Intelligence artificielle 24.04.2026

Merck x Google Cloud : Ce que l’alliance Agentic AI à 1 milliard de dollars signifie pour la pharma et la chimie du Mittelstand allemand

8 min. de lecture · Mise à jour : 23.04.2026

Le 22 avril 2026, Merck et Google Cloud ont annoncé lors du Cloud Suivant de Las Vegas un partenariat pluriannuel d’un volume pouvant atteindre un milliard de dollars américains. Au cœur du dispositif : une plateforme d’IA agentique déployée simultanément dans la recherche, la production, le commerce et l’administration. Pour les PME allemandes du secteur pharmaceutique et chimique, il s’agit moins d’un titre de presse que d’un modèle de référence : il montre comment l’IA agentique peut être construite non pas comme un pilote, mais comme une infrastructure. Qui sait lire entre les lignes y discernera les leviers d’action pour sa propre organisation.

L’essentiel en bref

Merck et Google Cloud investissent conjointement jusqu’à un milliard de dollars américains dans le développement d’une plateforme d’IA agentique basée sur Gemini Enterprise.
La plateforme doit couvrir la recherche, la production, la vente et les fonctions corporate auprès de plus de 75 000 collaborateurs — et non des cas d’usage isolés.
Google Cloud lance simultanément un programme de 750 millions de dollars à destination de ses partenaires, visant explicitement à accélérer les déploiements d’IA agentique dans les PME.
Les entreprises de taille intermédiaire de la région DACH dans les secteurs de la pharmacie, de la chimie et des sciences du vivant trouvent dans la structure de cet accord un modèle applicable : des agents comme couche de travail, Gemini Enterprise comme couche de conformité, et l’expertise sectorielle comme facteur de différenciation.
Ceux qui se lancent dès maintenant n’ont pas besoin d’un budget d’un milliard, mais ils doivent avoir une vision claire en matière de souveraineté des données, de gouvernance des fournisseurs et de stratégie RH.

Ce qui a exactement été annoncé

Qu’est-ce que l’Agentic AI ? L’Agentic AI désigne des systèmes d’IA capables de planifier de manière autonome des tâches en plusieurs étapes, de prendre des décisions et de piloter des outils ou des API de données pour atteindre un objectif. Contrairement aux chatbots classiques, ces agents ne se contentent pas de répondre à des prompts : ils orchestrent des workflows, exécutent des étapes intermédiaires et documentent les résultats avec un audit trail. Pour les entreprises, cela représente un pas décisif : on passe de l’assistant isolé à une couche de travail qui vient flanquer les processus métiers spécialisés.

Les données de base sont claires. Le groupe américain Merck (connu en Europe sous le nom de MSD) et Google Cloud ont conclu un partenariat pluriannuel assorti d’un volume d’investissement pouvant atteindre un milliard de dollars américains. Le communiqué officiel publié dans le newsroom de Merck mentionne quatre domaines d’application : la recherche et développement, la fabrication, le commerce et les fonctions corporate. L’architecture cible repose sur la plateforme agentique de Google Cloud autour de Gemini Enterprise, complétée par des équipes d’ingénierie communes aux deux entités.

Thomas Kurian, CEO de Google Cloud, présente ce partenariat, dans le cadre de Cloud Suivant 2026, comme la première intégration end-to-end d’une IA agentique dans une chaîne de valeur pharmaceutique mondiale. C’est avant tout de la rhétorique, bien entendu. Mais la structure sous-jacente est sobre : interconnexion des données entre recherche et production, agents comme couche d’exécution au-dessus des systèmes enterprise, Gemini comme governance layer. C’est précisément cette architecture en couches qui constitue la leçon pertinente pour les architectes des PME.

Parallèlement, Google Cloud a annoncé un programme partenaire d’un montant de 750 millions de dollars américains. Il s’adresse aux intégrateurs de systèmes, aux éditeurs de logiciels et aux prestataires de services data qui déploient des implémentations d’Agentic AI chez des clients de taille intermédiaire. Pour une entreprise DACH qui discute actuellement avec des prestataires comme Accenture, Deloitte ou T-Systems de projets d’Agentic AI, ce programme constitue l’arrière-plan de refinancement des offres de conseil des prochains mois.

