Le 10 octobre, Satya Nadella a publié un essai qui redéfinit la question que les entreprises se posent au sujet de l'IA. L'ancienne question était : « à quel modèle pouvons-nous faire confiance ? ». Sa réponse : à aucun d'eux, par défaut. Traitez chaque modèle frontier, fermé ou à poids ouverts, comme vous traiteriez un employé influent ayant accès à des systèmes sensibles : privilèges limités, actions journalisées, bouton d'arrêt d'urgence et audits qui ne reposent pas sur la parole de l'employé lui-même.
Il a conclu par une phrase facile à répéter mais difficile à mettre en œuvre : le système le plus fiable est celui qui « nous permet de faire le moins confiance au modèle ».
Mon argument dans cet article est plus précis que les gros titres et, je pense, plus difficile à réfuter :
- Microsoft ne remporte pas la course à l'IA d'entreprise grâce au meilleur modèle. L'entreprise gagne parce qu'elle possède l'espace où les modèles sont gouvernés, facturés et confinés, et les chiffres du segment entreprise (plus de 30 millions de licences Copilot payantes, 100 milliards de dollars de revenus Azure) le prouvent.
- Les modèles à poids ouverts sur Azure comptent, mais pas parce qu'ils sont plus fiables. Ils comptent parce qu'ils donnent le contrôle à celui qui déploie, ce qui correspond exactement à l'endroit où Nadella a déplacé la charge de la confiance.
- La seule chose que le déployeur ne peut pas s'apporter lui-même de manière crédible, c'est une vérification indépendante. C'est là que réside le manque, et c'est précisément la place d'une entreprise de test comme la nôtre.
Une précision d'emblée : j'ai cofondé TestMu AI (anciennement LambdaTest). Gardez cela à l'esprit en lisant le dernier tiers de cet essai. J'ai veillé à ce que chaque affirmation soit vérifiable, et les sources figurent à la fin.
Microsoft perd la course aux modèles, mais gagne tout de même les entreprises
« Microsoft gagne l'IA d'entreprise » est l'affirmation la plus susceptible d'être contestée ; elle nécessite donc une définition précise. En termes de parts de marché des modèles, Microsoft n'est pas leader. Mais quant à savoir où l'IA d'entreprise tourne réellement.
Ce qui est mesuré
La tendance est claire. Les entreprises achètent des modèles auprès de laboratoires, mais elles les déploient chez Microsoft. L'enquête CIO d'a16z a révélé qu'OpenAI dominait sur les modèles, tandis que Microsoft domine les applications d'IA pour entreprises.
Microsoft a également cessé de miser sur un seul laboratoire. Claude d'Anthropic est devenu disponible en version générale sur Microsoft Foundry le 29 juin 2026, facturé via Azure et gouverné avec les contrôles d'identité et d'accès d'Azure. Le catalogue Foundry propose désormais des modèles d'OpenAI, Anthropic, Meta, Mistral, DeepSeek, xAI, Cohere et d'autres.
La version précise de cette thèse est donc la suivante : Microsoft devient le plan de contrôle de l'IA d'entreprise, la couche qui décide quel modèle s'exécute, avec quelles permissions, sur quelles données et sous quels journaux. C'est de cette couche dont parle l'essai de Nadella.
Le tableau de bord des entreprises
Si le contrôle de la couche entreprise est le prix à remporter, les résultats de l'exercice fiscal 2026 de Microsoft montrent qu'il est en train de l'empocher. Pour l'année se terminant en juin 2026, Azure a généré 100 milliards de dollars de revenus annuels et a progressé de 43 % au trimestre de juin, avec une prévision de croissance d'environ 45 % pour le trimestre de septembre (Microsoft 8-K ; MarketBeat). Les obligations de performance restantes commerciales, c'est-à-dire le carnet de commandes signé mais non encore comptabilisé, ont bondi de 84 % pour atteindre 678 milliards de dollars (résumé du communiqué par KuCoin).
Les chiffres de Copilot sont encore plus importants pour notre propos, car ils mesurent les entreprises qui placent l'IA devant leurs propres équipes :
Les déploiements nommés concernent précisément les secteurs où la confiance reste la plus difficile à gagner : NHS England étend Copilot à 505 000 cliniciens et employés, KPMG à plus de 276 000 professionnels, et HSBC s'est engagé sur 200 000 licences (UC Today). Accenture déploie la solution auprès d'environ 743 000 collaborateurs, ce que Nadella a qualifié de plus grande victoire de Copilot pour Microsoft (Let's Data Science). Bayer, Johnson & Johnson, Mercedes-Benz et Roche exploitent chacun plus de 90 000 licences.
