Né de la réalité des opérateurs

J’ai fondé DeGNZ Labs en 2024 parce qu’après plusieurs années passées à construire des logiciels et à opérer au sein d’entreprises, je continuais de rencontrer le même problème de fond.

Les entreprises disposaient de plus d’outils, de données, de tableaux de bord, d’automatisations et de canaux que jamais. Pourtant, le travail lui-même restait fragmenté.

Les connaissances nécessaires à la prise de décision étaient dispersées entre des documents, des messages, des réunions, des bases de données et la mémoire de quelques opérateurs. Les workflows existaient en partie dans les logiciels, en partie dans des feuilles de calcul, en partie dans les habitudes des équipes, et parfois nulle part. Des décisions importantes étaient prises, sans toujours être conservées. Les responsabilités étaient attribuées, sans toujours être visibles. Les systèmes enregistraient l’activité, mais capturaient rarement l’intégralité du contexte opérationnel qui la sous-tendait.

Puis l’intelligence artificielle est entrée dans l’entreprise.

Elle y est d’abord entrée par l’intermédiaire des collaborateurs, avant même que la plupart des organisations aient décidé de la manière dont elle devait fonctionner. Les équipes ont commencé à utiliser les grands modèles de langage pour la recherche, la rédaction, l’analyse, la relation client, la réflexion produit, le développement logiciel et les opérations internes. Les copilotes se sont intégrés aux logiciels existants. Les agents ont commencé à quitter les démonstrations pour entrer dans les workflows.

La technologie a progressé rapidement.

L’infrastructure opérationnelle qui l’entourait, elle, n’a pas suivi.

C’est précisément cet écart qui justifie l’existence de DeGNZ Labs.

DeGNZ Labs a été conçu du point de vue de l’opérateur. Un opérateur ne vit pas l’entreprise comme un organigramme parfaitement ordonné ou comme un ensemble de catégories logicielles indépendantes. Il la vit comme un système vivant composé de personnes, de décisions, de dépendances, de contraintes, d’exceptions, d’informations et d’exécution.

Nous voyons les écarts entre le processus officiel et le processus réel, les explications répétées qui ne deviennent jamais une connaissance institutionnelle, la manière dont une incohérence mineure dans les données peut bloquer un workflow entier, la façon dont les décisions disparaissent dans les réunions et les messages privés, la tendance des équipes à ajouter des outils plus vite qu’elles ne repensent leur système de travail, et la manière dont l’automatisation peut accélérer un processus défaillant sans pour autant l’améliorer.

Et aujourd’hui, nous voyons des entreprises introduire l’IA dans cet environnement en espérant que l’intelligence émergera automatiquement.

Ce n’est pas le cas.

L’IA hérite de l’organisation dans laquelle elle entre.

Si le contexte de l’entreprise est fragmenté, l’IA reçoit un contexte fragmenté.

Si les connaissances sont obsolètes ou contradictoires, l’IA raisonne à partir de connaissances obsolètes ou contradictoires.

Si les rôles sont mal définis, l’IA ne peut pas comprendre de manière fiable les niveaux d’autorité.

Si les workflows sont informels, les agents ne peuvent pas savoir où le travail commence, où il se termine, ni à quel moment une intervention humaine est nécessaire.

Si les permissions sont trop larges, l’autonomie devient un risque.

Si la mémoire est absente, chaque interaction recommence à zéro.

Si la gouvernance n’existe que sous la forme d’un document, elle ne peut pas contraindre de manière fiable un logiciel capable d’agir.

L’IA ne supprime pas le besoin de structure opérationnelle.

Elle rend ce besoin impossible à ignorer.

L’adoption de l’IA n’est plus hypothétique.

