Le premier consensus de l'ère des agents a émergé : le modèle n'est plus le goulot d'étranglement ; ce sont les humains.
En une seule semaine, OpenAI a injecté 4 milliards de dollars, Anthropic s'est implanté au siège de FIS, et Google a annoncé l'embauche de centaines de personnes — trois géants de l'IA parient simultanément sur le même rôle : FDE.
Le 11 mai 2026, OpenAI a annoncé la création de l'« OpenAI Deployment Company » avec un investissement initial de 4 milliards de dollars. Son cœur de métier est simple : « déployer » des ingénieurs dans les entreprises clientes pour les aider à mettre l'IA en production.
Une semaine plus tôt, Anthropic avait intégré son équipe d'ingénierie chez le géant des technologies financières FIS, visant à réduire les enquêtes anti-blanchiment d'argent chez BMO et Amalgamated Bank « de quelques heures à quelques minutes » d'ici le second semestre 2026. Une semaine avant cela, Thomas Kurian, PDG de Google Cloud, avait personnellement publié sur LinkedIn un appel à recruter « des centaines » de personnes, un message qui a récolté 1,3 million de vues sur X.
Le rôle visé par les trois entreprises est le même : Forward Deployed Engineer (FDE).
Un poste qui n'avait été populaire que pendant vingt ans chez le logiciel « alternatif » Palantir est soudainement devenu le plus en vogue dans l'industrie de l'IA en 2026. Certains scandent le slogan : FDE est le paradigme du PMF de l'ère des agents.
Ce jugement est-il une vision profonde ou un vœu pieux ? Pour répondre, il faut clarifier : qu'est-ce qu'un FDE exactement, pourquoi est-il soudainement devenu une nécessité en 2026, quelle est sa relation avec le « PMF » — et quelles sont ses limites ?
I. Qu'est-ce que le FDE : ni un ingénieur commercial, ni un consultant
D'abord, traduisons deux termes, qui sont les prérequis pour toute la discussion qui suit.
PMF (Product-Market Fit) est le « Saint Graal » des startups de la Silicon Valley. Cela signifie que votre produit répond parfaitement à une demande réelle du marché, et que le marché est prêt à payer pour cela, à racheter et à recommander par le bouche-à-oreille. Avant de trouver le PMF, une startup a l'impression de nager à contre-courant ; après l'avoir trouvé, c'est comme dériver dans le sens du courant.
FDE signifie « Forward Deployed Engineer », mais ce n'est pas la définition originale. Ce rôle a été inventé par Palantir au début des années 2000, lorsque leurs clients étaient les agences de renseignement américaines — des personnes qui « ne pouvaient pas exprimer clairement ce qu'elles voulaient, ne vous laissaient pas voir leurs données, et dont les flux de travail changeaient constamment ».
Shyam Sankar, cofondateur de Palantir, a une citation classique : « Si un problème pouvait être résolu par un document d'exigences, il l'aurait déjà été. »
Alors Palantir a fait quelque chose de non conventionnel : ils ont cessé de demander aux clients « que voulez-vous ? » et ont plutôt envoyé des ingénieurs directement dans les bureaux des clients, les bases militaires, et même les ateliers d'assemblage d'avions pour coder à leurs côtés. Ces personnes étaient appelées « Deltas » chez Palantir — elles devaient passer les mêmes entretiens d'ingénierie mais travaillaient dans des bases aériennes, des back-offices bancaires et des systèmes informatiques hospitaliers plutôt que dans des bureaux ouverts à Palo Alto.
Cela diffère de trois rôles courants dans les entreprises logicielles traditionnelles :
- Les ingénieurs commerciaux gèrent les démos pré-vente et partent une fois le contrat signé ;
- Les architectes solutions fournissent principalement des conseils techniques et n'écrivent pas de code de production ;
- Les consultants fournissent généralement des méthodologies et des livraisons mais ne participent pas à l'itération du produit du fournisseur.