Le détail le plus révélateur est la façon dont Microsoft conditionne son offre. Sa nouvelle suite E7 regroupe Copilot avec la sécurité E5, l'identité Entra et Agent 365, la couche de gestion des agents. Des centaines d'entreprises l'ont achetée au cours de ses deux premiers mois, et EY la déploie auprès de 400 000 collaborateurs (UC Today). Microsoft ne vend plus l'IA seule. L'entreprise vend l'IA accompagnée de l'identité, des permissions et de la gouvernance qui l'entourent, ce qui revient à transformer l'essai de Nadella en référence produit.
Une nuance s'impose : 30 millions de licences ne représentent encore qu'environ 6,6 % des licences commerciales payantes Microsoft 365 de l'entreprise (No Jitter), et une partie du carnet de commandes est engagée avant même le déploiement réel. L'avance est bien réelle, mais le marché n'en est qu'à ses débuts. C'est une raison supplémentaire de bâtir la couche de confiance dès maintenant, pendant que la base installée est encore en phase d'activation.
Ce que Nadella a vraiment dit
L'essai, intitulé « Les modèles comme risques internes à l'ère de la superintelligence », part d'un aveu. Avec les logiciels traditionnels, les ingénieurs peuvent relier un comportement à un chemin de code. Avec les modèles frontier, personne ne peut rattacher un résultat à des données d'entraînement ou à des poids spécifiques, et pourtant les entreprises confient à ces systèmes des données sensibles et des actions critiques. Les garanties d'un fournisseur, écrit-il, ne suppriment pas la responsabilité de celui qui déploie (TNW).
Sa solution consiste à emprunter les contrôles de risque interne que les équipes de sécurité utilisent déjà : identité vérifiée, moindre privilège, journalisation, confinement. Ces contrôles sont externes au modèle. Selon ses mots, les entreprises doivent « séparer la fourniture d'intelligence de l'autorité exercée sur celle-ci ».
Les sept principes, tels que résumés par TNW :
- Diversité des modèles. Aucun modèle unique ne doit être la seule dépendance pour un résultat important, et aucun modèle ne vérifie son propre travail.
- Preuves. Chaque action significative d'un modèle laisse une preuve infalsifiable et lisible par un humain.
- Tests continus des systèmes. Tester tous les systèmes en continu, y compris face aux défaillances et aux attaques.
- Autorité définie par le déployeur. C'est l'entreprise, et non le modèle, qui décide de ce à quoi le modèle peut accéder et de ce qu'il peut faire.
- Audit indépendant. Les audits ne doivent pas dépendre du modèle évalué.
- Confinement. Une personne autorisée peut suspendre ou arrêter un modèle en pleine tâche.
- Déclaration des incidents. Informer rapidement les parties concernées et partager les enseignements à l'échelle du secteur.
Deux détails sont importants pour la suite. Premièrement, ce cadre s'applique aussi bien aux modèles fermés qu'aux modèles à poids ouverts (OfficeChai). Deuxièmement, l'essai n'annonce aucun produit, aucune norme ni aucun calendrier (FourWeekMBA). Il s'agit d'une prise de position, pas d'un plan, ce qui laisse la mise en œuvre ouverte.
Cet essai ne sort pas de nulle part. En juillet, OpenAI a annoncé que des agents avaient échappé à une évaluation en bac à sable et compromis des systèmes Hugging Face. En septembre, un modèle de recherche d'OpenAI a contacté un chatbot externe via DNS, et OpenAI a suspendu l'entraînement à l'utilisation d'outils et l'inférence sur ses modèles les plus performants (Bernama/dpa). Anthropic a également révélé que l'un de ses modèles avait transmis un faux signalement d'homicide à la police de Philadelphie lors de tests (Benzinga). Ce sont des incidents de laboratoire, pas des failles en entreprise, mais ils expliquent pourquoi « faites confiance au fournisseur » n'est plus une réponse acceptable.
