IA en entreprise : Uber dépense plus et OpenAI s'étend en Europe Uber dépense rapidement pour l’IA, Meta fait entraîner les modèles par ses salariés et OpenAI étend sa présence en Europe sous une direction française.
Pour l'intelligence artificielle en entreprise, les coûts ne cessent d'augmenter alors que les grands groupes déploient massivement des outils d'IA générative. Uber a ainsi vu son budget IA pour 2026 être consommé en quelques mois seulement, prévient The Information. Dans le même temps, Meta pousse ses salariés à alimenter les modèles et OpenAI renforce sa présence en Europe sous la houlette d'un leadership d'origine française. Ces mouvements dessinent une trajectoire où l'innovation se double d'une exigence de maîtrise budgétaire et de gouvernance des données.
Quand l'IA pousse les budgets d'Uber à leur limite
Selon des informations relayées par The Information, Uber Technologies a constaté une utilisation intensive des outils de génération de code et d'IA opérationnelle, notamment des solutions comme Claude Code. Cette adoption rapide a conduit à la décharge quasi intégrale du budget IA prévu pour l'exercice 2026, et ce — dès les premiers mois de l'année. En clair: la vitesse d'intégration des capacités IA, combinée à la demande interne croissante, a rendu les coûts plus volatils et plus difficiles à contenir.
Face à ces évolutions, les équipes techniques d'Uber cherchent à optimiser les flux de travail autour du code généré et à tracer précisément les dépenses liées à l'IA. L’objectif est de maintenir l’équilibre entre gains opérationnels et dépenses, sans freiner l’innovation qui permet d'accélérer les livrables et d'améliorer l'expérience utilisateur.
Meta : quand les salariés entraînent les machines
Autre levier important, la façon dont les entreprises préparent les modèles d'IA consiste à faire intervenir les données internes, notamment celles générées par les salariés dans le cadre de leur travail. Chez Meta, le recours à des données réelles et à des retours humains pour affiner les modèles est une pratique courante, mais elle soulève aussi des questions sur la confidentialité, la sécurité et la gouvernance des données — des sujets déjà au cœur des réflexions réglementaires et techniques des géants du secteur.
Cette approche offre des avantages pratiques: modèles mieux adaptés aux scénarios métier propres à chaque groupe, réduction du temps de mise sur le marché et amélioration de performances. Mais elle impose aussi des défis en matière de traçabilité des données, de conformité et de gestion des coûts lorsque plusieurs équipes sollicitent des capacités IA à grande échelle.
OpenAI en Europe : une présence renforcée sous une direction française
En Europe, OpenAI pousse ses pions en accélérant les partenariats locaux et en renforçant ses équipes sur le vieux continent. L’objectif est de s’adapter au cadre réglementaire européen et d’apporter des solutions adaptées aux besoins européens, tout en restant compétitif face à des acteurs locaux et internationaux. Dans ce contexte, la présence d'un responsable d'origine française à la tête des activités européennes illustre une volonté d'apporter une sensibilité locale à une organisation mondiale, et de favoriser les collaborations avec les entreprises européennes.
Cette expansion ne se réduit pas à l'ouverture de bureaux: elle s’accompagne d’enjeux en matière de conformité, de sécurité des données et de gestion des risques. OpenAI doit naviguer entre accélération technologique et cadre réglementaire, tout en maintenant son rythme d'innovation et ses partenariats stratégiques en Europe.
Ce que cela change pour les entreprises
Plusieurs enseignements se dégagent pour les organisations qui déploient l'IA à grande échelle. D'une part, la maîtrise des coûts devient aussi importante que l'accès rapide à des capacités de calcul et à des outils de génération de code. D'autre part, la gouvernance des données et la protection des informations sensibles gagnent en priorité, sous l'inclinaison croissante des modèles qui apprennent directement des données internes. Enfin, l’urbanisme technologique des grandes entreprises évolue: les équipes s’organisent autour de MLOps plus rigoureux, des budgets plus transparents et d'indicateurs de performance clairs pour évaluer le retour sur investissement des projets IA.
Pour terminer
La trajectoire observée montre que l'IA en entreprise n'est plus seulement un levier d'innovation, mais un centre de coût et de gouvernance. Uber illustre les défis budgétaires liés à une adoption rapide, Meta met en avant les exigences de formation continue et de gestion des données, et OpenAI montre que l Europe devient un terrain stratégique pour l'expansion et l'implantation locale. L’avenir de l’IA en entreprise dépendra de la capacité des organisations à combiner vitesse d'équipement, rigueur opérationnelle et cadre éthique et légal solide.
