- 12 nov. 2026OpenAI et ModRetro lancent une console à 200 $ pour des jeux créés avec Codex
Questions clés sur cet article
Que sait-on sur Ce qui est précisément annoncé ?
Le rapport State of Enterprise AI estime les dépenses des entreprises en IA à 177 milliards de dollars. Un an plus tôt, en 2025, ce montant était de 33 milliards de dollars. Didi Das, associé chez Menlo, a déclaré sur Bloomberg Tech que les agents représentent désormais 80% de l’utilisation. Selon lui, les entreprises délaissent les chatbots au profit de systèmes capables d’exécuter seuls des tâches complexes. Il a également souligné qu’Anthropic et OpenAI dominent les dépenses des entreprises en API.
Que sait-on sur Chatbot et agent : un exemple simple ?
Un chatbot suit le schéma « une question — une réponse ». Un salarié colle le message d’un client et obtient un brouillon de réponse. Le modèle est appelé une seule fois, puis une personne vérifie le texte et l’envoie. À un agent, on confie la tâche entière : « traite cette demande de retour ». Il ouvre lui-même le CRM, consulte l’historique des commandes, vérifie les conditions de retour, écrit au client et met à jour le statut. Cela nécessite des dizaines d’appels au modèle et plusieurs outils externes.
Que sait-on sur Que faire concrètement ?
Pour les développeurs. Calculez le coût d’une tâche, et non celui d’une requête. Un agent qui effectue en moyenne 30 étapes doit être limité en nombre d’étapes et en budget de tokens, faute de quoi un seul scénario bloqué dans une boucle peut engloutir le quota mensuel. Journalisez chaque étape et prévoyez la possibilité de revenir en arrière : lorsqu’un système écrit lui-même dans le CRM, une erreur se répercute dans les véritables données clients. Pour les responsables produit.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.