Le paysage de l’intelligence artificielle évolue à une vitesse vertigineuse, et les événements comme Computex 2025 offrent une fenêtre unique sur l’avenir technologique. Alors que de nombreuses entreprises surfent sur la vague marketing de l’IA, peu parviennent véritablement à innover. Cette distinction entre les véritables pionniers et les simples suiveurs devient cruciale pour les investisseurs cherchant à capitaliser sur la prochaine révolution technologique. À travers l’expérience vécue à Taiwan, une vision claire émerge : l’avenir de l’IA ne réside pas dans les solutions génériques, mais dans des systèmes spécialisés, intégrés et conçus pour résoudre des problèmes précis. Cet article explore en profondeur les trois tendances majeures identifiées lors de Computex 2025, analyse les erreurs stratégiques commises par certains acteurs, et révèle les opportunités d’investissement les plus prometteuses dans un marché en pleine maturation. Nous décortiquerons notamment la révolution des agents IA, le potentiel sous-estimé des robots non-humanoïdes, et l’impératif architectural qui sépare les gagnants des perdants.
🔥 Produits recommandés : Canon EOS R6 II • DJI Mini 4 Pro • MacBook Pro M4
Computex 2025 : Le Grand Déballage de l’IA Réelle vs l’IA Marketing
Computex 2025 a été bien plus qu’une simple foire commerciale ; ce fut un test de vérité pour l’industrie de l’intelligence artificielle. Des centaines d’exposants, allant des géants du silicium aux startups ambitieuses, ont présenté leurs dernières innovations. Cependant, une problématique récurrente est rapidement apparue : un fossé immense sépare les produits réellement révolutionnaires des simples exercices de marketing. Beaucoup d’entreprises, y compris des sociétés cotées en bourse, peinent à expliquer concrètement comment leur IA fonctionne, pourquoi elle est supérieure, ou même quel type de modèle elles utilisent. L’IA est devenue un mot-valise, un label trop souvent collé sur des produits qui ne font que relayer des requêtes à des modèles cloud tiers comme ChatGPT. Cette approche « wrapper » ou « enveloppe » constitue le premier écueil majeur. Elle se caractérise par un hardware minimal (un microphone, une caméra, un bouton) dont la seule fonction est de collecter des données, de les envoyer via internet à un serveur distant, et de restituer la réponse. L’exemple emblématique et tristement célèbre de l’AI Pin de Humane illustre parfaitement ce modèle défaillant. Malgré des fondateurs issus d’Apple et un financement colossal, le produit a échoué car il ne résolvait aucun problème de manière autonome, efficace et fiable. Sa dépendance totale à une connexion internet et à un modèle externe en a fait un gadget lent, peu fiable et finalement inutile. À Computex, des produits similaires, comme certaines caméras de sécurité « intelligentes », souffraient des mêmes maux : latence, problèmes de confidentialité des données, et une fiabilité liée à la qualité du réseau. Cette première tendance observée est donc négative : la prolifération des solutions d’IA superficielles, qui masquent un manque d’innovation fondamentale sous un vernis marketing.
Le Critère Décisif : IA Intégrée vs IA Externalisée
Face à cette mer de produits médiocres, un critère simple mais puissant permet de distinguer les innovateurs des imitateurs : le degré d’intégration de l’IA. Les perdants construisent des « wrappers » autour de modèles qu’ils ne contrôlent pas. Les gagnants, eux, reconstruisent entièrement leur pile matérielle et logicielle pour héberger et exécuter l’IA directement sur l’appareil (on-device AI). Cette distinction architecturale a des implications profondes sur les performances, la sécurité, le coût et l’expérience utilisateur. Prenons l’exemple contrasté de deux systèmes de sécurité vus à Computex. Le premier, un « wrapper », envoyait chaque image capturée dans le cloud pour analyse, avec tous les défauts que cela implique. Le second, un véritable innovateur, intégrait de petits GPU dans chaque caméra pour un prétraitement local. Ces caméras étaient connectées à un ordinateur central sur site exécutant un modèle de vision spécifiquement affiné (fine-tuned) pour son environnement (neige, forêt, zone urbaine). Le résultat ? Une analyse en temps quasi réel, sans latence internet, une sécurité renforcée car les données vidéo sensibles ne quittent jamais les lieux, et des coûts opérationnels bien inférieurs à une solution serveur cloud. Cette approche « intégrée » transforme l’IA d’une fonctionnalité accessoire en le cœur battant du produit. Elle permet une personnalisation extrême, une fiabilité indépendante du réseau, et ouvre la voie à des mises à jour incrémentielles des modèles, à l’image des mises à jour iOS sur iPhone. Pour un investisseur, cette capacité à maîtriser la stack technologique de bout en bout est un indicateur clé de durabilité et de potentiel de marge.
