Sur l’écran, l’agent comprend une demande, consulte des documents et prépare une réponse en quelques secondes. Impressionnant ? Certainement. Différenciant ? Beaucoup moins lorsque les stands voisins promettent la même chose. Pour une jeune pousse qui prépare le RAISE Summit, le véritable défi n’est plus de montrer que l’IA fonctionne. C’est de convaincre un acheteur qu’elle mérite un budget, une place dans son système d’information et une part de sa confiance.
Ce dossier se place dans la perspective de septembre 2026 : il s’appuie sur les évolutions déjà observées de l’IA générative et propose une méthode de préparation, sans prétendre rendre compte d’annonces ou de résultats d’une édition 2026. Le RAISE Summit, rendez-vous parisien consacré à l’intelligence artificielle, offre un cadre révélateur : experts techniques, investisseurs et entreprises s’y croisent, mais ne cherchent pas les mêmes preuves.
La promesse d’automatisation est devenue un point de départ
Depuis l’arrivée de ChatGPT auprès du grand public fin 2022, les interfaces conversationnelles, la recherche documentaire augmentée et les assistants de programmation se sont largement diffusés. Les grands fournisseurs de logiciels ont intégré ces fonctions à leurs offres. Conséquence commerciale : « nous utilisons un grand modèle de langage » décrit désormais un choix technique, rarement une raison d’acheter.
La progression des modèles ouverts et des services accessibles par API a également abaissé certaines barrières au prototypage. Une petite équipe peut réaliser rapidement une démonstration convaincante. Mais cette facilité rend les ressemblances plus visibles. Le concurrent n’est pas seulement la startup du stand voisin : c’est aussi la fonctionnalité que le client possède déjà dans son abonnement logiciel.
Pour sortir de cette comparaison défavorable, il faut déplacer la conversation. Au lieu de vendre « un agent qui automatise les opérations », mieux vaut expliquer quelle opération, pour quel métier, avec quelles contraintes et quel résultat vérifiable. La précision ne réduit pas nécessairement l’ambition ; elle rend le premier achat possible.
Commencer par le problème qui dispose d’un budget
Avant de réserver ses rendez-vous, l’équipe devrait pouvoir répondre à quatre questions : qui souffre du problème, qui paie pour le résoudre, qui autorise le déploiement et qui peut le bloquer ? Dans une entreprise, ces rôles sont souvent répartis entre un responsable métier, une direction financière, l’informatique et la sécurité. Un utilisateur enthousiaste n’est donc pas encore un client.
Prenons une jeune pousse spécialisée dans le traitement des dossiers fournisseurs. « Automatiser les tâches administratives » reste abstrait. « Aider les équipes achats à repérer les pièces manquantes avant validation » décrit une intervention identifiable. La proposition devient plus solide lorsqu’elle précise l’outil existant auquel elle se raccorde, les exceptions qu’elle transmet à un humain et la méthode d’évaluation du résultat.
Une proposition commerciale en quatre lignes
- Le client visé : un métier et un environnement précis, plutôt que « toutes les entreprises ».
- Le problème : un retard, une erreur ou un coût observable dans le travail quotidien.
- La preuve : un test comparatif, un pilote documenté ou un retour client autorisé.
- L’engagement : un périmètre, un prix, des responsabilités et des critères de réussite.
Sans référence commerciale, inutile de maquiller un prototype en produit éprouvé. On peut présenter des entretiens utilisateurs, un protocole d’essai et les hypothèses restant à valider. Cette transparence permet de discuter d’un pilote sans faire passer des résultats de laboratoire pour une performance acquise chez le client.
Préparer une démonstration qui supporte les questions difficiles
Une démonstration de salon doit être courte, mais pas truquée par omission. Un parcours parfaitement scénarisé montre l’expérience souhaitée ; il ne prouve ni la fiabilité ni la robustesse. L’idéal consiste à présenter un cas courant, puis un cas ambigu : document incomplet, demande contradictoire ou information introuvable. Que fait alors le système ?
La bonne réponse n’est pas toujours une réponse automatique. Un produit crédible peut demander une précision, citer sa source, refuser une action ou solliciter une validation. Pour un agent capable de modifier des données, les permissions, la traçabilité et la possibilité d’annuler une opération comptent autant que la fluidité de l’interface.
Il faut aussi préparer la conversation technique derrière le spectacle : origine des données de test, méthode de mesure, latence, dépendance à un fournisseur de modèles, traitement des informations sensibles. Les évolutions réglementaires européennes, notamment l’AI Act adopté en 2024 et son application progressive, renforcent l’intérêt de ces questions. Leur portée dépend toutefois de l’usage et du rôle exact de l’entreprise : une conformité générale ne se décrète pas sur une diapositive.
Vendre un résultat, sans masquer son coût réel
Le temps économisé constitue un argument utile, mais incomplet. Une tâche exécutée plus vite peut déplacer le travail vers la vérification humaine. Une réponse bon marché peut devenir coûteuse si elle déclenche des corrections. Pour établir la valeur, mieux vaut comparer un processus complet avant et après, en intégrant les contrôles, les erreurs et les reprises.
Le calcul économique doit également inclure les dépenses moins visibles : intégration, préparation des données, supervision, consommation des modèles et assistance. Pour l’investisseur, ces postes éclairent la marge future. Pour l’acheteur, ils déterminent le coût total. Une promesse commerciale solide explique où se crée la valeur et qui supporte les coûts lorsqu’un cas sort du scénario prévu.
Un pilote devrait donc avoir une durée définie, un responsable côté client et une décision prévue à son terme. Son tarif et ses objectifs peuvent varier, mais le principe reste le même : tester une hypothèse d’achat, pas entretenir indéfiniment une expérimentation gratuite.
Deux publics, deux conversations, une seule réalité
L’investisseur cherche un marché accessible, une croissance reproductible et un avantage défendable. Le client veut savoir si le produit s’intègre, s’il tient ses engagements et qui répond en cas de problème. Présenter le même argumentaire aux deux publics expose à un double échec : trop opérationnel pour l’un, trop spéculatif pour l’autre.
La préparation du sommet commence donc par une liste courte de rencontres prioritaires. Pour chaque interlocuteur : un problème supposé, une preuve pertinente et une prochaine étape réaliste. Une discussion investisseur peut déboucher sur l’examen des revenus et des coûts. Une rencontre métier, sur un atelier réunissant utilisateur, informatique et décideur budgétaire.
Après l’événement, le suivi doit reprendre le besoin formulé, les réserves exprimées et l’action convenue. Le nombre de badges scannés mesure l’activité du stand, pas la traction commerciale. Des échanges moins nombreux, mais qualifiés et suivis, peuvent produire davantage qu’une collection de contacts sans intention d’achat.
Et maintenant ? À l’horizon de septembre 2026, la banalisation probable des capacités techniques pourrait rendre encore plus précieuses l’expertise métier, la qualité d’intégration et la confiance. Ce n’est pas une certitude sur les gagnants du marché, mais une direction de préparation raisonnable. Au RAISE Summit, une jeune pousse aurait ainsi intérêt à venir avec moins de superlatifs et davantage de preuves : un problème précis, une démonstration honnête et une proposition que quelqu’un peut réellement signer.