1 Mrd. $

Cadre d’investissement Merck x Google

75.000

Collaborateurs dans le périmètre de déploiement

750 Mio. $

Fonds partenaire (Google Cloud, en parallèle)

Pourquoi ce modèle de deal est pertinent pour les PME

Le premier réflexe de nombreux dirigeants de PME face à ce type d’annonce est de se dire : c’est une tout autre échelle. Et oui, le montant absolu de l’investissement n’a pas grand-chose à voir avec la réalité d’une entreprise pharmaceutique familiale du Bade-Wurtemberg. L’architecture sous-jacente, en revanche, si. Trois principes se dégagent de cette annonce, pertinents pour toute entreprise de plus de 100 collaborateurs souhaitant prendre l’IA au sérieux.

Premièrement : l’IA agentique est traitée comme une décision de plateforme, non comme un déploiement de fonctionnalité. Merck ne construit pas un copilote pour le marketing et un cas de maintenance prédictive pour la production. Merck bâtit une couche d’agents couvrant ces deux domaines fonctionnels, avec un modèle commun de données et de droits d’accès. Pour les PME, cela signifie : décision d’architecture avant sélection des cas d’usage. Quel socle d’identité, de données et de conformité doit porter la charge quand les deuxième et troisième agents s’ajouteront ?

Deuxièmement : l’expertise sectorielle est le levier de différenciation. Google Cloud fournit les modèles et l’infrastructure, Merck apporte les processus réglementés et les données scientifiques. La valeur ne se crée qu’à l’intersection des deux. Les PME DACH disposent exactement de ce type d’expertise en données et en processus dans leurs domaines respectifs — mais elles le font rarement valoir. Ceux qui n’inventorient pas clairement aujourd’hui quelles données de domaine ils détiennent en interne dilapident la seule matière première qui distingue l’IA agentique des chatbots génériques.

Troisièmement : les ressources humaines et les processus passent au premier plan, non le modèle. Selon l’annonce, Google Cloud envoie des ingénieurs chez Merck pour travailler aux côtés des équipes Merck. Ce n’est pas un service managé standard, mais un geste de co-création. Pour les PME, c’est un rappel que l’IA agentique ne tient pas sans équipes mixtes entre technologie et métier. Ceux qui positionnent les agents comme un projet purement informatique se retrouveront dans trois mois avec une preuve de concept sans adoption.

Ce que cela implique concrètement pour les secteurs pharma et chimie DACH

Pour les entreprises de sciences de la vie dans l’espace germanophone, le tableau est clair. L’accord s’inscrit dans un paysage réglementaire où l’AI Act européen est en vigueur depuis le 6 avril et où la révision de l’EU-FMD restructure la sérialisation pharmaceutique. Ces deux sujets imposent une gouvernance des données qu’une plateforme d’IA agentique requiert de toute façon. Traiter les deux en parallèle évite les investissements en double.

La séquence des cas d’usage au sein d’un groupe pharmaceutique ou chimique de taille intermédiaire doit rester réaliste. Dans un premier temps, les agents appliqués à la gestion de la qualité sont rentables, notamment dans le traitement des déviations et la documentation CAPA. La base de données est solide, l’impact métier élevé. Le cadre réglementaire impose de toute manière des pistes d’audit rigoureuses, que l’IA agentique produit comme sous-produit naturel. Dans un deuxième temps, il est possible d’intégrer l’automatisation des ventes et du marketing, en particulier dans l’engagement HCP et la conformité des contenus. Dans un troisième temps viennent les cas plus exigeants : agents au plus près de la production sur les lignes de conditionnement, optimisation du planning et applications de qualité prédictive.

Qui veut reproduire le modèle Merck ne copie pas le volume, mais l’architecture. Concrètement, cela signifie : constituer une équipe dédiée aux produits de données, chargée de structurer les données scientifiques, de process et commerciales. Ancrer un responsable de plateforme d’IA agentique au sein de la direction informatique, non pas pour accompagner des projets, mais pour prendre des décisions d’architecture. Mettre en place un accord avec les instances représentatives du personnel permettant la co-création entre les métiers et l’IT, sans que chaque agent ne se heurte à un blocage individuel.

