Chaque automne, InfoQ sort sa carte d’adoption de l’IA et du machine learning. L’édition 2026 est tombée vendredi 30 octobre, en deux morceaux : un article et un podcast avec la fine fleur de la rédaction maison. Si tu cherches le chiffre qui fait lever un sourcil sur les marchés, il n’est pas là. Ce que dit ce rapport, c’est que le centre de gravité du secteur a bougé. Pas vers un modèle plus gros : vers la tuyauterie qui le fait tourner.
La méthode n’a pas changé. On reprend les catégories de Geoffrey Moore (innovateurs, premiers adoptants, majorité précoce) et on case les technos selon l’endroit où elles en sont dans la grande traversée du chasme. Sauf que cette année, l’équipe a fait du ménage : des sujets fusionnés parce qu’ils se recouvraient, d’autres rayés de la carte parce qu’ils sont devenus tellement banals qu’il n’y a plus rien à suivre. Une partie de ce qui faisait rêver en 2024 a donc officiellement rejoint le rayon plomberie.
L’inférence mange le budget, personne ne dit qui a compté
Le gros morceau de 2026, c’est l’inférence. Le rapport la présente comme « l’année de l’inférence » et pose un chiffre : elle devrait représenter environ deux tiers des dépenses de calcul IA d’ici la fin de l’année. Le chiffre est lâché sans que le texte nomme qui l’a calculé, ni sur quel périmètre. Prends-le pour ce qu’il est : une estimation d’éditeur, pas un comptage.
Le raisonnement derrière tient debout sans le chiffre. Modèles de raisonnement, contextes longs, agents : l’inférence n’est plus l’exécution d’un modèle rangé dans une boîte. C’est un problème système. Calcul, mémoire, réseau, routage, économie. Cinq métiers dans la même phrase et un seul budget au bout.
Hien Luu, qui conseille une startup sur l’inférence, décrit le terrain :
« Le sujet de l’inférence a explosé depuis le début de 2026. Tu as toutes ces piles, vLLM, SGLang et compagnie, qui aident le reste d’entre nous à monter son propre service dans son propre environnement. En même temps, ces modèles à poids ouverts deviennent de plus en plus capables. »
Il cite les entreprises financières, celles qui trimballent des données personnelles. Dans ce cas, héberger le modèle chez soi n’a rien d’un caprice de souveraineté : c’est la seule façon de faire. Il ajoute un motif bien moins glorieux, des boîtes qui font tourner des poids ouverts pour coder parce que ça coûte moins cher. Deux arguments qui n’ont rien à voir et qui poussent pourtant dans le même sens.
MCP, A2A, et la couche qui pourrait tout posséder
Deuxième sujet neuf rangé chez les innovateurs : la communication entre agents. Daniel Dominguez, rédacteur adjoint chez InfoQ, pose le décor :
« Pour que les agents deviennent utiles en entreprise, ils doivent accéder à des outils, des données, des API, et parler à d’autres agents. Tous ces protocoles comme MCP ou A2A vont devenir de plus en plus différents. La question, c’est de savoir si les protocoles d’agents deviennent une nouvelle couche d’intégration d’entreprise. »
La question est la bonne et elle n’est pas technique. Aujourd’hui tu branches une appli sur une API. Demain, si MCP (côté Anthropic) et A2A (côté Google) tiennent leurs promesses, tu ajoutes une couche de découverte et de coordination par-dessus ces mêmes API. Et une couche d’intégration, dans l’histoire de l’informatique, ça finit toujours par appartenir à quelqu’un. Ça se facture, ça se verrouille, ça dicte ses conditions.
Le harness engineering, ou le nouveau nom de la même inquiétude
Troisième entrée dans la case innovateurs : le « harness engineering ». Hien Luu le décrit comme une extension du context engineering. Son constat de départ est simple : les SDK d’agents ont commencé par nous aider à écrire la boucle, avant de grossir (le transcript du podcast coupe en pleine phrase, on fera sans la fin).
Le mot est neuf, la chose l’est moins. C’est le moment où la qualité de ton agent dépend de ce que tu lui accroches autour, pas de la taille du modèle. J’en parlais il y a deux jours à propos de la couche de contexte qui reste le chaînon manquant de l’IA d’entreprise : le sujet n’a pas attendu d’avoir un nom pour être le vrai chantier.
L’invitée qui ramène tout au prix au token
Chip Huyen est la seule voix extérieure du plateau, et elle ne parle pas de benchmarks. Elle parle de vitesse et de coût.
« Il y a une demande énorme pour de l’intelligence pas chère et rapide. »
Elle cite la sortie récente de TypeSafeAI ; l’animateur enchaîne sur son modèle Jev. Voilà le programme réel de 2026 : pas le modèle qui sait tout, celui qui ne coûte presque rien par token et qui répond avant que tu aies fini de cliquer.
Une carte reste un avis
Faut-il le rappeler, un graphe d’adoption est un jugement éditorial, pas une mesure. Le panel, ce sont des rédacteurs InfoQ et des program chairs de QCon. Leur métier, c’est de repérer les sujets dont on parlera dans six mois, et ils le font visiblement bien. Mais ce graphe ne te dit pas combien d’entreprises ont réellement des protocoles d’agents en production. Il te dit ce que des gens qui lisent beaucoup de papiers pensent voir monter. Nuance de taille quand tu dois arbitrer un budget.
Reste un détail que je trouve plus parlant que tout le graphe. En préambule, l’équipe précise que ce podcast n’est ni généré ni assisté par une IA. Des humains, avec de l’expérience du monde réel, tiennent à le dire à voix haute. On en est là en 2026 : un média spécialisé dans l’IA doit certifier que sa propre voix n’est pas synthétique.
L’année de l’inférence n’aura pas de démo spectaculaire. Elle aura des factures, des latences au 95e centile et des routes de GPU. Ça ne se partage pas, ça ne fait pas de likes. Ça se remarque le jour où ça tombe.
Sources :
Comments are closed