Article de Julien Ricciarelli-Bonnal
26 octobre 2026
L’essentiel
La société américaine Micro1 prévoit de consacrer un milliard de dollars, sur douze mois, à l’acquisition et à la licence de données opérationnelles d’entreprises. Selon une enquête de Business Insider publiée le 26 octobre 2026, ces données comprennent notamment des conversations Slack, des documents Google, des historiques CRM et des fichiers de travail. Certaines entreprises pourraient percevoir plusieurs centaines de milliers de dollars, voire davantage, en échange de ces informations. Derrière cette nouvelle activité commerciale apparaît une transformation majeure de l’intelligence artificielle : après avoir appris à produire des réponses à partir de contenus disponibles sur Internet, les modèles cherchent désormais à comprendre comment les organisations travaillent, collaborent et prennent des décisions.
Pendant plusieurs années, le développement de l’intelligence artificielle générative s’est appuyé sur d’immenses collections de textes, d’images, de livres et de pages web. Cette matière première a permis aux modèles d’acquérir des connaissances, de reconnaître des structures linguistiques et de produire des contenus de plus en plus élaborés. Mais connaître les principes du management ou les méthodes de gestion commerciale ne signifie pas nécessairement savoir appliquer ces connaissances dans le fonctionnement réel d’une entreprise.
Une organisation ne travaille pas comme un manuel de gestion. Un projet commence avec des informations incomplètes, rencontre des difficultés imprévues, change de priorité et mobilise plusieurs personnes dont les décisions ne sont pas toujours parfaitement coordonnées. Une négociation commerciale peut échouer malgré un argumentaire pertinent. Un client peut demander une exception à une procédure. Un dirigeant peut abandonner une solution techniquement intéressante parce que son calendrier ou son budget ne le permet pas.
C’est précisément cette partie du travail, difficile à observer depuis le Web public, qui intéresse désormais les acteurs de l’intelligence artificielle. Le marché ne cherche plus seulement des documents qui expliquent comment une tâche devrait être accomplie. Il commence à attribuer une valeur économique considérable aux traces montrant comment les professionnels l’accomplissent réellement.
Un milliard de dollars pour accéder à la vie opérationnelle des entreprises
Le 9 octobre 2026, Micro1 a annoncé son intention de mobiliser un milliard de dollars au cours des douze mois suivants pour acquérir et exploiter sous licence des données opérationnelles provenant d’entreprises. L’initiative, baptisée Company Data Partnerships, bénéficie selon la société d’un financement apporté par Citi et Hercules Capital. Il s’agit d’un engagement annoncé, dont la réalisation dépendra des accords effectivement conclus et de leur exécution.
L’enquête publiée le 26 octobre par Business Insider apporte des précisions sur le fonctionnement de cette activité. Micro1 indique proposer généralement entre 100 000 et 2 millions de dollars pour les données d’une entreprise de taille intermédiaire, selon leur volume, leur complexité et leur intérêt. Les archives de messagerie Slack, les documents Google, les données de gestion commerciale et les fichiers de conception figurent parmi les informations recherchées.
Le média cite notamment VanHack, une société spécialisée dans le recrutement, dont le dirigeant a accepté une proposition après avoir examiné les conditions de traitement des données. L’entreprise a partagé des informations provenant notamment de Google Workspace, Confluence, Slack et de son CRM. Une agence marketing, MyPortal Marketing, a également participé en fournissant des fichiers de conception et des éléments décrivant ses méthodes de travail. Ces témoignages illustrent la diversité des secteurs concernés, sans permettre de généraliser les montants effectivement perçus.
L’intérêt de ces transactions dépasse leur valeur financière immédiate. Des éléments qui étaient jusqu’ici considérés comme de simples archives professionnelles deviennent susceptibles d’être commercialisés. Les comptes rendus, les échanges entre collaborateurs et les historiques de projets acquièrent une seconde fonction : ils ne servent plus uniquement à documenter l’activité de l’entreprise, mais peuvent contribuer à entraîner les systèmes qui chercheront demain à reproduire certaines de ses capacités.