L’AI Index 2026 de Stanford indique que 88 % des organisations interrogées utilisaient l’IA dans au moins une fonction de l’entreprise en 2025, tandis que le déploiement d’agents IA restait inférieur à 10 % dans la quasi-totalité des fonctions.[^1]

McKinsey rapporte également que 88 % des répondants déclarent que leur organisation utilise régulièrement l’IA, mais qu’environ un tiers seulement indique avoir commencé à déployer ses programmes d’IA à l’échelle de l’entreprise. Vingt-trois pour cent déclarent avoir déployé à grande échelle un système d’IA agentique quelque part dans l’organisation, tandis que 39 % supplémentaires expérimentent avec des agents.[^2]

Il s’agit d’un écart opérationnel, pas d’un écart d’adoption.

BCG a constaté que la part des répondants dont l’organisation avait intégré des agents IA aux workflows est passée de 13 % en 2025 à 30 % en 2026. Cinquante pour cent supplémentaires ont déclaré avoir mené des expérimentations ou des pilotes, tandis que la moitié indiquait que leur entreprise ne disposait toujours pas d’une gouvernance claire pour les équipes humain–IA.[^3]

Les risques ne sont plus théoriques non plus. L’étude 2025 d’IBM sur les violations de données révèle que 97 % des organisations ayant signalé une violation liée à l’IA ne disposaient pas de contrôles d’accès adaptés à l’IA.[^4]

Ces chiffres décrivent la même transition sous différents angles :

• l’IA est déjà présente dans l’entreprise ;
• les agents se rapprochent de l’exécution ;
• la création de valeur à l’échelle de l’entreprise reste inégale ;
• les workflows n’ont pas été repensés assez profondément ;
• la gouvernance et les contrôles d’accès accusent un retard ;
• le modèle opérationnel n’a pas rattrapé la technologie.

La prochaine étape de l’IA ne sera pas remportée uniquement par l’entreprise qui aura accès au meilleur modèle.

Les modèles continueront de progresser. Leurs capacités se diffuseront. Les interfaces se multiplieront.

L’avantage durable viendra de la manière dont une entreprise structure l’environnement dans lequel ces modèles opèrent.

La plupart des entreprises n’ont pas besoin d’une nouvelle interface d’IA déconnectée du reste de leur organisation.

Elles ont déjà accès à des modèles puissants.

Ce qui leur manque, c’est un socle opérationnel partagé.

Aujourd’hui, deux collaborateurs d’une même entreprise peuvent poser la même question au même modèle et obtenir des résultats sensiblement différents, simplement parce qu’ils fournissent un contexte différent, utilisent une terminologie différente, consultent des sources différentes et appliquent des hypothèses différentes.

Un nouvel employé peut passer plusieurs semaines à apprendre ce qu’un opérateur expérimenté comprend déjà de manière implicite.

Une équipe commerciale peut présenter le produit différemment de l’équipe produit.

Un agent de support peut appliquer une politique qui a été mise à jour ailleurs, mais jamais transmise au système sur lequel il s’appuie.

Un assistant IA peut retrouver le bon document tout en interprétant mal la partie qui reste réellement faisant autorité.

Un agent autonome peut disposer de la capacité technique d’exécuter une action sans pour autant disposer de l’autorité organisationnelle nécessaire pour le faire.

Ce n’est pas d’abord un problème de modèle.

C’est un problème d’infrastructure.

Pendant des décennies, les entreprises ont construit des systèmes de référence pour leurs clients, leurs transactions, leurs documents, leurs finances, leurs projets et leurs communications.

Elles n’ont pas encore construit de système administré pour l’intelligence organisationnelle dont l’IA a besoin afin de comprendre le travail et d’y participer.

DeGNZ Labs existe pour construire l’infrastructure logicielle des opérations intelligentes.

Nous sommes un laboratoire logiciel qui développe depuis le Maroc des produits natifs de l’IA destinés aux marchés mondiaux.

Notre mission est d’aider les entreprises à passer d’un usage fragmenté de l’IA à un modèle opérationnel plus cohérent, dans lequel les équipes humaines et les systèmes d’IA peuvent travailler ensemble grâce à une compréhension partagée, une exécution contrôlée, une gouvernance explicite et un apprentissage continu.

