Technologies d’apprentissage : bientôt des « commodités

L’IA pourrait réserver une drôle de surprise au marché des Technologies d’apprentissage. Des fonctionnalités qui exigeaient hier des développements propriétaires deviennent progressivement accessibles à tous à travers les mêmes modèles et composants : génération de contenus, recherche, traduction, recommandation, tutorat… LMS, LXP et autres plateformes risquent-ils pour autant de devenir interchangeables ? Sans doute pas. Mais si une partie de leur technologie se banalise, les fournisseurs devront chercher ailleurs leur différence. Et leurs clients revoir ce qui fonde réellement le choix et la valeur d’une solution d’apprentissage.

Nvidia vient d’annoncer l’acquisition de Hugging Face pour 12,93 milliards de dollars. L’opération frappe par son montant, mais plus encore par ce qu’elle met entre les mains du géant des puces : une plateforme utilisée par plus de 18 millions de développeurs, chercheurs et créateurs, où sont partagés plus de 3 millions de modèles, 500 000 jeux de données et un million d’applications. Plus de 200 000 entreprises l’utilisent pour découvrir, évaluer, personnaliser et déployer de l’IA. Nvidia promet d’ailleurs de maintenir Hugging Face comme une plateforme ouverte à l’ensemble de l’écosystème. Le mouvement dépasse évidemment le marché de la formation, mais il l’éclaire directement. Des capacités technologiques qui auraient exigé hier des développements propriétaires considérables peuvent désormais être assemblées à partir de modèles, d’API et de composants accessibles à un nombre croissant d’acteurs. Un fournisseur qui investissait pour construire son propre moteur de traduction, de recommandation ou de génération peut aujourd’hui s’appuyer sur des briques auxquelles ses concurrents ont également accès. « Propriétaire » ne signifie donc plus nécessairement « différenciant ».

C’est ici que la notion de commodité prend son sens. Une commodité n’est ni un produit médiocre ni nécessairement un produit bon marché. Elle désigne un bien ou un service suffisamment standardisé pour que l’acheteur puisse plus facilement substituer une offre à une autre. Or certaines fonctionnalités des Technologies d’apprentissage pourraient précisément suivre ce chemin. Traduction, génération de quiz, résumés, recherche conversationnelle, recommandations ou assistants restent utiles — et deviennent même meilleurs — tout en perdant progressivement leur capacité à distinguer une plateforme de ses concurrentes. Voilà le paradoxe : une fonctionnalité peut gagner en performance tout en perdant de sa valeur différenciante. Lorsqu’une innovation nécessitait plusieurs années de R&D propriétaire, son inventeur pouvait espérer conserver son avance. Lorsque plusieurs concurrents accèdent aux mêmes modèles ou à des capacités comparables, le rattrapage s’accélère. L’innovation ne disparaît pas ; sa durée comme avantage concurrentiel se raccourcit. La fonctionnalité qui emportait un appel d’offres hier peut devenir un standard du marché demain.

Cela ne signifie nullement que les LMS, LXP, outils auteurs ou plateformes de contenus vont eux-mêmes devenir des commodités. Il faut distinguer les couches. Les capacités génériques fournies par les grands modèles sont les plus exposées à la banalisation. Leur intégration dans un environnement d’apprentissage l’est déjà moins : orchestration, expérience utilisateur, workflows et exploitation des données peuvent produire des solutions très différentes à partir de briques semblables. Enfin, certains actifs sont beaucoup plus difficiles à reproduire : architecture, intégrations, données, règles de gestion, traçabilité, sécurité, connaissance de la formation, expérience accumulée, écosystème, qualité du service et capacité à réussir des déploiements complexes. Nous avions déjà montré dans L’agentique redessine le paysage des LMS puis dans Pourquoi le LMS conserve un rôle central à l’ère agentique que la montée des agents pouvait réduire la visibilité de certaines fonctions du LMS sans diminuer la valeur de ses fonctions d’infrastructure, de gouvernance et de traçabilité. La commoditisation des briques technologiques renforce cette analyse : elle ne détruit pas la valeur ; elle oblige à chercher où celle-ci s’est déplacée.

Pour les directions Learning, la conséquence pourrait être très concrète. Les appels d’offres ont longtemps comparé les plateformes au moyen d’impressionnantes matrices fonctionnelles. Cette solution possède-t-elle telle fonctionnalité ? À quel niveau ? Avec quelles options ? L’exercice reste nécessaire, mais il devient plus délicat lorsque certaines différences n’ont qu’une durée de vie de quelques mois. Une direction Learning pourrait désormais distinguer deux catégories de critères : ce que j’achète aujourd’hui mais que presque tous les fournisseurs sauront probablement faire demain ; ce qui restera difficile à reproduire demain. Une démonstration spectaculaire de génération de parcours, de recherche conversationnelle ou de copilote peut légitimement impressionner. Mais combien de points faut-il lui attribuer dans un choix engageant l’entreprise pour cinq ans si les concurrents peuvent proposer l’équivalent lors de leur prochaine release ? Les critères plus durables remontent alors dans la hiérarchie : intégration au SI, exploitation des données et référentiels, gouvernance, capacité à changer de modèle d’IA, sécurité, qualité de service, solidité du fournisseur et aptitude à résoudre les problèmes de formation propres à l’entreprise. Le cahier des charges ne devrait plus seulement photographier les différences du marché au jour de l’appel d’offres ; il devrait tenter d’identifier celles qui résisteront au temps.

Le déplacement concerne enfin le modèle économique des fournisseurs. Lorsqu’une fonctionnalité est rare, celui qui la possède peut lui associer une prime. Lorsqu’elle devient disponible chez cinq concurrents, le pouvoir de différenciation — et potentiellement de tarification — diminue. Le fournisseur doit alors expliquer pourquoi sa façon d’intégrer, d’orchestrer et de mettre en œuvre les mêmes briques produit davantage de valeur. Pour certains, l’avantage viendra d’une expertise sectorielle ou pédagogique ; pour d’autres, de la donnée, de l’UX, des services, de l’écosystème ou d’une capacité particulière à accompagner les transformations. La différenciation pourrait surtout se déplacer de ce que la plateforme sait faire vers ce qu’elle permet réellement au client d’obtenir. C’est la question que nous posions récemment dans Payer le résultat de la formation plutôt que l’outil ?. Les Technologies d’apprentissage ne sont donc probablement pas promises à devenir des commodités. Mais une part croissante des briques technologiques sur lesquelles elles construisaient leur différence pourrait le devenir. Pour les fournisseurs comme pour leurs clients, la question n’est plus seulement de savoir qui possède la meilleure technologie. Elle est de savoir où se trouve désormais la valeur difficile à copier.

À l’origine de cet article : le 3 septembre 2026, Nvidia a annoncé l’acquisition de Hugging Face pour 12,93 milliards de dollars. La plateforme réunit plus de 18 millions de développeurs, chercheurs et créateurs, plus de 3 millions de modèles et 500 000 jeux de données ; plus de 200 000 entreprises l’utilisent pour découvrir, évaluer, personnaliser et déployer des solutions d’IA.