La spécificité d'un FDE est qu'il écrit le code de production du client tout en remontant les problèmes courants rencontrés dans les scénarios clients vers le produit principal du fournisseur. La description interne de Palantir est : « Le périmètre de travail d'un FDE est comme celui d'un CTO de startup — responsable d'un projet à haut risque de bout en bout dans une petite équipe. »
En 2016, le nombre de FDE chez Palantir a même dépassé celui des ingénieurs logiciels classiques. La forme même du produit de l'entreprise — la plateforme Foundry — a été essentiellement « distillée » à partir d'innombrables projets sur site de FDE. Un ingénieur qui a été FDE chez Palantir pendant sept ans a résumé ce modèle comme « de la route de gravier à l'autoroute pavée » : les FDE construisent de nombreuses routes de gravier chez les clients, et l'équipe produit identifie les plus empruntées pour les paver en autoroutes, les transformant en capacités de la plateforme.
II. Le tournant de 2026 : pourquoi trois géants de l'IA parient simultanément sur les FDE
Pendant près de vingt ans, le modèle de Palantir a été considéré comme une « anomalie » dans la Silicon Valley mainstream — la plupart des entreprises SaaS conseillaient : « n'apprenez pas de Palantir, les marges brutes ne tiendront pas. » Mais en 2026, tout a soudainement changé.
Le 4 mai, Anthropic et FIS ont annoncé un partenariat où l'équipe Applied AI d'Anthropic et les FDE s'« intégreraient » chez FIS pour co-concevoir des agents d'IA pour la criminalité financière.
Le 11 mai, OpenAI a officiellement annoncé l'OpenAI Deployment Company (nom de code interne « DeployCo »), avec un investissement initial de 4 milliards de dollars mené par TPG, avec la participation de 19 cabinets d'investissement et de conseil. Simultanément, ils ont annoncé l'acquisition de Tomoro, un cabinet de conseil en IA appliquée, apportant environ 150 FDE et experts en déploiement.
Le 12 mai, Thomas Kurian, PDG de Google Cloud, a annoncé une nouvelle « organisation axée sur l'IA » au sein de Google Cloud pour recruter « des centaines » de FDE. À ce moment-là, Google Cloud avait 59 offres d'emploi liées à ce poste.
Pourquoi maintenant ? Pourquoi tous en même temps ? Le jugement des trois entreprises pointe vers un fait : le goulot d'étranglement de l'ère des agents n'est pas le modèle lui-même, mais le déploiement.
L'enquête « Pulse of Change » d'Accenture montre que seulement 32 % des dirigeants d'entreprise déclarent voir un « impact durable de l'IA à l'échelle de l'entreprise ». Les 68 % restants sont dans un état où ils ont des pilotes, des PPT et des démos, mais pas de livraison à grande échelle. Dans une enquête IBM auprès de 2 000 dirigeants début 2026, la « vitesse d'exécution » était classée comme la troisième priorité stratégique la plus élevée.
L'annonce d'OpenAI a exprimé cette logique sans détour : « Au cours des dernières années, plus d'un million d'entreprises ont adopté nos produits et API. Un schéma devient de plus en plus clair — le gagnant de la prochaine phase de l'IA en entreprise dépend de la capacité d'une entreprise à déployer cette technologie dans des scénarios commerciaux réels. »
Il y a un autre ensemble de données à noter. OpenAI aurait manqué ses objectifs internes de revenus et d'utilisateurs actifs hebdomadaires au début de 2026, tandis qu'Anthropic et Google Gemini continuaient à grignoter des parts de marché en entreprise. Fidji Simo, PDG d'OpenAI Applied Business, a qualifié la progression d'Anthropic de « signal d'alarme » et a déclaré que l'entreprise devait « concrétiser les scénarios de productivité ».
En d'autres termes, l'utilité marginale de la « puissance produit » du modèle d'IA diminue, mais l'utilité marginale de la capacité d'ingénierie à « transformer les modèles en systèmes utilisables » explose. Peu importe la puissance du modèle, s'il ne peut pas fonctionner dans le processus de conformité d'une banque, le système de sinistres d'une compagnie d'assurance ou le système MES d'une usine, ce n'est qu'une démo, pas un business.
Le FDE est précisément ce convertisseur.
III. Pourquoi l'ère des agents a un « besoin structurel » de FDE
Pour comprendre pourquoi « agent » et « FDE » sont un mariage parfait, il faut clarifier la différence fondamentale entre les agents et les formes précédentes d'IA.