Les modèles connaissent les méthodes, mais pas toujours la réalité du travail
Un modèle entraîné sur des milliers de documents consacrés à la vente peut expliquer comment qualifier un prospect, rédiger une proposition commerciale ou organiser un suivi client. Il peut néanmoins rencontrer des difficultés lorsqu’il doit comprendre pourquoi une opportunité a été abandonnée, comment plusieurs services ont arbitré une demande particulière ou quelles informations manquantes ont retardé une décision.
La différence se trouve dans la continuité des événements. Une procédure décrit généralement les étapes prévues ; un historique de travail révèle les étapes réellement suivies, les hésitations, les corrections et les exceptions. Dans un CRM, la valeur ne réside pas uniquement dans la liste des clients ou le montant des contrats. Elle peut aussi se trouver dans la succession des interactions, des changements de statut et des décisions qui expliquent pourquoi une affaire s’est conclue ou non.
Micro1 entend exploiter ces informations de plusieurs façons. L’entreprise propose notamment de transformer des données internes pour les concéder sous licence à des développeurs de modèles, de recueillir des retours sur des agents IA utilisés dans de véritables organisations et de construire des environnements simulés reproduisant des situations professionnelles. Ces environnements peuvent permettre à un agent d’apprendre à accomplir des tâches à partir d’un contexte existant, plutôt qu’à simplement répondre à des questions isolées.
Cette approche répond à l’une des difficultés de l’IA agentique. Un agent capable de rédiger un email commercial ne sait pas nécessairement à quel moment l’envoyer, quelles informations vérifier auparavant ou quand demander l’autorisation d’un responsable. Apprendre les règles générales constitue une première étape. Comprendre les enchaînements de décisions et les contraintes réelles nécessaires à leur application représente un problème beaucoup plus complexe.
La valeur se déplace des documents vers les décisions qu’ils permettent de comprendre
Une entreprise possède souvent une connaissance de son activité qu’elle n’a jamais formalisée dans un document unique. Elle est dispersée entre ses équipes, ses échanges, ses habitudes de travail et les solutions inventées au fil des années. Certaines procédures officielles décrivent une organisation idéale, tandis que les conversations internes révèlent les adaptations nécessaires pour faire fonctionner cette organisation malgré les imprévus.
Un échange entre un commercial et un responsable technique peut montrer comment une demande client a été reformulée pour devenir réalisable. Les commentaires successifs sur un document permettent parfois de comprendre pourquoi une proposition initiale a été modifiée. Les historiques de support révèlent les situations qui échappent aux réponses standardisées. Pris isolément, ces éléments paraissent ordinaires ; replacés dans leur chronologie, ils décrivent une partie de l’intelligence opérationnelle de l’entreprise.
Cette richesse explique aussi pourquoi les données les plus intéressantes ne sont pas nécessairement celles qui occupent le plus d’espace de stockage. Un volume considérable de messages répétitifs peut apporter moins d’informations qu’un ensemble plus réduit retraçant des décisions complexes, leurs alternatives et leurs résultats. Micro1 met d’ailleurs en avant la profondeur historique, la diversité des fonctions documentées et le caractère distinctif des processus parmi ses critères de valorisation.
L’enjeu économique est considérable. Jusqu’ici, les entreprises envisageaient principalement leurs données comme des ressources destinées à améliorer leur propre productivité, leur connaissance client ou leur capacité de décision. Elles découvrent qu’une partie de cette expérience accumulée peut également intéresser des acteurs extérieurs. La connaissance opérationnelle devient un actif dont la valeur dépend non seulement de son utilité interne, mais aussi de sa capacité à contribuer au développement d’autres systèmes.
Qui peut vendre des conversations auxquelles plusieurs personnes ont contribué ?
Cette évolution pose une difficulté que le prix proposé ne suffit pas à résoudre. Les archives d’une entreprise ne contiennent pas uniquement des informations produites par ses dirigeants. Elles regroupent aussi des échanges entre salariés, des correspondances avec des clients, des documents transmis par des fournisseurs et parfois des données protégées par des engagements contractuels. Disposer matériellement de ces informations ne signifie pas nécessairement posséder tous les droits permettant de les céder ou d’autoriser leur réutilisation.