Nous pensons qu’une entreprise native de l’IA n’est pas simplement une entreprise qui utilise fréquemment l’IA.

C’est une entreprise qui a délibérément conçu la manière dont l’IA participe à ses opérations.

Elle est capable de répondre aux questions suivantes :

• Que sait le système d’IA sur l’entreprise ?
• Quelles sources font autorité ?
• Qu’est-il autorisé à mémoriser ?
• À quelles données peut-il accéder ?
• Quel rôle est-il en train d’exercer ?
• À quel workflow participe-t-il ?
• Quelles décisions peut-il prendre ?
• Quelles actions nécessitent une validation ?
• À quel moment doit-il s’arrêter ou déclencher une escalade ?
• Comment son travail est-il évalué ?
• Comment le système s’améliore-t-il après les erreurs et les retours ?

Sans ces réponses, l’IA reste un ensemble d’outils.

Avec elles, elle peut devenir une composante du système opérationnel.

C’est cette transition que DeGNZ Labs existe pour concevoir.

Avant qu’un système d’IA puisse agir de manière fiable, il doit comprendre l’organisation.

Un dossier rempli de documents ne suffit pas.

Il a besoin d’une représentation cohérente :

• de l’identité, de la stratégie, des produits et des clients de l’entreprise ;
• du sens de ses concepts internes et de sa terminologie ;
• des responsabilités des départements, des équipes et des rôles ;
• des politiques et des limites qui encadrent le travail ;
• de l’historique des décisions et des interactions ;
• des systèmes dans lesquels résident les preuves faisant autorité ;
• des workflows à travers lesquels les résultats sont produits ;
• des priorités et des contraintes applicables à l’instant présent.

Nous appelons l’infrastructure qui administre cette compréhension l’infrastructure de cerveau IA.

Un cerveau IA ne remplace pas un CRM, un ERP, un entrepôt de données, un référentiel documentaire ou une plateforme de communication.

Ces systèmes restent des systèmes de référence.

Le cerveau se déploie au-dessus et à travers eux.

Il organise la manière dont les connaissances de l’entreprise sont interprétées. Il préserve la mémoire opérationnelle. Il connecte les systèmes d’IA aux preuves approuvées. Il représente les connaissances procédurales qui sous-tendent les workflows. Il applique la hiérarchie organisationnelle, les permissions, la provenance et le versionnage. Il permet aux clients IA approuvés d’opérer à partir d’une compréhension commune et gouvernée de l’entreprise.

Le cerveau doit être centralisé sur le plan logique, même lorsque les systèmes de l’entreprise restent techniquement distribués.

Cette distinction est essentielle.

Nous ne pensons pas que les entreprises doivent déplacer toutes leurs données vers un référentiel monolithique. Nous pensons qu’elles doivent administrer une couche cohérente d’intelligence organisationnelle au-dessus des systèmes qu’elles utilisent déjà.

Le cerveau de l’entreprise devient alors un actif institutionnel :

• indépendant de tout fournisseur de modèle particulier ;
• réutilisable par les LLM, copilotes, agents et automatisations approuvés ;
• gouverné par l’organisation plutôt que reconstruit par chaque collaborateur ;
• enrichi dans le temps grâce aux preuves, aux corrections et aux retours opérationnels.

Plus une entreprise adopte de systèmes d’IA, plus ce cerveau partagé prend de la valeur.

DeGNZ Labs commence avec un seul produit : Cervo.

Cervo est une infrastructure de cerveau IA destinée aux entreprises qui se préparent à fonctionner avec l’IA.

Il est conçu pour créer un cerveau d’entreprise administré qui relie le contexte organisationnel, les connaissances, les données, la mémoire, les instructions propres aux rôles et la compréhension des workflows aux LLM et aux agents déjà utilisés par les collaborateurs.