Les produits SaaS traditionnels sont essentiellement des « outils » : vous achetez Salesforce pour obtenir un ensemble de modèles de processus de vente configurés que vos collaborateurs utilisent. Les limites d'un outil sont claires — ce qu'il fait et ne fait pas est explicitement écrit dans le manuel du produit.
Un agent, c'est « agir pour le compte » : vous ne l'utilisez plus ; vous le laissez faire les choses pour vous. Un agent anti-blanchiment ne donne pas aux enquêteurs une meilleure interface de requête ; il les aide à réaliser l'ensemble du workflow consistant à « extraire des preuves des systèmes centraux, recouper avec des schémas de blanchiment connus, juger les niveaux de risque et rédiger des rapports d'activité suspecte (SAR) ».
Cette différence a trois conséquences :
Premièrement, les agents doivent être profondément intégrés dans le workflow réel du client. Pour « agir pour le compte », un agent doit savoir où se situent les limites de conformité de la banque, quelles décisions ne peuvent pas être automatisées, comment les rapports SAR doivent être rédigés pour être acceptés par les régulateurs, et où les données internes sont stockées. Ces choses ne se trouvent pas dans les documents produits ; elles sont dans la « mémoire musculaire institutionnelle » du client.
Deuxièmement, l'échec d'un agent est un « échec commercial », pas un « échec fonctionnel ». Si un bouton SaaS manque, les utilisateurs se plaignent. Si un agent omet une transaction suspecte, la banque est verbalisée par les régulateurs. Cela signifie que le déploiement d'agents repose plus lourdement sur la « connaissance du domaine » et le « contexte opérationnel » que toute génération précédente de logiciel.
Troisièmement, le marché des agents est un marché où « il n'y a pas de produits matures auxquels se référer, et les clients eux-mêmes ne savent pas ce qu'ils veulent ». C'est exactement la situation à laquelle Palantir a été confrontée avec les agences de renseignement. Les clients peuvent dire « je veux que les enquêtes AML soient plus rapides », mais ils ne peuvent pas définir « rapide », quelles sources de données utiliser, quelles étapes automatiser, ou quels points de décision humaine conserver. Ce genre de problème ne peut pas être résolu avec un document d'exigences ; il faut que des ingénieurs aillent sur place, observent, testent, modifient et observent à nouveau.
La description de poste de FDE chez Anthropic expose clairement cette logique : « Construire des applications de production dans les systèmes clients, livrer des artefacts techniques comme des serveurs MCP, des sous-agents et des compétences d'agents, fournir un support de déploiement haut de gamme dans des environnements d'entreprise, et identifier des schémas de déploiement réutilisables à remonter aux équipes produit et ingénierie. »
Cette dernière partie — « remonter aux équipes produit et ingénierie » — est le véritable levier du modèle FDE. Cela signifie que chaque intervention sur site est à la fois une livraison pour le client et une découverte produit pour le fournisseur. Les FDE sont les tentacules du fournisseur plongeant dans le marché, ramenant des échantillons de besoins réels.
IV. Le FDE est-il le « paradigme du PMF de l'ère des agents » ? Trois réserves
À ce stade, le jugement selon lequel « FDE est le paradigme du PMF de l'ère des agents » semble très convaincant. Mais accepter cette conclusion de manière générale ignore plusieurs paradoxes réels.
Réserve 1 : Le FDE pourrait résoudre le « problème du PMF », ou il pourrait « masquer le problème du PMF ».
Le sens originel du PMF est « le produit correspond au marché » — le produit lui-même est la réponse, et les clients l'utilisent, le renouvellent et le recommandent immédiatement.
L'essence du modèle FDE est « d'utiliser la main-d'œuvre humaine pour combler l'écart entre le produit et le marché ». Si un produit nécessite une équipe d'ingénieurs sur site pendant six mois pour être opérationnel, à proprement parler, le produit lui-même n'a pas trouvé son PMF.
Alex Coqueiro, analyste senior chez Gartner, a fait une prédiction cinglante dans un récent rapport : d'ici 2028, 70 % des entreprises seront contraintes d'abandonner les projets d'agents menés par des FDE parce que « les coûts du fournisseur sont trop élevés et les capacités internes d'évolution autonome font défaut ».
