Contexte et ambitions d'IBM
IBM a déclaré que les ventes de logiciels IA et les missions de conseil atteignaient plus de 12,5 milliards de dollars au quatrième trimestre 2025, contre 9,5 milliards le trimestre précédent. Cette progression s’inscrit dans une stratégie visant à combler le fossé identifié par Deloitte : 54 % des organisations souhaitent mettre 40 % de leurs projets IA en production d’ici six mois, mais seules 25 % y sont parvenues. IBM mise sur son patrimoine matériel (les mainframes IBM Z) et sur son expertise en gouvernance pour proposer une alternative aux modèles de pointe qui peinent à passer en production.
Architecture du modèle d'IA d'entreprise
Le modèle repose sur quatre piliers – agent orchestration, trusted data, intelligent operations et governance. Le pilier trusted data a été renforcé par l’acquisition de Confluent, plateforme de streaming, afin d’enrichir watsonx.data d’un flux de données en temps réel. Le partenariat avec Deepgram a intégré la reconnaissance vocale dans watsonx Orchestrate, élargissant les capacités d’orchestration d’agents. En mai 2026, le produit Concert a été requalifié d’outil ponctuel à plateforme d’opérations IT agentiques, unifiant observabilité, optimisation, sécurité et automatisation sur des environnements hybrides.
Le pilier governance se matérialise dans IBM Sovereign Core, qui incorpore contrôle de conformité et gestion opérationnelle directement dans l’infrastructure. Cette approche vise à répondre aux exigences réglementaires et à la prolifération d’agents IA, comme le souligne Sripriya Srinivasan : la standardisation et la gouvernance deviennent des exigences internes dès le stade de la conception.
Analyse des impacts et limites
Le recours au cloud hybride s’appuie sur le constat que plus de 70 % des données d’entreprise restent sur site. En combinant Red Hat OpenShift (revenus +13 % YoY) et les mainframes IBM Z (revenus +51 % YoY), IBM propose une exécution IA qui ne nécessite pas de migration massive vers le public cloud, limitant ainsi les risques de souveraineté des données. L’intégration d’IA dans les mainframes Z, annoncée comme supportant des charges de travail IA exigeantes, bénéficie d’une croissance de programme à programme de 20‑30 % depuis près d’une décennie, confirmant la viabilité économique de la plateforme.
Les collaborations avec OpenAI (Daybreak Cyber Partner Program) et Google Cloud élargissent la portée technologique, mais elles introduisent une dépendance à des fournisseurs externes pour la sécurité et la conformité. De plus, la complexité du stack – mêlant services de streaming, orchestration d’agents, plateformes d’observabilité et couches de gouvernance – peut rendre la mise en œuvre difficile pour les organisations dépourvues d’équipes spécialisées. Enfin, l’absence de métriques publiques sur la latence ou le coût d’exécution des agents sur les mainframes limite l’évaluation précise des gains de performance.
