Ce que révèlent les résultats du T2 2026 des actions américaines et chinoises sur les agents IA

Auteur : qinbafrank

Ces derniers jours, j'ai passé en revue les rapports financiers des entreprises d'agents IA cotées aux États-Unis et en Chine. Mon impression est forte : les agents IA commencent à passer des conférences de presse aux états financiers.

L'année dernière, le marché observait surtout si les modèles pouvaient appeler des outils, enchaîner des tâches en plusieurs étapes, et combien d'agents IA une entreprise avait lancés.

Cette saison des résultats, les indicateurs ont clairement changé. On regarde désormais combien d'ARR (revenu annuel récurrent) et d'ACV (valeur annuelle du contrat) les agents IA génèrent, combien de nouvelles commandes ils apportent, combien de clients sont passés en production, et combien de travail est réellement accompli chaque trimestre.

Ce changement est important.

Qu'un produit fonctionne prouve seulement que la direction technique est valable. L'apparition de revenus, de contrats, d'encaissements et de bénéfices montre que les entreprises sont prêtes à payer durablement pour cette capacité.

Je tends donc à définir 2026 comme le « point de départ et l'année zéro de la validation financière » des agents IA d'entreprise. Il s'agit d'une année de validation, encore loin de la maturité industrielle, mais au moins les premières données réelles intégrables dans des modèles financiers sont apparues.

I. Les actions américaines ont déjà donné une première réponse

Les entreprises les plus lisibles actuellement maîtrisent presque toutes les données, les autorisations et les flux de travail internes des entreprises.

1. ServiceNow a enregistré un chiffre d'affaires d'abonnement de 3,877 milliards de dollars au deuxième trimestre, en hausse de 24,5 % sur un an ; l'ACV de l'activité IA a dépassé 1 milliard de dollars, et le nombre d'agents IA déployés a été multiplié par 9 en neuf mois.

Beaucoup voyaient ServiceNow comme un logiciel de tickets informatiques et de flux de travail. Aujourd'hui, il ressemble de plus en plus au centre de contrôle des agents IA d'entreprise.

À l'avenir, les entreprises pourraient exécuter simultanément Claude, Gemini, OpenAI et divers modèles verticaux. Quel agent IA peut accéder à quelles données, au nom de qui il exécute des tâches, quelles actions nécessitent une approbation, comment revenir en arrière en cas d'erreur : tout cela exige une couche de gouvernance unifiée.

ServiceNow occupe déjà cette position. Il vend progressivement non plus seulement des logiciels de flux de travail, mais un système d'identité, d'autorisations, de surveillance et d'exécution des agents IA.

2. La validation de Salesforce est également très directe

L'ARR d'Agentforce a dépassé 1,5 milliard de dollars, en hausse de plus de 240 % sur un an ; l'ARR combiné d'Agentforce et de Data 360 approche 3,9 milliards de dollars. Au deuxième trimestre, Agentforce et Slack ont réalisé 3,2 milliards d'unités de travail agentique, en hausse de 97 % par rapport au trimestre précédent.

Le marché craignait que les grands modèles généralistes contournent le CRM (gestion de la relation client) et prennent directement en charge la vente et le service client. On constate aujourd'hui que, pour accomplir réellement des tâches d'entreprise, les grands modèles ont toujours besoin des données clients, de l'historique des commandes, de l'état des contrats, des pistes de vente et du système d'autorisations.

Claude peut comprendre l'intention, Salesforce détient le contexte métier et la trajectoire d'exécution.

Bien sûr, la croissance de 240 % doit être légèrement nuancée. Salesforce a élargi ce trimestre le périmètre de l'ARR d'Agentforce en y ajoutant d'autres produits d'IA, Slackbot et Headless 360. La direction est claire, mais la croissance précise doit être appréciée en tenant compte de ce changement de périmètre.

3. Les résultats de Workday sont également très représentatifs

L'IA contribue déjà à plus de 25 % du nouvel ACV, et plus de 5 500 clients utilisent au moins un agent IA développé par Workday.

Ces données montrent que, dans les domaines sensibles comme les RH (ressources humaines), la finance et l'audit, les entreprises ne contournent pas simplement leurs plateformes logicielles existantes. Les données des employés, les règles de rémunération, les systèmes financiers et les autorisations organisationnelles sont ancrés dans Workday, et les agents IA doivent travailler le long de ces trajectoires déterministes.