Il a également souligné un mode d'échec caché : « Si la charge de travail des FDE ne diminue pas après plusieurs déploiements, c'est le signe que l'on construit une dépendance plutôt qu'une capacité. Lorsqu'un cas d'usage mûrit mais que l'investissement ne baisse pas, cela signifie que les clients paient un prix de conseil pour des capacités opérationnelles qu'ils devraient posséder eux-mêmes. »
C'est le plus grand risque du modèle FDE : il peut dégénérer d'un « mécanisme de découverte produit » en un « travail permanent de colmatage ». La raison pour laquelle le modèle Palantir a réussi était l'étape de la « route de gravier à l'autoroute pavée » — la spécificité des scénarios clients doit finalement être distillée dans le produit. Si cette étape de distillation échoue, le FDE n'est qu'une externalisation haut de gamme.
Réserve 2 : S'agit-il d'un « cabinet de conseil déguisé en entreprise de produits » ?
Le jugement du marché des capitaux sur ce point est également partagé.
Les partisans estiment que le modèle FDE donne aux entreprises d'IA une douve « pré-déploiement » : plus tôt vous envoyez des ingénieurs dans les entreprises du Fortune 500, plus tôt vous contrôlez le point d'entrée des workflows d'IA en entreprise, et les coûts de migration des clients augmenteront de façon exponentielle. La déclaration officielle de l'OpenAI Deployment Company mentionnait que les partenaires « parrainant plus de 2 000 entreprises dans le monde » deviendront le bassin naturel de clients de DeployCo — à la fois une source de revenus et une boucle de rétroaction.
Mais les critiques soulignent que ce modèle rend le profil financier des entreprises d'IA plus proche d'un hybride « conseil + logiciel ». Palantir a longtemps été sous-évalué sur le marché secondaire, en partie parce que les analystes utilisent des cadres d'évaluation purement SaaS (marges élevées, faible main-d'œuvre) qui ne correspondent pas. À mesure qu'OpenAI et Anthropic commencent à embaucher des FDE à grande échelle, leurs structures de marge, leurs revenus par employé et leurs multiples de valorisation seront remis en question.
L'évaluation de Larry Dignan, analyste chez Constellation Research, était plus directe : OpenAI Deployment Company n'opère pas de manière indépendante comme IBM Consulting, qui peut intégrer n'importe quel modèle. « La probabilité qu'OpenAI Deployment Company utilise Anthropic est nulle. OpenAI présente son service comme un avantage d'intégration verticale, mais les DSI le verront sous l'angle du “verrouillage”. »
En d'autres termes : ce qui est un paradigme de PMF pour le fournisseur pourrait être la veille du verrouillage propriétaire pour le client.
Réserve 3 : Les FDE pourraient être remplacés par les outils qu'ils créent.
Ce paradoxe est le plus intéressant. Les FDE sont chers parce qu'ils effectuent beaucoup de « sale boulot d'intégration » : mappage de champs, interfaçage API, traduction de systèmes existants, réglage de prompts et construction de cadres d'évaluation — précisément le type de travail que l'IA est la mieux placée pour automatiser.
La pratique de Salesforce avec son produit Agentforce montre qu'une grande partie du travail de « déploiement d'agents FAQ simples » initialement effectué par les FDE est absorbée par le produit lui-même ; le travail des FDE migre vers des couches d'abstraction plus élevées — architecture multi-agents, conception de protocole MCP, agents vocaux et orchestration d'agents de codage.
Lors d'une table ronde sur les FDE organisée par South Park Commons à New York en avril 2026, plusieurs responsables FDE sont parvenus à un consensus : à mesure que les modèles deviennent plus puissants, la valeur des FDE ne diminue pas, elle augmente — mais la source de la valeur change. Le travail d'intégration de bas niveau est dévoré par l'IA, et la valeur fondamentale des FDE se déplace vers « juger quels problèmes résoudre sur le site client et quoi normaliser ».