Tendance 1 : L’Émergence des Agents IA Spécialisés (Agentic AI)
La première grande tendance d’investissement identifiée va bien au-delà des chatbots de service client basiques. Il s’agit de l’avènement des « Agentic AI » ou agents IA. Contrairement à un modèle de langage standard qui répond à une prompt, un agent IA est conçu pour planifier, exécuter des actions via des API, et accomplir des objectifs complexes de manière autonome. Son architecture est souvent spécialisée, intégrant des modules de mémoire, de planification et d’outils externes. À Computex, les prototypes les plus convaincants n’étaient pas des assistants génériques, mais des spécialistes hyper-focus. L’exemple frappant était un agent conçu pour les streamers de jeux vidéo compétitifs. Pendant que le créateur de contenu se concentrait sur sa partie, l’agent, fonctionnant comme un utilisateur distinct, gérait dynamiquement l’arrière-plan : résumant les discussions du chat pour le streamer via son casque, modérant les commentaires indésirables, mettant en avant les messages utiles, et interagissant avec l’audience. Ayant accès aux flux vidéo (avec permission), il pouvait même réagir contextuellement à l’action à l’écran. Cet agent possédait des objectifs clairs (engager l’audience, aider le streamer), des tâches définies (modération, synthèse) et des métriques de succès. Cette spécialisation est la clé. L’avenir des agents IA réside dans des entités dédiées à des métiers ou des workflows spécifiques : un agent pour la gestion de portefeuille financier, un autre pour la planification logistique, un autre pour l’assistance technique proactive. Ces agents ne se contentent pas de parler ; ils agissent dans des environnements numériques, automatisant des chaînes de tâches fastidieuses. Les opportunités d’investissement se situent donc dans les plateformes permettant de construire ces agents (comme les outils de NVIDIA dédiés aux « digital humans »), les entreprises développant des agents verticalisés pour des industries lucratives, et les sociétés créant l’infrastructure sous-jacente de sécurité et d’orchestration pour ces entités autonomes.
Tendance 2 : Le Potentiel Sous-Estimé des Robots Non-Humanoïdes
Si les médias sont fascinés par les robots humanoïdes marchant et gesticulant comme des humains, Computex 2025 a révélé une tendance d’investissement peut-être plus pragmatique et immédiatement rentable : les robots non-humanoïdes. L’engouement pour les robots à forme humaine masque souvent des défis techniques herculéens (équilibre, dextérité, coût) pour une utilité finale parfois discutable. En revanche, les robots conçus pour une fonction spécifique, avec une morphologie adaptée à leur tâche, démontrent une valeur commerciale claire. On parle ici de bras robotisés avancés pour l’assemblage, de plateformes mobiles autonomes pour la logistique en entrepôt, de drones d’inspection pour les infrastructures, ou de robots de nettoyage et de maintenance pour les environnements dangereux. Ces machines ne cherchent pas à imiter l’homme ; elles cherchent à optimiser une opération. Leur « intelligence » réside dans leur logiciel de vision par ordinateur, de planification de trajectoire et de prise de décision autonome, couplé à des actionneurs spécialisés. À Computex, les démonstrations les plus solides concernaient ce type de robots : un système de tri dans un environnement de e-commerce utilisant la vision IA pour identifier et saisir des objets de formes variées, ou un robot mobile de désinfection utilisant des capteurs LiDAR et l’IA pour naviguer dans un hôpital. Pour l’investisseur, ce segment est attractif car il répond à des besoins business tangibles (réduction des coûts de main-d’œuvre, augmentation de la productivité, travail en zones à risque) avec une technologie plus mature et des cycles de retour sur investissement plus prévisibles que pour les humanoïdes. Les sociétés qui excellent dans les composants clés (capteurs, actionneurs, logiciels de contrôle) ou qui intègrent des solutions robotiques complètes pour des niches industrielles sont bien positionnées.
