Le signal de Dell Tech World 2026
Le message qui ressort de Dell Technologies World 2026 est moins spectaculaire qu’un nouveau modèle d’IA, mais probablement plus important pour les entreprises : l’intelligence artificielle quitte progressivement le stade de l’expérimentation cloud pour devenir une question d’architecture industrielle. Selon ZDNet, la conférence de Dell a mis en avant un basculement vers des infrastructures hybrides et on-premises, motivé par trois contraintes très concrètes : la facture d’inférence, la souveraineté des données et l’arrivée d’agents IA appelés à agir dans les systèmes internes.
Dell a évidemment intérêt à raconter cette histoire : son modèle commercial repose sur les serveurs, le stockage, les réseaux et les services d’intégration. Il faut donc lire ses annonces comme celles d’un fournisseur qui pousse sa propre thèse. Mais ce biais ne suffit plus à écarter le signal. OpenAI a annoncé avec Dell une collaboration pour amener Codex dans des environnements hybrides et on-premises, tandis que Dell multiplie les partenariats avec Nvidia, Palantir, Google Cloud, AMD et d’autres acteurs pour faire de son “AI Factory” une plateforme d’exécution locale de charges IA.
Autrement dit, l’IA d’entreprise ne se résume plus à appeler une API dans le cloud public. Elle devient un problème de placement : quel modèle, sur quelle donnée, dans quel environnement, avec quelle latence, quel coût par jeton et quel niveau de contrôle ?
Du cloud-first au “cloud-smart”
Le premier cycle de l’IA générative a été cloud-first par nécessité. Les GPU étaient rares, les modèles difficiles à exploiter, les équipes internes peu préparées et les fournisseurs cloud offraient une voie rapide vers les prototypes. Ce choix avait du sens : il permettait de tester vite, sans immobiliser du capital dans des grappes de serveurs coûteuses.
Mais l’IA de production change l’équation. Une démonstration interne qui résume des documents n’a pas le même profil qu’un agent connecté à un ERP, à un dépôt de code source ou à une base client. Dès que l’usage devient répétitif, volumétrique ou sensible, les coûts variables du cloud deviennent plus visibles. Flexera indique dans son rapport 2026 que l’évaluation du coût cloud contre coût on-premises est devenue l’un des grands défis de migration, tandis que les dépenses cloud restent difficiles à maîtriser. En 2025 déjà, Flexera rapportait que 84 % des organisations considéraient la gestion des dépenses cloud comme un défi majeur.
Cloudian, dans une enquête commandée sur les infrastructures IA en 2026, affirme que 93 % des entreprises ont déjà rapatrié certaines charges IA, sont en train de le faire ou l’évaluent activement. Cette source doit être prise avec prudence : Cloudian vend précisément des solutions de stockage compatibles avec des architectures privées. Mais la tendance qu’elle décrit recoupe celle observée par Dell, Flexera et plusieurs analystes : les entreprises ne quittent pas le cloud, elles cessent de le considérer comme l’emplacement par défaut de toute charge IA.
La nouvelle doctrine ressemble davantage à du “cloud-smart” : conserver le cloud pour l’élasticité, les tests, certains modèles propriétaires et les pics de demande ; rapprocher des données les charges répétitives, réglementées, coûteuses ou critiques.
La souveraineté n’est plus un slogan
La souveraineté est le deuxième moteur du rapatriement. En Europe, l’AI Act, le Data Act, le RGPD, NIS2, DORA dans la finance et les exigences sectorielles imposent une traçabilité et une gouvernance qui rendent l’externalisation complète plus complexe. La Commission européenne a même lancé un appel d’offres de 180 millions d’euros pour des services cloud souverains destinés aux institutions européennes, signe que la question n’est plus théorique.
La souveraineté ne signifie pas seulement que les données restent dans un pays. Elle touche aussi le contrôle opérationnel : qui administre l’infrastructure, qui peut couper un service, quels journaux sont conservés, quels modèles accèdent aux données, et comment prouver la conformité en cas d’audit. Dans les secteurs publics, financiers, industriels, médicaux ou de défense, ces questions deviennent aussi importantes que la performance brute.
C’est pourquoi l’annonce d’un Codex utilisable avec l’infrastructure Dell est intéressante. Le code source est l’un des actifs les plus sensibles d’une entreprise. Déplacer un assistant de programmation plus près des dépôts internes répond à une demande claire : bénéficier de l’IA sans exposer toute la chaîne logicielle à une boîte noire externe. Là encore, une annonce d’entreprise n’est pas une validation indépendante, mais elle indique où se déplace la demande.
Le contre-signal : l’IA accélère le code, mais fragilise la livraison
Le virage infrastructurel serait incomplet sans le signal remonté par TechRadar : l’IA réduit le temps de codage, mais peut dégrader la stabilité logicielle. L’article, signé par un responsable technologique de Harness, cite des chiffres marquants : les équipes qui utilisent fréquemment des outils de codage IA livrent plus vite, mais 69 % des très grands utilisateurs rapportent des problèmes de déploiement réguliers liés au code généré par IA.