C'est un équilibre délicat. Si les outils d'IA évoluent assez rapidement, l'« effet de levier d'intégration » du modèle FDE sera compressé, ne laissant que le jugement produit et le conseil métier — alors il deviendra véritablement du « conseil haut de gamme ». Mais si l'évolution de l'IA atteint un goulot d'étranglement, la complexité de l'intégration persistera pendant de nombreuses années, faisant du FDE une activité à long terme.
V. La signification varie selon les personnes
Revenons à la question initiale : Le FDE est-il le paradigme du PMF de l'ère des agents ?
Si je dois porter un jugement, j'ai tendance à le formuler ainsi : le FDE est « l'état intermédiaire nécessaire » pour que l'IA en entreprise passe de la démo à la production à l'ère des agents, mais ce n'est pas le PMF lui-même — c'est la méthode pour trouver le PMF.
Cette affirmation a des significations différentes selon les identités :
- Pour les fournisseurs d'IA : le FDE n'est pas une activité de revenus ; c'est un mécanisme de découverte produit. Si vous le traitez comme une activité de conseil, vous tomberez dans un piège de marge ; ce n'est qu'en distillant continuellement l'expérience sur site en capacités produit réutilisables — serveurs MCP, compétences d'agents, cadres d'évaluation, modèles de déploiement — que l'investissement FDE produira des intérêts composés.
- Pour les clients entreprises : la véritable valeur du FDE n'est pas de laisser le fournisseur « construire pour vous », mais de « vous transférer la capacité dans le processus de construction ». Dans la déclaration officielle du partenariat Anthropic-FIS, cette phrase est clé : « transférer les connaissances pour que FIS puisse construire et mettre à l'échelle des agents supplémentaires de manière autonome au fil du temps. » S'il n'existe pas un tel mécanisme de sortie dans le contrat, le modèle FDE est un verrouillage subtil.
- Pour les ingénieurs : c'est l'ensemble de compétences le plus rare de 2026 — profondeur technique, compréhension du contexte client et jugement métier. La fourchette de salaire de base pour les FDE chez Google est de 127 000 $ à 265 000 $, avec des packages seniors en moyenne à 238 000 $ et les meilleurs approchant 400 000 $. De plus, ce budget provient des dépenses d'expansion client, pas des effectifs R&D internes, ce qui le rend contracyclique pendant les périodes de licenciements.
- Pour les investisseurs : utiliser un cadre d'évaluation purement SaaS pour les entreprises d'IA pilotées par les FDE sera trompeur. Ce qu'il faut surveiller, ce ne sont pas les marges actuelles, mais la vitesse de « transformation des routes de gravier en autoroutes pavées » — à quel point la capacité réutilisable du produit s'améliore après chaque intervention sur site. Il a fallu près de vingt ans à Palantir pour que le marché comprenne cela ; OpenAI et Anthropic n'auront pas autant de patience.
Conclusion : Les paradigmes n'annoncent pas leur propre naissance
Le terme PMF a été proposé pour la première fois par Marc Andreessen en 2007, et son critère était très simple : « Vous n'avez pas besoin de l'expliquer, vous savez simplement que vous l'avez trouvé. » — les utilisateurs commencent à affluer, le produit est en pénurie, le système est constamment surchargé.
Selon ce critère, le marché de l'IA en entreprise en mai 2026 a « l'embryon du PMF » mais pas encore « la victoire du PMF ». Le fait que les trois entreprises parient simultanément sur les FDE est moins une déclaration de victoire d'un paradigme qu'une reconnaissance d'un fait : avant que les agents ne deviennent des « logiciels au-dessus des logiciels », nous avons besoin de personnes — des personnes sur le terrain qui comprennent à la fois le client et le modèle — pour parcourir ces chemins non pavés un par un.
Peut-être que le véritable paradigme du PMF attendra que les chemins parcourus par les FDE soient suffisamment nombreux et clairs pour que les agents puissent y courir eux-mêmes — à ce moment-là, cette discussion sur les FDE deviendra une note de bas de page d'une époque.
Mais en 2026, tout le monde est encore sur la route.
Les données et cas de cet article proviennent des annonces officielles d'OpenAI, d'Anthropic, de Google et de FIS, ainsi que des rapports publics de The Information, Pragmatic Engineer, Constellation Research, CIO Magazine et Gartner, avec des données à jour en mai 2026.