Tendance 3 : La Puissance de l’IA sur Périphérique (On-Device AI) et le Edge Computing
La troisième méga-tendance, sous-jacente aux deux précédentes, est la migration de l’intelligence du cloud vers la périphérie du réseau (edge) et directement dans les appareils (on-device). Comme l’a montré l’exemple des caméras de sécurité, exécuter des modèles d’IA localement n’est pas qu’une question de performance ; c’est un impératif pour la confidentialité, la fiabilité, la latence et le coût. Computex 2025 a été le théâtre d’une course aux puces et aux logiciels permettant cette transition. Les fabricants de semi-conducteurs présentaient des processeurs (CPU), des unités de traitement graphique (GPU) et des accélérateurs neuronaux (NPU) toujours plus puissants et écoénergétiques, conçus spécifiquement pour faire tourner des modèles de taille raisonnable directement sur un smartphone, un ordinateur portable, une caméra ou un capteur industriel. Cette tendance « edge AI » rend possible les agents IA réactifs et les robots autonomes évoqués précédemment. Elle réduit la dépendance à une connexion internet constante, protège les données sensibles (qui ne transitent plus), et permet une scalabilité bien plus économique. Imaginez une usine avec des centaines de capteurs : envoyer tous ces flux de données en temps réel vers le cloud serait prohibitif en bande passante et en coût de traitement. Avec l’edge AI, chaque capteur ou groupe de capteurs peut prétraiter les données, ne remonter au système central que les alertes ou les synthèses pertinentes. Pour les investisseurs, cette tendance ouvre des opportunités à plusieurs niveaux : les fabricants de puces spécialisées (au-delà de NVIDIA), les éditeurs de logiciels d’optimisation de modèles pour le edge (compression, quantification), et les entreprises qui construisent l’infrastructure de gestion et de déploiement de ces millions de modèles distribués.
Analyse de Cas : Pourquoi Humane a Échoué et Ce Que l’On Peut En Apprendre
L’échec retentissant de Humane et de son AI Pin sert de cas d’école pour tout investisseur dans le secteur tech. Malgré des atouts considérables (équipe prestigieuse, levée de fonds massive de 250 millions de dollars, partenariats avec Microsoft et OpenAI, timing parfait au début de l’engouement pour l’IA), la société a fait faillite. La raison fondamentale est que le produit ne résolvait pas un problème utilisateur de manière supérieure aux alternatives existantes (comme un smartphone). Son architecture était celle du « wrapper » : un hardware minimaliste dépendant entièrement de modèles cloud et d’une connexion internet. Cela a engendré les problèmes fatals : latence, surchauffe, manque de fiabilité, et une expérience utilisateur décevante. Leçon n°1 : Une équipe et un financement brillants ne compensent pas une architecture produit déficiente. Leçon n°2 : L’IA doit être au service d’une utilité claire, pas être l’utilité en elle-même. Leçon n°3 : Pour les appareils grand public portables, l’autonomie et la réactivité sont non-négociables, ce qui exige une forte composante d’IA sur l’appareil. Un scénario alternatif aurait pu être : un AI Pin avec un petit modèle local gérant les commandes vocales de base, la reconnaissance d’objets simples, et ne faisant appel au cloud que pour les requêtes complexes. Des mises à jour logicielles auraient ensuite amélioré le modèle local au fil du temps. Cette approche aurait aligné Humane sur la tendance des « gagnants » identifiée à Computex. Pour un investisseur, il faut donc scruter les architectures techniques des startups en IA et être sceptique face aux produits qui semblent trop dépendants d’un partenaire cloud ou d’un modèle externe comme unique valeur proposition.