Nous entrons sur le marché par le contexte, car il constitue le point de défaillance le plus immédiat et le plus visible.

Chaque jour, les collaborateurs réexpliquent la même entreprise à l’IA :

• ce que fait l’entreprise ;
• qui est le client ;
• comment le produit doit être présenté ;
• quelle terminologie employer ;
• quel ton adopter ;
• quel rôle le système doit jouer ;
• quelles politiques s’appliquent ;
• quelle est la priorité actuelle ;
• à quoi ressemble un travail de qualité.

Ce travail de contextualisation invisible est dupliqué entre les personnes, les outils, les conversations et les départements.

Il est rarement gouverné.

Il se perd facilement.

Il ne se cumule pas dans le temps.

Cervo commence par transformer ces explications répétées en infrastructure partagée.

Avec le temps, ce même cerveau pourra s’enrichir grâce à une mémoire administrée, à des connexions gouvernées avec les systèmes sources et à une intelligence plus approfondie des workflows. Mais l’entrée sur le marché reste volontairement ciblée : établir un cerveau d’entreprise structuré qui donne aux outils d’IA approuvés une compréhension cohérente de l’organisation.

Nous ne fabriquerons pas artificiellement un portefeuille de produits avant que le premier produit n’ait mérité le droit de s’étendre.

Cervo doit d’abord démontrer une adoption réelle, un usage opérationnel récurrent, une valeur mesurable, une volonté de payer, de la rétention et de la croissance.

L’architecture plus large de DeGNZ Labs évoluera à partir des preuves, et non du désir de paraître plus grand que nous ne le sommes.

Nous pensons que la prochaine ère du logiciel fera évoluer les entreprises d’opérations numérisées vers des opérations intelligentes.

La dernière ère a créé des systèmes capables d’enregistrer le travail.

La prochaine créera des systèmes capables de comprendre le travail, de le soutenir et d’y participer de manière croissante.

Les équipes humaines resteront responsables du sens, du jugement, des relations, de l’éthique, des priorités et de la redevabilité.

Les systèmes d’IA contribueront de plus en plus à retrouver les connaissances, interpréter l’information, produire des analyses, surveiller l’état des opérations, coordonner les tâches, exécuter des actions délimitées et faire remonter les exceptions.

Les organisations les plus solides ne présenteront pas cette évolution comme une compétition entre les personnes et les machines.

Elles concevront la relation, détermineront où le jugement humain est indispensable, où l’IA peut assister, où les agents peuvent exécuter sous supervision, rendront l’autorité explicite, transformeront les limites en règles exécutables, préserveront la mémoire institutionnelle, mesureront les résultats et traiteront le contexte, l’orchestration, la gouvernance et l’apprentissage comme des infrastructures fondamentales.

C’est ce que nous entendons par un avenir opérationnel intelligent.

Il ne s’agit pas d’une entreprise où l’IA est partout. Il s’agit d’une entreprise où l’intelligence humaine et l’intelligence machine sont coordonnées de manière intentionnelle.

Nous croyons en cette vision parce que l’alternative est déjà visible.

Sans infrastructure partagée, l’adoption de l’IA se fragmente dans toute l’organisation.

Chaque collaborateur développe ses propres pratiques de prompting.

Chaque département crée ses propres définitions.

Chaque outil d’IA devient un silo supplémentaire.

Le contexte est répété au lieu d’être réutilisé.

Les connaissances sont copiées sans provenance.

Les agents reçoivent des permissions sans modèle cohérent de responsabilité.

Le volume de résultats augmente tandis que la redevabilité devient moins claire.

L’entreprise génère davantage d’activité produite par les machines sans nécessairement développer davantage d’intelligence organisationnelle.

Ce modèle ne peut pas s’étendre indéfiniment.

À mesure que les systèmes d’IA gagnent en capacité, le coût d’une infrastructure faible augmente.