Micro1 affirme mettre en œuvre des traitements destinés à retirer les informations identifiantes, séparer les données des différentes entreprises et limiter leur conservation. Ces engagements sont importants, mais leur portée dépend des traitements réellement appliqués et des clauses contractuelles. Supprimer les noms ne suffit pas toujours à rendre un ensemble de données anonyme. La combinaison d’un poste, d’un calendrier, d’une situation commerciale et de détails contextuels peut parfois permettre de reconnaître indirectement une personne ou une organisation.
En Europe, la distinction entre anonymisation et pseudonymisation est essentielle. Des données véritablement anonymisées sortent du champ des données personnelles, tandis que des données simplement pseudonymisées peuvent rester soumises au RGPD. La réutilisation d’archives professionnelles suppose donc d’examiner notamment la base juridique du traitement, les obligations d’information, les finalités autorisées, la confidentialité contractuelle et les éventuels transferts internationaux.
La question rejoint celle que nous avions précédemment abordée en constatant que l’IA était déjà entrée dans les entreprises, souvent par la porte de derrière. Les technologies peuvent évoluer plus vite que les règles qui organisent leur utilisation. Cette fois, il ne s’agit plus seulement de savoir quelles informations les salariés transmettent volontairement à un assistant, mais ce que l’entreprise peut décider de faire des traces accumulées par leur travail quotidien.
Une nouvelle source de revenus qui exige une décision stratégique
Pour certaines entreprises, l’opportunité financière peut être réelle. Une organisation disposant de plusieurs années d’historiques professionnels pourrait valoriser des informations qui ne produisaient jusqu’alors aucun revenu direct. Mais le montant d’un contrat ne renseigne pas, à lui seul, sur son intérêt économique. Il faut également considérer les coûts d’extraction, de préparation, de contrôle juridique et de sécurisation des données, ainsi que les restrictions éventuelles sur leur réutilisation future.
Les négociations soulèvent d’autres questions. L’accord autorise-t-il une exploitation ponctuelle ou des usages successifs ? Quels partenaires pourront accéder aux données transformées ? Combien de temps les fichiers seront-ils conservés ? La licence prévoit-elle un usage exclusif ? L’entreprise conserve-t-elle la possibilité de développer ses propres systèmes à partir des mêmes informations ? Ces conditions peuvent déterminer la valeur réelle d’une transaction autant que le montant annoncé.
Le problème concerne plus largement la stratégie numérique des organisations. Une entreprise peut considérer ses archives comme un actif monétisable tout en décidant que certaines informations doivent demeurer strictement internes. Les données révélant une méthode commerciale différenciante, des arbitrages sensibles ou les relations avec des clients stratégiques ne possèdent pas nécessairement la même valeur lorsqu’elles quittent leur environnement d’origine.
Ces décisions relèvent désormais d’une véritable gouvernance de l’IA en entreprise, au croisement de la stratégie, de la protection des informations et de la performance économique. Il ne suffit plus de choisir les logiciels que les collaborateurs pourront utiliser. Il faut également déterminer quelles connaissances l’organisation souhaite partager, dans quelles conditions et avec quels effets possibles à long terme.
Pendant la première phase de développement de l’intelligence artificielle générative, la principale matière première était constituée de contenus qui décrivaient le monde. Les données professionnelles apportent une dimension différente : elles permettent d’observer comment des personnes confrontées à des contraintes réelles transforment des informations en décisions et ces décisions en actions.
L’annonce de Micro1 ne garantit ni que ce nouveau marché atteindra les montants envisagés ni que les agents issus de ces données sauront reproduire efficacement le jugement humain. Elle indique néanmoins que l’expérience accumulée par les entreprises commence à faire l’objet d’une valorisation commerciale explicite.
La prochaine étape de l’intelligence artificielle ne consistera peut-être pas seulement à apprendre davantage de choses, mais à mieux comprendre ce que les organisations font de ce qu’elles savent. Et pour les entreprises, une nouvelle question apparaît : quelle partie de leur savoir-faire quotidien sont-elles réellement prêtes à transformer en matière première pour les modèles de demain ?
Rédigé par Julien Ricciarelli-Bonnal
26 octobre 2026
