Vercel plaide plus fermement pour la manière dont l’IA d’entreprise devrait être construite : garder le modèle séparé de l’agent, et traiter la pile environnante comme une infrastructure interchangeable plutôt que comme un bundle fermé d’un seul fournisseur. Dans un entretien avec TechCrunch AI à la suite de l’événement ShipNYC de l’entreprise, le PDG Guillermo Rauch a déclaré que les clients passent de l’expérimentation initiale aux arbitrages de production autour du coût, de la gouvernance et de la fiabilité.

Cela compte, car Vercel ne parle plus seulement de déploiement front-end. D’après les propos de Rauch à TechCrunch AI, l’entreprise gère désormais 6 millions de déploiements par jour, dont la moitié déclenchés par des agents de codage, et plus de 1 000 milliards de tokens transitent chaque jour par sa passerelle IA. Si ces chiffres se confirment, ils suggèrent que Vercel se positionne comme une couche de contrôle pour la manière dont les applications d’IA sont construites et expédiées, en particulier pour les équipes qui ne veulent pas s’enfermer chez un seul fournisseur de modèles.

L’argument plus large de Rauch est autant stratégique que technique. À mesure que les laboratoires d’IA ajoutent davantage de fonctions de bout en bout, y compris des outils capables de générer et de publier du logiciel directement, les fournisseurs d’infrastructure comme Vercel risquent d’être marginalisés. La réponse de Rauch consiste à défendre un marché modulaire dans lequel le « modèle, harness, plateforme de données, sandbox, gateway » restent des composants plug-and-play. Pour les créateurs et les acheteurs d’entreprise, il s’agit en réalité d’un débat sur le verrouillage fournisseur, l’économie et la personne qui contrôle le comportement des applications en production.

De l’engouement pour les prototypes aux contraintes de production

Rauch a expliqué à TechCrunch AI que l’enthousiasme autour de l’IA en 2025 était centré sur une large expérimentation, alors que le moment actuel est plus opérationnel. Selon lui, les entreprises ont d’abord déployé largement les agents, puis se sont heurtées aux réalités de l’usage en production : limites de sécurité, accès aux données, traces d’audit et coût pratique de l’exécution de grands volumes d’inférence.

Il a identifié deux « killer apps » pour les agents dans l’expérience de Vercel. La première est l’agent de codage, qui, selon lui, génère déjà une grande partie de l’usage de tokens. Cela correspond à l’attention plus large du marché sur les outils pour développeurs, où des produits comme Devin et Cursor sont devenus des raccourcis pour désigner des workflows autonomes ou semi-autonomes de génération de code. La seconde, selon lui, est l’agent interne d’entreprise qui aide à faire fonctionner la société elle-même.

C’est dans cette deuxième catégorie que Vercel cherche à se différencier. Rauch a décrit des utilisateurs internes, comme des équipes commerciales, interrogeant directement des données opérationnelles au lieu d’attendre des tableaux de bord ou des projets de reporting sur mesure. L’idée n’est pas tant que les agents remplacent des systèmes SaaS comme Salesforce, mais qu’ils s’y superposent, transformant les données d’entreprise stockées en interface conversationnelle et en couche d’action.

Pour les équipes d’entreprise, cette promesse n’est attractive que si l’accès peut être contrôlé. Les commentaires de Rauch suggèrent que Vercel considère la gouvernance, et pas seulement l’intelligence du modèle, comme le facteur déterminant d’un déploiement plus large. Plus un agent peut faire de choses entre départements, plus les acheteurs se soucient des autorisations, de la traçabilité et de l’empêchement des flux de données sensibles vers le mauvais pipeline d’entraînement.

L’argument produit de Vercel : une couche de contrôle plutôt qu’une loyauté au modèle

Pour appuyer cette position, Rauch a évoqué deux outils Vercel discutés avec TechCrunch AI : Eve et Vercel Sandbox. Il a décrit Eve comme un cadre permettant de définir des instructions et des compétences d’agents en langage naturel, et Vercel Sandbox comme un environnement restreint dans lequel un agent peut fonctionner sous des contrôles de politique pour l’accès aux données et la sortie de données.

Ces détails importent, car ils montrent où Vercel veut se situer dans la pile. L’entreprise ne se présente pas comme développeur de modèle fondation. À la place, elle cherche à contrôler le runtime, l’orchestration et les limites de sécurité autour des modèles. C’est une stratégie d’infrastructure familière, mais appliquée aux agents d’IA plutôt qu’aux charges de travail cloud traditionnelles.