Une réponse de mauvaise qualité est gênante.

Une action autonome de mauvaise qualité peut coûter cher sur le plan opérationnel.

Un brouillon incohérent peut être corrigé.

Un agent agissant avec de mauvaises permissions peut exposer des données, déclencher des transactions, modifier des enregistrements ou créer un problème d’audit.

Plus un système reçoit d’autonomie, plus il a besoin de contexte, de mémoire, de workflows explicites, de gouvernance, d’observabilité et de supervision humaine.

C’est de là que découle la thèse centrale de DeGNZ Labs :

Plus l’IA devient capable, plus l’infrastructure opérationnelle qui l’entoure devient importante.

Nos valeurs sont des décisions d’ingénierie concernant l’entreprise que nous voulons construire et les produits que nous sommes prêts à créer.

Nous partons de problèmes opérationnels observés, pas de catégories de produits à la mode.

Les marchés de l’IA évoluent rapidement. Les récits changent encore plus vite. La réalité des opérateurs constitue une source de vérité plus durable.

Nous cherchons à comprendre ce que le travail exige réellement, où il se bloque, qui porte la responsabilité du résultat et si le produit crée une valeur mesurable.

Les interfaces comptent, mais la nouveauté superficielle ne suffit pas.

Nous investissons dans les couches qui rendent l’IA fiable, réutilisable, portable, sécurisée et gouvernable.

Nous préférons résoudre un problème structurel difficile plutôt que d’ajouter une fonctionnalité IA impressionnante qui n’améliore pas le système opérationnel sous-jacent.

Un agent ne devrait pas recevoir davantage de liberté que l’organisation ne lui a fourni de compréhension.

La qualité d’un système autonome ne dépend pas uniquement de ce qu’il est capable de faire, mais aussi de sa capacité à comprendre où il se trouve, pourquoi la tâche est importante, quelles règles s’appliquent et à quel moment il doit s’arrêter.

L’usage n’est pas synonyme de réussite.

Nous ne considérerons pas davantage de prompts, davantage d’agents ou davantage de contenu généré comme des preuves de valeur.

Les systèmes doivent mériter leur extension par leur fiabilité, leur adoption, leur valeur économique et la maîtrise des risques.

Nous construisons des systèmes qui renforcent la capacité d’action humaine, sans masquer les responsabilités.

L’IA peut soutenir le jugement et exécuter un travail délimité. Elle ne doit pas faire disparaître la notion de responsabilité.

Tout système important a besoin d’un responsable humain, de mécanismes d’escalade clairs et d’un modèle de redevabilité défini.

La gouvernance doit être présente dans l’identité, les permissions, l’accès au contexte, les validations, les journaux, les limites et les mécanismes de révocation.

Elle ne doit pas apparaître après le déploiement sous la forme d’un PDF de politique interne que le système d’exécution est incapable de faire respecter.

Chaque correction utile, chaque décision, chaque workflow et chaque enseignement devrait pouvoir améliorer le travail futur.

L’IA devrait réduire la quantité de connaissances qui disparaît lorsqu’une conversation se termine, qu’un collaborateur quitte l’entreprise ou qu’un projet prend fin.

Nous construisons pour les marchés mondiaux, mais l’ambition ne justifie pas le flou.

Nous pensons que les entreprises d’infrastructure qui comptent se construisent grâce à la concentration, aux preuves, à la précision et à une exécution soutenue.

DeGNZ Labs a été fondé à Meknès, au Maroc. Nous construisons depuis le Maroc pour les marchés mondiaux. Cela fait partie de la conviction de l’entreprise.

Internet et les infrastructures logicielles modernes permettent désormais de créer des produits pertinents à l’échelle mondiale depuis des territoires historiquement considérés uniquement comme des marchés, des viviers de talents ou des centres d’exécution.

Nous voulons que le Maroc devienne un lieu d’où peuvent émerger de nouvelles catégories logicielles, des thèses techniques originales et des produits d’infrastructure à portée mondiale.