Ce constat n’est pas isolé. Le rapport DORA 2025 de Google, consacré au développement logiciel assisté par IA, décrit l’IA comme un amplificateur : elle renforce les forces des organisations matures et amplifie les dysfonctionnements des équipes déjà fragiles. DORA note que l’adoption de l’IA devient quasi universelle chez les professionnels de la technologie, mais que l’instabilité de livraison reste un risque lorsque les pratiques de test, de revue, de plateforme interne et de gouvernance ne suivent pas.
Le problème n’est donc pas seulement la qualité ponctuelle d’un morceau de code. C’est l’écart entre vitesse de génération et capacité de validation. Un développeur peut produire plus de fonctions, mais si les pipelines CI/CD, les tests automatisés, l’observabilité, les revues de sécurité et les plans de retour arrière ne progressent pas au même rythme, l’entreprise ne gagne pas du temps : elle déplace la dette vers la production.
Pourquoi ces deux tendances sont liées
À première vue, l’infrastructure on-premises et la stabilité logicielle semblent relever de deux débats distincts. En réalité, ils convergent. L’IA agentique d’entreprise exige à la fois un meilleur contrôle de l’endroit où les modèles tournent et un meilleur contrôle de ce qu’ils font.
Un agent de code connecté à des dépôts internes, un agent financier connecté à un système comptable ou un agent industriel connecté à une chaîne de production ne peut pas être traité comme un simple chatbot. Il faut des garde-fous : permissions minimales, segmentation réseau, traçabilité des actions, politiques de données, tests de régression, approbations humaines pour les actions critiques, et capacité d’interrompre ou de revenir en arrière.
C’est ici que l’on comprend le retour de l’infrastructure privée. Elle ne sert pas seulement à réduire la facture cloud. Elle devient le socle d’un modèle de gouvernance. Les entreprises veulent savoir où sont leurs données, qui accède aux modèles, combien coûte chaque tâche, et comment auditer une décision automatisée.
Le NIST, dans son cadre de gestion des risques liés à l’IA et son profil spécifique à l’IA générative, insiste justement sur la gouvernance, la mesure des risques, la robustesse et la sécurité. Pour les organisations réglementées, ces principes se traduiront de plus en plus par des architectures hybrides : modèles publics pour certains usages, modèles ouverts ou spécialisés en interne pour d’autres, et plateformes de contrôle au-dessus de l’ensemble.
Un marché qui mûrit, pas un retour en arrière
Il serait erroné d’interpréter ce mouvement comme une revanche pure et simple du centre de données contre le cloud. Les hyperscalers restent indispensables : ils fournissent des modèles, de l’élasticité, des outils de développement, de la sécurité managée et une échelle mondiale difficile à reproduire. Google, à travers les annonces de Google I/O 2026 rapportées par Google News et ynetnews, montre d’ailleurs que l’IA autonome continue de transformer les produits grand public et la recherche en ligne.
Mais l’entreprise suit une logique différente du consommateur. Elle doit préserver ses marges, prouver sa conformité et stabiliser ses opérations. McKinsey rapporte que l’usage régulier de l’IA est désormais largement répandu dans les fonctions d’affaires, mais que seule une minorité d’organisations en tire un impact financier significatif. Gartner prévient de son côté que plus de 40 % des projets d’IA agentique pourraient être annulés d’ici fin 2027 en raison des coûts, d’une valeur mal démontrée ou de contrôles de risques insuffisants.
Le marché entre donc dans une phase moins euphorique, plus comptable et plus architecturale. L’innovation continue : Robotics & Automation News souligne que CVPR 2026 a reçu plus de 16 000 soumissions d’articles, preuve que la recherche en vision par ordinateur et en IA reste extrêmement active. La NASA, de son côté, programme une conférence AI/ML STIG autour de l’usage de l’IA dans des contextes scientifiques et spatiaux. Mais cette effervescence scientifique ne règle pas à elle seule les problèmes de production en entreprise.
Ce qui vient ensuite
La prochaine phase de l’IA d’entreprise sera hybride par défaut. Les organisations les plus avancées ne choisiront pas entre cloud et on-premises : elles construiront une grille de décision. Les charges sensibles, récurrentes, à forte volumétrie ou soumises à des exigences de souveraineté iront vers des infrastructures privées ou souveraines. Les charges exploratoires, élastiques ou dépendantes de modèles très récents resteront souvent dans le cloud.
Le vrai différenciateur ne sera toutefois pas l’emplacement du GPU. Ce sera la maturité opérationnelle : FinOps pour suivre le coût par usage, DevSecOps pour absorber le code généré par IA, gouvernance des données pour éviter les fuites, observabilité pour comprendre les agents, et architecture logicielle pour empêcher l’automatisation de transformer la dette technique en incident systémique.
Dell Tech World 2026 cristallise donc un virage : après l’euphorie de l’IA accessible par API, les entreprises cherchent à reprendre la main. TechRadar rappelle la limite de cette reprise : accélérer la production logicielle sans renforcer la livraison revient à installer un moteur plus puissant sur un châssis fragile. La maturité de l’IA ne se mesurera plus au nombre de copilotes déployés, mais à la capacité de faire tourner ces systèmes de manière fiable, gouvernée et économiquement soutenable.