Pour de nombreuses entreprises SaaS (logiciel en tant que service) traditionnelles, l'IA va certes comprimer une partie des pages, des boutons et des licences à faible valeur. Mais les plateformes qui détiennent les données et les règles métier essentielles pourraient au contraire bénéficier de nouvelles opportunités de vente additionnelle grâce aux agents IA.

4. Palantir représente une autre forme

Le chiffre d'affaires du deuxième trimestre a augmenté de 93 % sur un an, et le chiffre d'affaires commercial américain de 149 %. La force de Palantir a toujours été de relier les données d'entreprise, les objets métier, les autorisations et les processus de production réels, puis d'utiliser le logiciel pour décider et exécuter.

Beaucoup de produits d'agents IA se contentent de « générer une réponse ». Palantir est plus proche de « produire un résultat pour l'entreprise ».

Les industriels s'intéressent à la réduction des arrêts machines, les acteurs de la chaîne d'approvisionnement à l'amélioration de la rotation des stocks, les équipes commerciales à l'augmentation du taux de conversion. Ce que les entreprises acceptent finalement de payer cher, ce sont généralement ces résultats opérationnels quantifiables.

En regardant ces entreprises ensemble, une tendance évidente se dégage :

Les premières à profiter de l'effet d'aubaine des agents IA sont généralement celles qui étaient déjà au cœur des systèmes métier des entreprises.

La capacité des modèles est certes importante, mais déployer des agents IA en entreprise exige aussi des données, des autorisations, des processus, de l'audit et des points d'entrée clients. Se contenter de brancher un modèle et d'ajouter une interface de chat verra sa barrière à l'entrée baisser rapidement. C'est aussi ce que j'évoquais dans un long article sur l'entrée de l'adoption de l'IA dans l'ère de l'ingénierie : les SaaS qui possèdent réellement les flux de travail et les données exclusives essentielles détiennent le point d'entrée du travail, les objets métier, la sémantique métier, les autorisations utilisateurs, l'historique des opérations, les enregistrements système, les règles sectorielles, l'exécution finale des actions et le retour sur les résultats clients.

II. Le changement le plus important de ces résultats est en réalité celui des méthodes de mesure

Auparavant, pour juger un produit d'IA, le marché regardait souvent les utilisateurs inscrits, les clients d'essai et le volume d'appels de tokens. Ces indicateurs prouvent l'intérêt, mais difficilement la viabilité du modèle économique.

De plus en plus d'entreprises commencent à publier : la contribution de l'IA au nouvel ACV, l'ARR généré par les agents IA, le nombre de clients passés de l'essai à la production, et le nombre réel de tâches accomplies.

Le fait que Salesforce mesure désormais la charge de travail en unités de travail agentique est un signal très important.

Le SaaS facturait principalement par licence : une entreprise de 10 000 employés achetait 10 000 comptes. À l'avenir, les agents IA accomplissant une grande partie des tâches, la facturation pourrait évoluer vers :

Frais de licence de base + consommation d'IA + volume de tâches accomplies ;

Plus tard, certains scénarios à forte valeur pourraient même être facturés au résultat.

Par exemple, combien de tickets un agent IA de service client a résolus, combien de pistes un agent IA commercial a qualifiées, combien de documents un agent IA fiscal a traités, combien d'événements à risque un agent IA de sécurité a clôturés.

Dès que l'unité de facturation passe de « combien de personnes utilisent le logiciel » à « combien de travail le logiciel a accompli », le plafond de revenus du SaaS change aussi.

Il commence à mordre sur les coûts de main-d'œuvre, les dépenses d'externalisation et les budgets opérationnels des entreprises, au lieu de se contenter de redistribuer le budget informatique.

III. Pourquoi l'amélioration de l'intelligence des modèles fera des agents IA un secteur de long terme

La filière des agents IA présente un seuil de capacité très net : si un agent IA a 95 % de chances de réussir une tâche en une étape, après dix étapes consécutives, la probabilité de réussite complète de la mission tombe à environ 60 %.

C'est pourquoi les premiers agents IA posaient souvent un problème : chaque étape semblait intelligente, mais une fois insérée dans un long processus, les erreurs apparaissaient. L'entreprise devait encore mobiliser des employés pour vérifier, corriger et refaire, et le temps gagné était finalement limité.

Avec l'amélioration des capacités de raisonnement, de la longueur de contexte, de l'appel d'outils et de la mémoire des modèles, cette situation s'améliore progressivement : plus un agent IA peut enchaîner d'étapes, moins l'intervention humaine est nécessaire, et les tâches auparavant impossibles à automatiser franchissent le seuil de commercialisation.