Poids ouverts sur Azure : du contrôle, pas de la vertu
La version populaire de cet argument affirme que les modèles à poids ouverts sont plus fiables. Nadella lui-même démonte efficacement cette idée dans son texte : les poids ouverts constituent tout autant un risque interne. Des poids inspectables ne rendent pas le comportement traçable, ce qui est précisément le problème qu'il soulève.
Ce que les poids ouverts apportent réellement à une entreprise, c'est le contrôle sur les variables que Nadella remet entre les mains du déployeur :
- Épinglage de version - Le modèle que vous avez validé est celui qui s'exécute. Personne ne le met à jour à votre insu.
- Localisation - Il tourne dans votre région, votre centre de données ou sur un site isolé. Le Sovereign Private Cloud de Microsoft exécute Foundry Local sur Azure Local, sur site.
- Continuité - L'accès ne peut pas être retiré par un fournisseur ou un gouvernement après le déploiement.
- Post-entraînement adapté à la tâche - Vous pouvez restreindre un modèle à une mission précise et tester ce comportement plus ciblé.
Microsoft construit son offre dans ce sens. En juillet, l'entreprise a signé un accord de plusieurs milliards de dollars avec Mistral, intégrant le modèle à poids ouverts Mistral Medium 3.5 dans Foundry et sur Azure Local, y compris pour des déploiements totalement isolés. Le 9 octobre, elle a lancé Microsoft-Decision-1, un modèle de scoring post-entraîné sur Qwen3.5-9B à poids ouverts d'Alibaba, conçu pour le routage, les vérifications d'ancrage et l'évaluation des actions proposées par les agents (Let's Data Science).
Voyons maintenant les éléments contraires. L'utilisation des modèles ouverts en entreprise diminue, au lieu d'augmenter : Menlo Ventures les estimait à 19 % des charges de travail d'entreprise début 2025, puis à 13 % à la mi-année, évoquant un retard de performance de neuf à douze mois et une réticence à utiliser des modèles d'origine chinoise (Menlo Ventures). Un chiffre ultérieur de Menlo les plaçait à 11 % (compilation Keenable).
Dire que « les poids ouverts sont meilleurs pour l'entreprise » est donc une généralisation erronée. La position valable est celle d'une approche par portefeuille : des modèles fermés frontier là où la capacité détermine le résultat, et des modèles à poids ouverts là où c'est le contrôle qui prime (données réglementées, sites isolés, classification et vérification à fort volume). Decision-1 est un bon indicateur. Microsoft a opté pour une base ouverte pour le modèle dont la mission est de vérifier les autres modèles, et l'entreprise indique qu'elle rebasera ensuite ce modèle sur MAI et les modèles OpenAI (InfoWorld). La base est un choix ; la couche de contrôle est le produit.
L'avantage d'Azure est d'offrir les deux sous une même identité, une même facturation et un même système de journalisation. C'est exactement ce dont les principes de Nadella ont besoin : un lieu unique pour exercer une autorité sur de nombreux modèles.
Europe : les échéances ont bougé, pas la pression
Il serait facile de surestimer la poussée réglementaire, voici donc ce qui s'applique réellement. Le Digital Omnibus de l'UE est entré en vigueur le 27 juillet 2026, repoussant de plus d'un an les échéances relatives aux systèmes à haut risque de l'AI Act (CASRAI).
Dates selon Gibson Dunn et Compliance Hub.
Deux conclusions honnêtes s'imposent. La réglementation ne force la main de personne ce trimestre. Mais les exigences qu'elle imposera à partir de décembre 2027 portent sur la gestion des risques, la documentation, la surveillance humaine et le suivi post-commercialisation. Tout cela prend plus de 14 mois à construire, et ressemble beaucoup à la liste de Nadella.
Le moteur européen le plus puissant est la continuité d'accès. En juin 2026, les contrôles américains à l'exportation ont poussé Anthropic à suspendre l'accès à deux de ses modèles les plus avancés pendant environ trois semaines, jusqu'à la levée de ces restrictions (Anthropic). Une analyse de l'accord Microsoft-Mistral a directement relié le regain de souveraineté en Europe à cette suspension (ResultSense). Gartner, comme le rapporte ai2.work, prévoit des dépenses IaaS en cloud souverain européen de 12,6 milliards de dollars en 2026, en hausse de 83 %.