Rauch a également relié l’argument du sandbox à une crainte d’entreprise devenue centrale dans l’achat d’IA : l’exposition accidentelle de code propriétaire ou de données internes. Il a utilisé des outils de codage comme Devin ou Cursor comme exemples d’environnements où, avec de mauvais réglages, des bases de code sensibles pourraient être utilisées d’une manière non souhaitée par le client. Le scénario précis qu’il a décrit était anecdotique et présenté à travers une conversation avec un dirigeant d’Airbus, et non comme un incident divulgué. Cela dit, cela reflète une préoccupation d’achat courante dans l’IA d’entreprise : savoir si les fonctions de confort masquent un risque de gouvernance des données.

Le message de Vercel est donc que l’infrastructure des agents doit rendre l’intelligence portable tout en gardant la politique locale. C’est ainsi que l’entreprise tente de transformer l’IA d’une couche de fonctionnalités en une raison d’acheter davantage d’infrastructure.

Pourquoi Rauch met maintenant l’accent sur le choix des modèles

L’un des passages les plus remarquables de l’entretien était la description par Rauch de l’évolution du comportement des clients vis-à-vis des fournisseurs de modèles. Selon lui, l’année dernière, de nombreuses équipes ont choisi un seul laboratoire, souvent OpenAI ou Anthropic, et ont essayé de construire l’essentiel de leur feuille de route IA autour de ce partenaire. Désormais, a-t-il dit, les clients considèrent de plus en plus la pile comme modulaire et choisissent les modèles selon les besoins de charge de travail.

Rauch a précisé que Vercel observe une croissance de l’usage de Gemini, car les équipes qui optimisent la production regardent le prix et les performances plutôt que les gros titres. Il a aussi déclaré que les modèles ouverts gagnent du terrain, en citant DeepSeek et GLM-5.2. Ces remarques sont importantes, mais doivent être lues avec prudence : TechCrunch AI les a rapportées comme des commentaires de Rauch, et non comme des données de parts de marché vérifiées de manière indépendante.

Même ainsi, la logique correspond à ce que beaucoup d’équipes produit affrontent. Une fois qu’une application atteint l’échelle de production, la question ne porte plus seulement sur les capacités. Il s’agit de savoir si un modèle moins cher ou plus rapide peut prendre en charge suffisamment de travail, si un modèle haut de gamme doit être réservé aux cas de secours, et si l’acheminement entre fournisseurs peut réduire les coûts sans compromettre la qualité.

C’est exactement le type d’architecture dont Vercel bénéficie. Si les clients utilisent OpenAI, Anthropic, Gemini, DeepSeek et GLM-5.2 via une passerelle et une couche de politiques communes, la plateforme d’infrastructure devient plus difficile à évincer. La passerelle IA de Vercel, telle que décrite par Rauch, fait partie de cette thèse.

La concurrence avec les laboratoires devient explicite

Rauch n’a pas esquivé la tension évidente : à mesure que les grands laboratoires ajoutent des fonctions d’application et de déploiement, ils se rapprochent du territoire des entreprises cloud et des plateformes pour développeurs. Il a évoqué de récents outils d’OpenAI capables de publier directement sur le web sans quitter l’environnement OpenAI, présentant ce mouvement à la fois comme une concurrence directe et comme un canal de découverte pour Vercel.

Sa réponse était essentiellement que le marché décide si le modèle et l’agent resteront étroitement couplés. Dans une version du marché, les clients achètent un système tout-en-un où un laboratoire fournit le modèle, les outils, la surface de déploiement et peut-être même l’application orientée utilisateur. Dans l’autre version, les clients assemblent des systèmes à partir de composants et changent de fournisseur d’intelligence selon les besoins.

Vercel veut clairement le second scénario. Rauch a déclaré à TechCrunch AI que l’entreprise « se bat pour un monde de protocoles ouverts » et a présenté Vercel comme une infrastructure fondamentale pour cette génération de logiciels d’IA. C’est une affirmation stratégique, pas un fait de marché établi, mais elle explique pourquoi Vercel met autant l’accent sur l’interopérabilité.

Pour les acheteurs, cela dépasse la simple rhétorique des fournisseurs. Les systèmes couplés peuvent être plus simples à adopter mais plus difficiles à gouverner et plus coûteux à faire évoluer ensuite. Les systèmes modulaires peuvent réduire la dépendance à un seul fournisseur, mais peuvent exiger une discipline d’ingénierie interne plus forte. L’opposition entre ces approches devrait définir les décisions d’achat dans l’IA d’entreprise au cours des 12 à 24 prochains mois.

Éléments de preuve, affirmations et ce qui reste à vérifier

Les faits les plus solides de cette histoire proviennent de l’interview de TechCrunch AI avec Guillermo Rauch. Les chiffres opérationnels — 6 millions de déploiements par jour, dont la moitié déclenchés par des agents, et plus de 1 000 milliards de tokens transitant chaque jour par la passerelle IA — ont été attribués à Vercel via les commentaires de Rauch. Ils sont importants, mais restent des métriques communiquées par l’entreprise et non des divulgations auditées de manière indépendante.