Ce n'est pas un processus linéaire.

Une légère amélioration du modèle peut simplement fluidifier les réponses ; mais lorsque la fiabilité franchit un certain seuil, c'est tout un flux de travail qui peut être automatisé.

Les revenus des agents IA pourraient donc connaître une forte non-linéarité à l'avenir.

Aujourd'hui, ils organisent des données ; demain, ils rempliront des systèmes ; ensuite, ils soumettront des approbations, suivront l'avancement et traiteront les anomalies. Chaque maillon supplémentaire accompli augmente nettement la valeur commerciale.

C'est aussi pourquoi les agents IA n'ont pas besoin d'atteindre d'abord une prétendue intelligence artificielle générale.

Fiscalité, service client, exploitation informatique, qualification de pistes commerciales et traitement documentaire : autant de tâches aux frontières claires, très répétitives et aux résultats vérifiables. C'est le deuxième scénario que j'évoquais après celui du codage malveillant :

Dès qu'un agent IA peut accomplir de manière stable la plupart de ces tâches, le ROI (retour sur investissement) du client est déjà établi.

IV. Les actions chinoises commencent aussi à valider, mais par un chemin différent

Aux États-Unis, ce sont d'abord les plateformes d'entreprise et les sociétés de flux de travail qui concrétisent ; en Chine, ce sont les scénarios verticaux qui méritent le plus d'attention.

1. Kingsoft Office a réalisé un chiffre d'affaires de 3,313 milliards de yuans au premier semestre, en hausse de 24,69 % sur un an, et WPS 365 a maintenu une croissance supérieure à 60 % pendant six trimestres consécutifs.

L'avantage de Kingsoft Office est évident. Il possède le point d'entrée des documents, les capacités de format, les relations de collaboration et les données bureautiques d'entreprise. Les futurs agents IA bureautiques pourront directement générer, modifier, valider et livrer des documents, ce qui a plus de valeur qu'une simple fenêtre de chat à côté du document.

Mais la croissance de plus de 200 % du bénéfice net attribuable aux actionnaires de Kingsoft Office au premier semestre provient en grande partie de produits financiers. Pour analyser l'activité principale, il faut exclure ces éléments non récurrents.

2. Servyou est un cas assez typique d'agent IA vertical parmi les actions chinoises

Au premier semestre, le chiffre d'affaires a atteint 1,012 milliard de yuans, en hausse de 9,72 % sur un an ; le bénéfice net hors éléments non récurrents a augmenté de 44,04 %. Les encaissements des produits et activités d'IA représentent déjà 33 % des encaissements de l'activité fiscalité numérique, contre 28 % sur l'ensemble de 2025.

Le domaine fiscal se prête très bien aux agents IA. Les règles sont relativement claires, les données très structurées, les résultats vérifiables, et les clients sont prêts à payer pour réduire les coûts de main-d'œuvre et les risques fiscaux.

Ce type d'activité n'exige pas qu'un modèle soit omniscient. Il suffit d'être suffisamment fiable dans un scénario étroit pour générer des revenus réels.

3. Hand Enterprise Solutions

Au premier semestre, le chiffre d'affaires de l'activité d'intelligence artificielle a atteint environ 220 millions de yuans, en hausse de plus de 100 % sur un an, représentant déjà une part à deux chiffres du chiffre d'affaires total.

Hand travaille depuis longtemps sur l'implémentation de systèmes ERP (progiciel de gestion intégré), de chaîne d'approvisionnement, de fabrication et de finance. La plus grande difficulté du déploiement d'agents IA en entreprise réside souvent dans la connexion aux anciens systèmes, les données non standard et les processus d'approbation complexes. Hand connaît bien ces maillons et a l'opportunité de devenir la couche de déploiement et d'intégration de l'IA d'entreprise en Chine.

Mais il faut être particulièrement attentif à la qualité financière des actions chinoises. Les opportunités des agents IA y sont donc importantes, mais l'analyse pourrait être plus difficile qu'aux États-Unis.

Beaucoup d'entreprises restent dominées par des revenus de projets. La standardisation de l'activité IA, l'amélioration de la marge brute, et le passage d'une implémentation ponctuelle à un abonnement et à une facturation à l'usage restent à observer.

V. La chaîne industrielle des agents IA pourrait se structurer en quatre couches

La première couche est celle des modèles de fondation et de la puissance de calcul, qui déterminent le plafond d'intelligence et le coût d'inférence des agents IA.