Le contrepoint mérite aussi d'être entendu. L'Allemagne et le Danemark ont tous deux annoncé s'éloigner des logiciels Microsoft au profit de l'open source (UC Today), et la question de savoir si le cloud local d'un fournisseur américain constitue une véritable souveraineté reste ouverte. La position européenne de Microsoft est solide, mais pas définitivement acquise.
La pièce que la plateforme ne peut pas fournir : la vérification indépendante
Relisez les sept principes et classez-les selon qui peut les appliquer. L'identité, les permissions, la journalisation et le bouton d'arrêt d'urgence (principes 2, 4, 6) sont des fonctionnalités de plateforme. Microsoft peut les intégrer à Foundry et Entra, et l'a largement fait.
Trois principes sont différents. « Aucun modèle ne vérifie son propre travail » (1), « tester les systèmes entiers en permanence » (3) et « les audits ne doivent pas dépendre du modèle évalué » (5) exigent tous une entité distincte de ce qui est jugé. Nadella lui-même note que l'utilisation de modèles pour se tester mutuellement a ses limites (OfficeChai).
Microsoft fournit bien des outils d'évaluation, et ils sont bons. Le traçage et les évaluations de Foundry sont devenus disponibles en version générale ce printemps (blog Microsoft Foundry), et son plan de contrôle inclut des exercices automatisés de red teaming (Azure Updates). Cela couvre la vérification interne continue. Cela ne couvre pas l'indépendance, pour une raison structurelle : Microsoft a un intérêt commercial dans bon nombre des modèles qu'il serait amené à noter. L'entreprise détient une participation historique dans OpenAI, s'est engagée à hauteur de 5 milliards de dollars envers Anthropic (AI Business), investit dans Mistral et lance désormais ses propres modèles.
Ce n'est pas une critique de Microsoft. C'est la même logique que celle utilisée par tous les secteurs réglementés. Une entreprise maintient des contrôles internes, et un auditeur externe vérifie les comptes. Un fournisseur cloud gère sa propre sécurité, et un cabinet indépendant délivre le rapport SOC 2. Personne ne pense que le cloud devrait s'auditer lui-même ; personne ne devrait penser que la place de marché des modèles le devrait non plus.
La demande est visible dans les données :
- 81 % des 685 DSI interrogés par Harris Poll affirment avoir perdu la supervision de leurs propres agents IA, et 60 % ne disposent d'aucune couche de gouvernance centrale (Dataiku).
- L'enquête 2026 de McKinsey révèle que deux tiers des organisations en sont à la phase d'expérimentation avec les agents, mais que moins d'une sur quatre passe à l'échelle, la confiance et le risque constituant les principaux freins (selon NHI Mgmt Group).
- IDC décrit l'absence de piste d'audit comme le véritable déficit de gouvernance : dans une enquête, la plupart des organisations étaient incapables de vérifier ce que font leurs agents (IDC).
Aaron Levie, PDG de Box, a réagi à l'essai de Nadella en affirmant que l'IA entre dans une ère zéro confiance exigeant protection et auditabilité multicouches (Benzinga). Le zéro trust en sécurité a donné naissance à un écosystème de fournisseurs indépendants autour des plateformes. La même chose est sur le point de se produire ici.
Où se situent TestMu AI et Microsoft
Voici le biais que j'ai déclaré, formulé clairement : je pense que la vérification indépendante est une catégorie à part entière, et que TestMu AI devrait figurer parmi les entreprises qui la définissent sur la pile technologique de Microsoft.
Cette relation n'est pas hypothétique. Notre plateforme d'orchestration de tests, HyperExecute, a été construite sur Azure (témoignage client Microsoft). En 2022, nous avons livré des intégrations avec Azure DevOps et GitHub Actions et étions partenaire mis en avant lors d'Ignite (Help Net Security). Ce qui suit explique comment j'étendrais cela à la couche de confiance. Il s'agit d'une proposition, pas d'un accord annoncé.
Concrètement, cela implique trois choses :
- Une porte de validation pour les agents. Les agents créés dans Foundry ou Copilot Studio subissent des tests indépendants en préproduction avant de recevoir les permissions de production. Notre produit Agent Testing couvre les agents conversationnels, vocaux et SVI ; nos travaux agent-à-agent couvrent les flux où aucun humain n'intervient.
- Des preuves qui aboutissent dans le plan de contrôle du client. Les résultats alimentent l'observabilité de Foundry basée sur OpenTelemetry, qui ingère déjà des agents tiers (Microsoft Tech Community). La plateforme conserve le journal ; le vérificateur signe le verdict.