Construire depuis le Maroc façonne également notre discipline.

Cela nous apprend à créer de l’effet de levier sous contrainte, rend le gaspillage visible, nous pousse vers les standards mondiaux sans supposer un accès illimité au capital, aux réseaux ou au soutien institutionnel, et nous rappelle qu’une infrastructure logicielle doit être utile dans des réalités opérationnelles variées, pas uniquement au sein des plus grandes entreprises ou des écosystèmes les mieux financés.

Notre ambition n’est pas de devenir une entreprise logicielle marocaine performante qui vend aussi à l’étranger.

Elle est de construire une entreprise d’infrastructure pertinente à l’échelle mondiale, dont l’origine est le Maroc.

Il existe des moments où une technologie arrive avant que les organisations ne comprennent ce qu’elle exige d’elles.

Nous vivons l’un de ces moments.

L’IA entre simultanément dans le travail par le bas et par le sommet de l’organisation.

Les collaborateurs l’adoptent parce qu’elle les aide à avancer plus vite.

Les dirigeants l’adoptent parce qu’ils en attendent un avantage stratégique.

Les éditeurs de logiciels l’intègrent parce que le marché l’exige.

Les plateformes d’agents facilitent la connexion des modèles aux outils et aux actions.

Mais la couche opérationnelle qui devrait relier l’ensemble reste absente.

L’entreprise ne dispose pas d’une architecture opérationnelle pour la collaboration humain–IA.

Le moment de construire cette architecture est maintenant, avant que les pratiques fragmentées ne s’enracinent profondément, avant que le contexte organisationnel ne se disperse entre des dizaines d’outils d’IA et avant que les agents ne reçoivent davantage d’autorité sans l’infrastructure nécessaire à leur supervision.

Les entreprises qui résoudront ce problème tôt feront plus que réduire leurs risques.

Elles créeront un avantage cumulatif : les connaissances organisationnelles deviendront plus faciles à diffuser, les systèmes d’IA partiront d’une compréhension plus solide, les collaborateurs passeront moins de temps à répéter le contexte, les workflows deviendront plus observables, les décisions seront plus faciles à préserver, la capacité à changer de modèle ou d’outil s’améliorera et l’adoption de l’IA deviendra une capacité institutionnelle plutôt qu’un ensemble d’habitudes individuelles.

Voilà pourquoi il faut agir maintenant.

Nous construisons d’abord pour les entreprises qui ont déjà franchi le seuil entre la curiosité et l’usage réel de l’IA.

Leurs équipes utilisent quotidiennement des LLM, des copilotes ou des agents.

Elles en ressentent les bénéfices.

Elles ressentent aussi la fragmentation.

Elles constatent des résultats incohérents d’un collaborateur à l’autre.

Elles s’interrogent sur les informations transmises à des modèles externes.

Elles veulent que l’IA comprenne différemment les départements et les rôles.

Elles ont besoin d’un meilleur contrôle sur ce qui est actuel, approuvé et faisant autorité.

Elles envisagent d’utiliser des agents, tout en sachant que l’autonomie sans structure crée du risque.

Elles n’ont pas besoin d’être convaincues de l’importance de l’IA.

Elles ont besoin d’une infrastructure qui permette à l’IA de créer une valeur opérationnelle réelle.

Nous construisons également pour les opérateurs chargés de rendre cette transition possible.

Notre objectif est de leur fournir un meilleur système à travers lequel exercer cette responsabilité.

DeGNZ Labs investit dans une mission de long terme :

Construire l’infrastructure logicielle grâce à laquelle les entreprises pourront coordonner l’intelligence humaine et l’intelligence machine.

Nous construirons ce que les preuves montrent que les entreprises ont réellement besoin.

Nous resterons suffisamment concentrés pour valider chaque étape.

Nous publierons notre réflexion afin que la thèse puisse être examinée.