La même prudence s’applique aux propos de Rauch sur la hausse de l’usage de Gemini, DeepSeek et GLM-5.2, ainsi que sur l’évolution de la manière dont les clients évaluent OpenAI et Anthropic. Ces commentaires constituent des signaux de marché utiles provenant d’un opérateur de plateforme ayant une visibilité sur les charges de travail, mais TechCrunch n’a pas fourni ici de validation par des tiers.

Les descriptions des produits Eve et Vercel Sandbox proviennent également du cadrage de Rauch pendant l’entretien. Elles indiquent la direction de la stratégie de plateforme de Vercel, notamment autour des politiques et du contrôle des agents, mais la source ne comprend pas de documentation technique détaillée, de tarification ni d’études de cas clients sur le déploiement. Cela laisse ouvertes des questions sur la maturité, la différenciation et l’ampleur d’utilisation de ces outils au-delà de Vercel elle-même.

Ce que cela signifie pour les développeurs et les acheteurs d’entreprise

Pour les créateurs, la conclusion immédiate est architecturale. Si Vercel a raison de dire que le marché sépare les modèles des agents, les équipes produit devraient considérer leurs systèmes d’IA comme des services en couches : sélection de modèles, routage, observabilité, permissions et contrôles d’exécution. Cela favorise les fournisseurs capables d’unifier le déploiement et la gouvernance sans imposer un seul choix de modèle.

Pour les acheteurs d’IA d’entreprise, l’entretien met en avant deux critères d’achat qui deviennent plus concrets. Le premier est le contrôle des données : les données internes peuvent-elles être interrogées et exploitées sans fuite vers des systèmes externes ou des processus d’entraînement opaques ? Le second est la flexibilité économique : les applications peuvent-elles passer d’OpenAI, Anthropic, Gemini ou à des modèles ouverts lorsque les prix et la qualité évoluent ?

Pour le marché, la position de Vercel montre aussi à quelle vitesse les « outils pour développeurs » se transforment en infrastructure de workflow d’entreprise. La même pile utilisée pour déployer des applications est désormais présentée comme l’endroit où faire tourner des agents de codage, gouverner des agents internes et médiatiser l’accès à des systèmes comme Salesforce. Si cela se confirme, le paysage concurrentiel autour de Vercel s’étendra bien au-delà de l’hébergement et des plateformes front-end.

Ce qu’il faut surveiller ensuite

Le prochain signal utile sera de savoir si Vercel publie des preuves plus concrètes à l’appui des affirmations de Rauch, en particulier autour de la passerelle IA et de l’adoption d’Eve et de Vercel Sandbox. Des références clients compteraient davantage que des totaux de tokens.

Il faudra aussi surveiller si Vercel approfondit les intégrations avec des fournisseurs de modèles comme OpenAI, Anthropic et Gemini tout en maintenant la prise en charge de modèles ouverts comme DeepSeek et GLM-5.2. Si l’entreprise parvient à rendre le changement ou le routage entre eux opérationnellement simple, son argument en faveur de la modularité se renforce.

Un autre signal est la réponse concurrentielle. Si les laboratoires continuent d’étendre les workflows de bout en bout pour le déploiement, le codage et l’hébergement, la frontière entre fournisseur de modèles et plateforme d’infrastructure continuera de s’estomper. Le choix des entreprises entre accepter ces environnements intégrés ou exiger des couches de contrôle plus ouvertes déterminera qui captera le plus de valeur.

Point de vue Creati.ai

L’entretien de Rauch est remarquable parce qu’il situe la prochaine bataille des plateformes d’IA moins autour de la suprématie des modèles que du design système. Vercel parie que les entreprises ne voudront pas qu’un seul fournisseur contrôle à la fois l’intelligence, l’exécution, le déploiement et les frontières de données. C’est une thèse crédible, surtout pour les équipes réglementées et les grandes organisations d’ingénierie qui s’attendent à des changements de modèle et veulent un levier sur les coûts.

Mais l’entreprise doit encore prouver que sa couche de contrôle n’est pas seulement attrayante sur le plan conceptuel, mais aussi indispensable sur le plan opérationnel. Les chiffres de scale rapportés sont frappants, mais l’usage communiqué par le fournisseur ne se traduit pas automatiquement par un pouvoir durable de plateforme. Le vrai test sera de savoir si Vercel peut devenir l’endroit par défaut où les agents d’IA sont gouvernés, et pas seulement déployés, à mesure que les clients mêlent OpenAI, Anthropic, Gemini, DeepSeek et GLM-5.2 en production.