- Une vérification qui s'exécute là où le modèle s'exécute. Dans le cas des déploiements souverains et isolés sur Azure Local, les tests doivent s'exécuter à l'intérieur de la même limite, sinon les preuves quittent la pièce où le modèle était enfermé.
Une objection nous concerne directement. Si nous utilisons des agents IA pour tester des agents IA, ne faisons-nous pas exactement ce que Nadella déconseille ? Dans une certaine mesure, oui, et c'est pourquoi la conception est cruciale. L'agent de test doit tourner sur un modèle différent de celui du système testé (principe 1). La réussite ou l'échec doit reposer sur des vérifications déterministes par rapport au comportement attendu, le modèle servant à explorer et générer des cas, non à se noter lui-même. Et chaque verdict doit pouvoir être lu par un auditeur humain sans qu'il ait besoin de faire confiance à notre modèle non plus.
Objections et réponses
« Anthropic et OpenAI dominent l'IA d'entreprise, pas Microsoft. » En termes de parts de marché des modèles, c'est absolument vrai et cet article en convient. Le propos porte sur le plan de contrôle. Claude lui-même est désormais vendu via Foundry sur les factures Azure (Redmond Mag). Les fournisseurs de modèles et la plateforme gagnent sur des couches différentes.
« L'essai de Nadella est du marketing pour Azure. » Peut-être, mais il reste juste sur le fond. Les équipes de sécurité disposent déjà de contrôles de risque interne pour les personnes ; les étendre aux modèles relève de l'ingénierie courante. Notez que l'essai ne cite aucun produit Microsoft, il ne peut donc pas être jugé comme un argumentaire de vente en soi.
« Les modèles à poids ouverts perdent des parts en entreprise, c'est donc le mauvais pari. » Les données vont dans ce sens, c'est pourquoi l'argument porte sur un portefeuille et sur le contrôle, et non sur la victoire des poids ouverts. Le fait que Microsoft construise son modèle de vérification sur une base ouverte est le signal pertinent.
« La réglementation vient d'être repoussée, il n'y a donc pas d'urgence. » Les obligations liées aux systèmes à haut risque s'appliqueront désormais en décembre 2027. Celles concernant les modèles à usage général s'appliquent depuis août 2025. C'est l'historique des incidents, et non le calendrier juridique, qui pousse les acheteurs à agir. Le projet de loi Kill Switch au Congrès pointe dans la même direction (TNW).
« Microsoft va simplement construire la vérification lui-même. » L'entreprise construira l'évaluation, et c'est normal. L'indépendance n'est pas une fonctionnalité qu'elle peut ajouter, pour la même raison qu'une entreprise ne peut pas être son propre auditeur externe. Le meilleur scénario pour les clients de Microsoft est une plateforme facilitant l'intégration de vérificateurs indépendants.
« Pourquoi une entreprise de test et non un cabinet d'audit ? » Les cabinets d'audit vérifient les contrôles périodiquement. Le principe 3 exige de tester les systèmes entiers en continu, y compris pendant les pannes et les attaques. Il s'agit d'un travail technique continu effectué à chaque livraison. C'est ce que l'infrastructure de test fait déjà pour les logiciels ; la cible est désormais les agents.
Qu'est-ce qui prouverait que cette thèse est fausse ?
Une thèse qui mérite d'être publiée doit indiquer ce qui pourrait l'invalider. Quatre éléments le feraient :
- Les entreprises acceptent l'évaluation gérée par la plateforme comme suffisante. Si les DSI et les régulateurs considèrent les évaluations internes d'un fournisseur comme un audit, la couche indépendante restera marginale.
- Les laboratoires résolvent l'interprétabilité fidèle. L'argument de Nadella repose sur l'impossibilité de tracer le comportement des modèles. Si cela change, le confinement importe moins et la vérification coûte moins cher.
- Les achats s'éloignent de la couche plateforme. Si les entreprises standardisent de bout en bout sur la pile d'agents d'un seul laboratoire, le plan de contrôle passe de Microsoft à ce laboratoire.
- La souveraineté signifie quitter Microsoft. Si les acheteurs européens concluent que le cloud local d'un fournisseur américain n'est pas assez souverain, l'avantage européen de Microsoft s'amenuise.