Nous considérerons les clients et les utilisateurs comme des sources de vérité opérationnelle.

Nous distinguerons clairement ce que nous savons de ce qu’il nous reste à démontrer.

Nous réviserons le cadre lorsque la réalité le contredira.

Nous voulons contribuer à bâtir des entreprises dans lesquelles les connaissances n’ont pas besoin d’être redécouvertes chaque fois que quelqu’un pose une question.

Où l’IA comprend la différence entre une vérité valable à l’échelle de l’entreprise, un contexte départemental, des instructions propres à un rôle et des informations temporaires liées à une tâche.

Où les décisions sont conservées avec leur raisonnement.

Où l’autorité des sources est visible.

Où les agents opèrent dans le cadre de permissions étroites et explicites.

Où les workflows déterminent quand l’IA assiste, quand elle agit et quand une personne doit intervenir.

Où les systèmes peuvent expliquer quels éléments de contexte et quelles preuves ont influencé un résultat.

Où les clients IA peuvent changer sans que l’organisation perde son cerveau.

Où les collaborateurs gagnent en effet de levier sans perdre leur capacité d’action.

Où la gouvernance rend les déploiements utiles possibles, au lieu d’exister uniquement pour les empêcher.

Où l’intelligence organisationnelle se cumule.

Cet avenir doit être conçu.

DeGNZ Labs n’en est encore qu’à ses débuts.

Cervo est déjà lancé, et les nouveaux espaces de travail sont actuellement activés via un onboarding guidé plutôt que par un déploiement libre-service.

Le cadre constitue une thèse qui doit être testée dans de vraies entreprises, au sein de vrais workflows, face à de vraies contraintes et à partir de résultats concrets.

Je pense qu’il est possible d’être honnête sur le stade actuel de l’entreprise tout en restant ambitieux quant à sa destination.

Nous n’avons pas besoin de prétendre que l’avenir est déjà construit.

Nous devons être précis sur ce qui manque, disciplinés dans ce que nous construisons en premier et suffisamment engagés pour poursuivre le travail jusqu’à ce que l’infrastructure devienne réelle.

J’ai fondé DeGNZ Labs parce que je pense que la prochaine génération d’entreprises aura besoin d’une nouvelle couche opérationnelle pour coordonner l’intelligence humaine et l’intelligence machine. Et je pense que le bon moment pour commencer est avant que le problème ne devienne évident pour tout le monde.

Voilà pourquoi DeGNZ Labs existe. Et voilà pourquoi nous construisons l’infrastructure d’un avenir opérationnel plus intelligent.

— Yassir Haouati Opérateur-Ingénieur Fondateur et CEO de DeGNZ Labs

[^1]: Stanford Institute for Human-Centered Artificial Intelligence, The 2026 AI Index Report — Economy. Stanford indique que 88 % des organisations interrogées utilisaient l’IA dans au moins une fonction de l’entreprise en 2025 et que le déploiement des agents restait inférieur à 10 % dans la quasi-totalité des fonctions.

[^2]: McKinsey & Company, The State of AI: Global Survey 2025. McKinsey rapporte un usage régulier de l’IA dans 88 % des organisations des répondants, 23 % déployant à grande échelle une IA agentique quelque part dans l’entreprise et 39 % supplémentaires expérimentant avec des agents.

[^3]: Boston Consulting Group, AI at Work: Why Strategy Matters More Than Tools. BCG rapporte que l’intégration des agents aux workflows est passée de 13 % en 2025 à 30 % en 2026, que 50 % supplémentaires des environnements de travail avaient mené des expérimentations ou des pilotes et que la moitié des répondants déclarait que leur entreprise ne disposait pas d’une gouvernance humain–IA claire.

[^4]: IBM, Cost of a Data Breach Report 2025. IBM rapporte que 97 % des organisations ayant subi une violation liée à l’IA ne disposaient pas de contrôles d’accès adaptés à l’IA.