La deuxième couche est celle des données, de l'identité, des autorisations et de la gouvernance. ServiceNow, Salesforce et Workday se disputent actuellement cette couche.

La troisième couche est celle de l'orchestration et de l'exécution des flux de travail. Palantir, UiPath et certains prestataires de services numériques d'entreprise y sont en concurrence.

La quatrième couche est celle des agents IA sectoriels verticaux : fiscalité, bureautique, droit, santé, industrie, service client et vente.

La validation financière la plus claire concerne actuellement la deuxième couche.

Les entreprises n'osent pas laisser un agent IA sans frontières d'autorisations ni auditabilité manipuler directement les systèmes centraux. Les plateformes de données et de gouvernance disposent donc d'un fort avantage de positionnement.

L'espace de long terme le plus élastique pourrait être la quatrième couche. Les agents IA verticaux correspondent directement à une charge de travail précise, le ROI est facile à calculer, et ils pénètrent plus facilement les budgets de main-d'œuvre et d'externalisation.

La troisième couche détermine si les agents IA peuvent réellement entrer en production. Il ne suffit pas qu'un modèle réfléchisse ; il doit aussi se connecter aux anciens systèmes, appeler des outils, gérer les anomalies et mener le processus à son terme.

UiPath sera un échantillon d'observation très important. La société prévoit de publier ses résultats du deuxième trimestre après la clôture des marchés américains le 3 septembre 2026, heure de l'Est. On pourra alors mieux juger de la vitesse de montée en gamme de la RPA (automatisation robotisée des processus) traditionnelle vers la couche d'exécution des agents IA.

VI. Comment analyser désormais les entreprises d'agents IA

Pour ce type d'entreprises, plusieurs indicateurs me semblent de plus en plus importants :

1. Regarder d'abord l'ARR, l'ACV et les revenus réels liés à l'IA, puis le nombre de clients en production ; la valeur de référence des clients d'essai va continuer de baisser ;

2. Regarder ensuite la contribution de l'IA aux nouveaux contrats. L'indicateur publié par Workday, « l'IA représente plus de 25 % du nouvel ACV », est plus significatif que le nombre d'agents IA lancés ;

3. Regarder aussi le volume d'appels de tâches, le taux de réussite des tâches complètes, le taux de renouvellement et le taux d'expansion client ;

4. Revenir enfin aux états financiers : marge brute après déduction des coûts d'inférence, cycle d'implémentation, créances clients et flux de trésorerie d'exploitation.

Si chaque déploiement d'agent IA exige de mobiliser de nombreux ingénieurs pendant six mois de personnalisation, on est plus proche d'un service informatique traditionnel.

Si un agent IA peut être répliqué rapidement, que plus les clients l'utilisent, plus le coût unitaire baisse, alors le levier opérationnel d'un éditeur de logiciels se libère vraiment.

Enfin, ma compréhension de la filière des agents IA :

1) L'amélioration de l'intelligence des modèles détermine ce que les agents IA peuvent faire ;

2) Les données, autorisations et flux de travail d'entreprise déterminent si cette intelligence peut entrer en production en toute sécurité ;

3) Les résultats réels des tâches déterminent combien les clients sont prêts à payer.

Chaque mise à niveau des modèles repousse la frontière des tâches automatisables.

Aujourd'hui, c'est la programmation, le service client et les documents ; demain, ce sera la finance, la vente, la chaîne d'approvisionnement, la santé et d'autres scénarios professionnels. À mesure que la fiabilité augmente, les contrôles humains diminuent et l'économie unitaire s'améliore en continu.

Les agents IA sont donc probablement un nouveau secteur d'amélioration de l'efficacité capable de durer de nombreuses années.

Mais cette opportunité ne sera pas répartie équitablement.

Les premiers gagnants seront très probablement les plateformes qui contrôlent déjà les données et les processus métier des entreprises. La deuxième vague sera constituée des sociétés de la couche d'exécution capables de déployer l'IA en production et de boucler réellement la boucle des tâches. En Chine, l'élasticité viendra surtout des scénarios verticaux, mais il faudra surveiller de près la qualité financière et la standardisation des revenus.

2026 ressemble davantage à l'année zéro de la validation financière des agents IA. Le marché discutait de l'intelligence des modèles ; il s'intéressera de plus en plus à la quantité de travail réellement accomplie, aux économies réalisées pour les clients, et à la part de valeur qui se retrouve dans les revenus, les bénéfices et les flux de trésorerie des sociétés cotées.