OpenAI et SoftBank, l'IA au service de la finance

Table des matières

OpenAI–SoftBank : un deal qui tourne en rond ?

OpenAI et SoftBank annoncent une coentreprise pour vendre des solutions d’intelligence artificielle (IA) aux grands groupes japonais. L’initiative promet un déploiement massif d’« agents » capables d’automatiser des tâches métiers, mais elle repose sur un montage où SoftBank est à la fois investisseur, distributeur et premier client. Dans les faits, la frontière entre vraie traction commerciale et circulation de capitaux internes devient floue, avec des conséquences directes sur la gouvernance, le risque réputationnel et la lecture du retour sur investissement (ROI).

openai : que contient l’accord au Japon ?

Le partenariat présenté sous la marque « Crystal Intelligence » prend la forme d’une coentreprise (joint venture, JV) détenue à 50/50 par OpenAI et SoftBank, focalisée sur le marché japonais. SoftBank apporte forces de vente, ingénieurs et intégration, OpenAI fournit la technologie et ses modèles de la série o1 orientés vers le raisonnement, conçus pour évoluer vers des « agents » autonomes. L’annonce précise que SoftBank sera le premier client, avec un déploiement interne massif servant de vitrine avant l’ouverture à d’autres entreprises japonaises. SoftBank revendique déjà des centaines de millions de workflows ciblés et des millions d’instances personnalisées de ChatGPT en usage interne, pour industrialiser les cas d’usage de bureautique, relation client et production documentaire. Voir l’ annonce officielle SoftBank–OpenAI .

Dans ce contexte, Crystal Intelligence promet des intégrations sécurisées aux systèmes de l’entreprise, des outils d’orchestration d’« agents » et des connecteurs via interface de programmation (API). En pratique, la valeur dépendra de l’intégration aux données, de la qualité de supervision humaine et de la gestion du risque. Les promesses d’autonomie devront aussi composer avec les exigences de conformité locales et sectorielles, et avec la réalité de l’adoption : selon l’ enquête McKinsey 2025 sur l’IA , une majorité d’organisations restent au stade du pilote plutôt que du passage à l’échelle.

Conséquences concrètes pour les dirigeants

Pour les équipes achats, finance et risques, l’enjeu n’est pas seulement technologique : c’est un test de gouvernance et de transparence. Quand l’investisseur devient aussi client et distributeur, les chiffres de revenus peuvent refléter des flux circulaires plutôt qu’une demande indépendante. Cela complique l’évaluation du ROI, la modélisation des coûts d’infrastructure et la comparaison avec d’autres fournisseurs.

Sur le plan des usages, Crystal Intelligence vise l’automatisation des tâches répétitives dans la finance, le juridique, le marketing et le service client. Mais les gains se matérialisent si l’entreprise maîtrise la qualité des données, la supervision des « agents », l’ergonomie des workflows et la formation. À défaut, les coûts de compute, de support et de remédiation peuvent dépasser les bénéfices.

Points de vigilance

Exiger la ventilation des revenus entre clients indépendants et flux liés à des parties prenantes.
Comparer les prix et niveaux de service à des offres sans liens capitalistiques.
Imposer des indicateurs d’usage et d’impact (gain de temps, qualité, résultat avant intérêts et impôts (EBIT)).
Caler des garde-fous contractuels sur la consommation et le coût unitaire de calcul.
Documenter les risques de conformité et de sécurité des données, y compris l’accès des modèles.

À court terme, prioriser une revue des contrats et des partenariats impliquant OpenAI/SoftBank : clauses de sortie, niveaux de service et mécanismes de réversibilité. Pour la DAF et la DSI, prévoir des pilotes limités, instrumentés, avec métriques d’impact et budget de run distinct du build.

Les ressorts d’un montage à conflits d’intérêts multiples

L’argent circulaire désigne des schémas où un investisseur paie un fournisseur dont il détient une participation, puis capte la hausse de valeur liée à des revenus qu’il alimente lui-même. Ici, SoftBank investit dans OpenAI, codétient la JV, l’alimente en premiers contrats et la distribue. Le risque : surévaluer la traction commerciale, minorer les défauts produit, et lisser les pertes par des engagements internes.

Le phénomène déborde ce seul accord. Microsoft a investi massivement dans OpenAI et reste son principal fournisseur de cloud via Azure, créant une dépendance croisée. Amazon Web Services (AWS) a investi dans Anthropic tout en l’intégrant à son catalogue. Oracle négocie des capacités cloud et d’infrastructure avec OpenAI, tout en bénéficiant de la perspective d’achats massifs. Ces boucles brouillent les signaux marché : une part de la croissance peut relever de l’ingénierie financière plus que d’une demande autonome. La presse économique a documenté ces interdépendances et leurs effets de valorisation, notamment sur SoftBank et ses résultats du Vision Fund.

Côté adoption, les chiffres imposent la prudence. McKinsey observe que si l’IA progresse dans les usages, deux tiers des organisations restent en phase d’expérimentation et peinent à démontrer des impacts financiers significatifs et reproductibles. De son côté, une étude du MIT sur le « GenAI Divide » évoque une proportion très élevée de projets d’« agents » qui échouent à produire un retour mesurable, malgré des budgets déjà conséquents engagés par les entreprises. Voir l’ étude MIT sur le « GenAI Divide » .

Enfin, les coûts d’infrastructure pèsent lourd. Les projections sectorielles évoquent des milliers de milliards d’investissements data centers et processeurs graphiques (GPU) d’ici 2030, alors que les revenus applicatifs restent incertains. Les plans géants, comme le projet Stargate associant OpenAI, SoftBank et Oracle pour bâtir des capacités dédiées, illustrent l’ampleur du pari capitalistique et la dépendance à une demande qui doit se matérialiser au bon rythme. Présentation d’ensemble du projet Stargate et de ses ambitions d’infrastructure .

Comment décider sans se laisser piéger par l’effet vitrine

Pour les comités d’investissement, la clé est d’isoler la valeur économique réelle du bruit des flux internes. Exiger des clauses de divulgation spécifiques : existence de participations croisées, barèmes de remises liées au volume, mécanismes de partage de revenus, et preuves d’adoption par des clients sans liens capitalistiques. Demander des benchmarks indépendants face à d’autres éditeurs ou intégrateurs locaux, y compris des alternatives open source encadrées, afin de tester les coûts totaux de possession.

Sur le plan juridique et réputationnel, prévoir un reporting renforcé sur les parties liées et les risques de conflits d’intérêts. Les autorités pourraient regarder de près des montages où les rôles d’investisseur, de client et de distributeur se confondent. Mieux vaut structurer des comités de pilotage qui séparent les intérêts : achats, éthique IA, sécurité, finance, chacun avec un droit d’alerte.

Pour les équipes, l’arbitrage se joue au niveau des cas d’usage, des données et de l’organisation. Cadrer un portefeuille restreint de processus à valeur prouvable, avec des indicateurs business, un plafond de consommation de calcul et une stratégie de sortie claire. Former les métiers aux limites des « agents » et à la supervision, plutôt que de surinvestir dans des intégrations généralisées dès le départ.

En synthèse, l’accord SoftBank–OpenAI illustre une dynamique porteuse d’innovations mais aussi d’opacité financière. À court terme, sécurisez la transparence contractuelle, limitez les pilotes à des périmètres mesurables et gardez des alternatives techniques ouvertes. À moyen terme, construisez la capacité d’absorption interne avant d’engager des engagements pluriannuels sur des plateformes d’« agents » encore loin d’un modèle économique stabilisé.