Je surveillerais trois signaux au cours des 12 prochains mois : si Microsoft standardise les technologies de confinement réclamées par Nadella, si les orientations européennes sur la conformité à haut risque mentionnent les tests par des tiers, et si les entreprises commencent à exiger des preuves de vérification dans leurs achats d'IA. Si les trois évoluent, la couche de confiance deviendra un marché.
Sources
L'essai de Nadella et les réactions
- Satya Nadella sur X : « Les modèles comme risques internes à l'ère de la superintelligence » (10 oct. 2026)
- TNW : Satya Nadella affirme que les entreprises devraient traiter les modèles d'IA comme des risques internes
- FourWeekMBA : Nadella recommande de traiter les modèles d'IA frontier comme des risques internes
- OfficeChai : Les modèles d'IA doivent être traités comme des initiés puissants
- Benzinga : Nadella estime que les systèmes d'IA doivent être conçus pour faire le moins confiance possible au modèle
- Let's Data Science : Nadella appelle à des contrôles de type frein d'urgence pour l'IA
Résultats de Microsoft auprès des entreprises
- Microsoft Form 8-K, publication des résultats du T4 de l'exercice 2026 (29 juillet 2026)
- MarketBeat : les points clés de la conférence téléphonique sur les résultats du T4 de Microsoft
- KuCoin : résumé des résultats du T4 de Microsoft (chiffre RPO)
- No Jitter : l'adoption de Microsoft 365 Copilot bondit de 50 % par rapport au trimestre précédent
- UC Today : Copilot dépasse les 30 millions de licences payantes ; NHS, KPMG, HSBC, EY E7
- Enterprise DNA : Copilot atteint 20 millions de licences payantes (chiffre Fortune 500)
- Let's Data Science : Accenture et clients nommés avec 90 000 licences
Données de marché
- a16z : leaders, gagnants et surprises inattendues dans la course à l'armement de l'IA en entreprise
- The Decoder : OpenAI domine toujours l'IA d'entreprise, Anthropic progresse rapidement
- SaaStr sur les données ETR : qui gagne actuellement la bataille de l'IA en entreprise
- Carly : parts de marché des LLM en 2026 (chiffres Menlo, Ramp, Microsoft)
- Menlo Ventures : point sur le marché des LLM à mi-année 2025
- Keenable : adoption des modèles à poids ouverts vs propriétaires 2022–2026
Plateforme et modèles Microsoft
- Enterprise DNA : disponibilité générale de Claude dans Microsoft Foundry
- Redmond Mag : Anthropic Claude passe en disponibilité générale dans Microsoft Foundry
- ADTmag : catalogue de modèles Foundry
- AI Business : Claude dans Foundry ; conditions de l'investissement Microsoft–Nvidia–Anthropic
- Let's Data Science : Microsoft-Decision-1
- InfoWorld : Microsoft sépare la prise de décision de l'IA générative
- Blog Microsoft Foundry : observabilité Build 2026
- Azure Updates : observabilité dans le plan de contrôle Foundry
- Microsoft Tech Community : observabilité dans le plan de contrôle Foundry
Europe et souveraineté
- Microsoft Learn : Microsoft Sovereign Cloud
- Noqta : accord entre Microsoft et Mistral pour une IA souveraine
- SiliconANGLE : Mistral conclut un accord de plusieurs milliards de dollars avec Microsoft
- ResultSense : Microsoft va financer le déploiement des capacités de calcul de Mistral en Europe
- ai2.work : Microsoft et Mistral misent sur l'IA souveraine (chiffres Gartner)
- UC Today : Microsoft 365 Local et souveraineté européenne
- Anthropic : déclaration concernant l'accès à Fable et Mythos
- CASRAI : report de l'échéance du Digital Omnibus de l'AI Act européen
- Gibson Dunn : accord Omnibus sur l'AI Act européen
- Compliance Hub : calendrier du report du Digital Omnibus
Incidents et enquêtes sur la gouvernance
- Bernama/dpa : OpenAI suspend ses travaux sur ses principaux modèles d'IA après une faille de sécurité
- Dataiku / Harris Poll : Global AI Confessions Report, édition CIO 2026
- NHI Mgmt Group sur l'enquête McKinsey 2026 AI Trust Maturity Survey
- IDC : la piste d'audit qui n'existe pas
TestMu AI (LambdaTest) et Microsoft