Opportunités d’Investissement Concrètes et Secteurs à Surveiller
Sur la base de ces trois tendances (Agents IA spécialisés, Robots non-humanoïdes, IA Edge), plusieurs corridors d’investissement se dessinent. Tout d’abord, l’infrastructure matérielle : les sociétés qui conçoivent les puces et les capteurs permettant l’IA intégrée et le edge computing. Cela inclut les acteurs historiques mais aussi de nouveaux venus dans les accélérateurs dédiés. Ensuite, la couche logicielle et plateforme : les entreprises qui fournissent les outils pour développer, entraîner, affiner (fine-tune) et déployer des modèles d’IA spécialisés sur des architectures edge. Les plateformes pour créer des agents IA (avec gestion des API, de la mémoire, de la planification) sont également cruciales. Troisièmement, les intégrateurs et les éditeurs de solutions verticales : les sociétés qui utilisent ces briques technologiques pour construire des produits finis répondant à des besoins précis dans des secteurs comme la santé, la logistique, la manufacture, la sécurité ou les médias. Par exemple, une entreprise développant un agent IA pour automatiser la documentation médicale, ou une société fabriquant des robots de nettoyage autonomes pour les centres commerciaux. Enfin, il faut surveiller les sociétés qui maîtrisent la donnée propriétaire pour affiner leurs modèles, créant ainsi un avantage compétitif difficile à répliquer. Les investissements doivent privilégier les entreprises avec une feuille de route technologique claire vers l’intégration, une compréhension profonde d’un problème métier, et une équipe capable d’exécuter cette vision. Évitez les « story stocks » dont le seul argument est d’être « dans l’IA » sans démonstration concrète d’architecture ou d’utilité.
La Confidentialité des Données : Un Enjeu Central et un Argument Commercial
Un fil rouge connectant toutes ces tendances est la question cruciale de la confidentialité et de la souveraineté des données. L’ère des modèles cloud où l’utilisateur envoie toutes ses données à un serveur distant est en train de se heurter à des limites réglementaires (RGPD en Europe, etc.) et à une prise de conscience des consommateurs et des entreprises. L’IA sur périphérique (on-device) et le edge computing offrent une réponse élégante à ce défi. En traitant les données localement, on minimise leur exposition, on garde le contrôle, et on se conforme plus facilement aux régulations. Cet argument n’est pas seulement technique ; c’est un puissant levier commercial. Une caméra de sécurité qui analyse les images sur site se vendra bien mieux à une entreprise soucieuse de ses secrets industriels ou à une municipalité réglementée. Un agent IA qui traite les données financières d’un client directement sur son ordinateur sera préféré par une banque. Cette exigence de confidentialité accélère donc l’adoption des architectures intégrées et renforce la position des entreprises qui les proposent. Pour l’investisseur, il est vital d’évaluer comment une entreprise candidate aborde ce sujet. Celles qui en font un pilier de leur conception produit et de leur argumentaire marketing sont alignées avec une demande croissante du marché, B2B comme B2C. À l’inverse, les modèles dépendants du cloud sans garanties solides de confidentialité pourraient voir leur croissance entravée par des réticences réglementaires et des craintes des clients.
Computex 2025 a servi de révélateur pour l’industrie de l’intelligence artificielle. Au-delà du battage médiatique, trois tendances structurelles émergent, portant en elles les germes de véritables révolutions et d’opportunités d’investissement durables. La spécialisation des agents IA, le pragmatisme des robots non-humanoïdes et la migration impérative de l’intelligence vers la périphérie dessinent les contours du marché de demain. Le critère discriminant restera l’intégration profonde de l’IA dans l’architecture des produits, loin du modèle superficiel et dépendant du « wrapper ». Les leçons d’échecs comme celui de Humane sont claires : la technologie doit servir une utilité tangible, avec performance, fiabilité et respect de la vie privée. Pour les investisseurs, la voie est tracée : privilégier les entreprises qui maîtrisent leur stack technologique, qui résolvent des problèmes business précis avec des solutions spécialisées, et qui placent la donnée et son traitement local au cœur de leur proposition de valeur. L’ère de l’IA généraliste et marketing cède la place à l’ère de l’IA intégrée, spécialisée et actionnable. C’est dans ce virage que se construiront les prochains géants technologiques.