L'article s'ouvre sur un scénario. La PDG d'une assureuse internationale apprend que des régulateurs veulent plafonner les marges de certains produits. En quelques minutes, l'AI OS de l'entreprise lit les projets de règles, les confronte au catalogue et identifie environ 140 produits concernés dans sept pays, dont un tiers à risque, tout en signalant que chaque régulateur définit la marge différemment. Les patrons de pays valident ; l'un d'eux conteste une hypothèse d'allocation de coûts et ramène le nombre de produits en infraction à neuf. Le lendemain, le système modélise les options (repricing, refonte, commissions, retrait), le comité arrête un plan que le système enregistre comme garde-fous, puis des agents génèrent des conceptions et des prix soumis aux actuaires, à la conformité et aux responsables de ligne. Après le lancement, le système surveille chaque produit ; la réglementation suivante sera traitée plus vite.
Les auteurs partent d'un écart : selon l'enquête State of AI 2026 de McKinsey, 40 % des grandes entreprises ont déployé des agents à l'échelle, mais 6 % seulement attribuent à l'IA au moins 5 % de leur EBIT. Le défi n'est plus l'adoption mais le fonctionnement de l'entreprise. L'AI OS, second cerveau de l'entreprise, maintient le contexte, raisonne entre fonctions, recommande ou exécute des décisions et apprend des résultats. Il repose sur l'existant (infrastructure, données en place, modèles de plusieurs fournisseurs) et ajoute une couche sémantique faite d'ontologies et de graphes de connaissances, des modèles analytiques déterministes appelés par les agents, une orchestration d'agents réutilisables et une couche d'expérience.
Six priorités guident la construction : posséder le contexte et louer ou remplacer la technologie ; limiter le nombre d'AI OS à un, deux ou trois ; refondre les processus de bout en bout ; concevoir pour la réutilisation afin que l'avantage se cumule ; intégrer l'économie de l'IA, le coût du token ayant baissé de plus de 95 % quand la dépense a triplé ; partir des technologies déjà payées.
Le management doit changer : intervenir sur signal plutôt que selon un calendrier, piloter en continu, consacrer le temps des dirigeants au jugement et passer par des connexions directes plutôt que par des couches, au point d'envisager 20 à 40 rapports directs par manager. Un OEM mondial et un industriel américain illustrent la démarche. Les auteurs recommandent de cibler trois à cinq domaines, de fixer la gouvernance sémantique, de financer l'AI OS partagé et de redéfinir les droits de décision.