Opportunités pour les PME DACH

Le fonds partenaire de Google Cloud rend les intégrateurs de systèmes plus ouverts à la discussion et les prix pilotes plus réalistes
La couche d’IA agentique est désormais une option d’achat, et non plus une décision purement interne de développement
Les pistes d’audit exigées par l’AI Act européen émergent comme sous-produit d’architectures agentiques bien conçues
Les données de production et de recherche deviennent une matière première de différenciation face aux concurrents américains

Risques à ne pas sous-estimer

Dépendance à une plateforme cloud unique lors des implémentations agentiques
La fuite de données via des équipes d’ingénierie partagées nécessite une réglementation contractuelle claire en matière de propriété intellectuelle
La gouvernance de l’IA agentique se répercutera sur les comptes annuels d’ici trois ans ; les provisions doivent être constituées à temps
Les profils expérimentés en co-création sont rares ; les parcours de requalification doivent démarrer dès aujourd’hui

Un calendrier de déploiement réaliste en six jalons

Pour une entreprise pharmaceutique ou chimique de taille intermédiaire comptant entre 500 et 3 000 collaborateurs, le modèle Merck peut être décliné en une feuille de route structurée. Les jalons sont délibérément pensés en mois, et non en semaines, car les sujets de gouvernance demandent du temps.

Mois 1-2

Inventaire des données transversal couvrant la qualité, le réglementaire, la vente et la production. Clarification des responsabilités sur les données, des niveaux de protection et des contrats de fourniture existants avec les prestataires cloud.

Mois 2-3

Prise de décision sur la plateforme. Gemini Enterprise, Azure OpenAI au niveau Enterprise ou AWS Bedrock avec Anthropic. La décision est stratégique, non guidée par les fonctionnalités.

Mois 3-4

Lancement d’un pilote sur le traitement des écarts. Objectif : six écarts par mois accompagnés de bout en bout par des agents, la direction qualité conservant la responsabilité formelle.

Mois 5-6

Négociation d’un accord avec le comité d’entreprise sur la co-création et l’utilisation de l’IA agentique. Traitement en parallèle de l’article 4 de l’AI Act européen sur l’AI-Literacy, sous peine de manquer l’échéance d’août.

Mois 7-9

Intégration d’un second cas d’usage dans la vente ou le corporate finance. L’architecture de la plateforme doit rester stable ; seule la bibliothèque d’agents s’élargit. Mesure du ROI en parallèle des KPI de conformité.

Mois 10-12

Cas d’usage en contexte de production. À ce stade, il devient pertinent d’inviter un partenaire externe issu du programme Google Cloud à 750 millions, qui apporte une expérience concrète de l’IA agentique industrielle.

Ce que la direction générale et la DSI doivent mettre sur la table dès maintenant

La réaction des concurrents de Merck est prévisible. Pfizer, Roche, Novartis, Bayer et Boehringer Ingelheim annonceront des packages comparables dans les neuf à douze prochains mois, tantôt avec Microsoft, tantôt avec Anthropic et AWS, tantôt avec des modèles hybrides. Le paysage pharmaceutique DACH va se recomposer à une vitesse qui pose une question claire aux entreprises de taille intermédiaire : plateforme propriétaire ou plateforme connectée ? Quiconque opère dans le cadre d’une coentreprise avec un grand groupe règle les questions de gouvernance maintenant, pas dans deux ans.

Il existe un second signal que la couverture médiatique occulte. Cet accord est un pari à plusieurs milliards de dollars sur Gemini. Pour les ETI européennes, cela signifie implicitement que le focus de Google sur l’IA agentique en entreprise va se densifier dans les prochains mois. Quiconque choisit une plateforme aujourd’hui bénéficiera d’un support engineering disproportionné durant les 18 premiers mois, Google Cloud cherchant des références pour Gemini Enterprise. Cette fenêtre se refermera dès que les premières success stories commenceront à circuler. Les entreprises pragmatiques en tirent parti.

Ce qui mérite également d’être mis sur la table, c’est la question de la façon dont une ETI repense son régime contractuel avec ce type de fournisseur. Les contrats-cadres encore calés sur des logiques classiques de licence logicielle s’adaptent mal aux workloads d’IA agentique. Des modèles basés sur la consommation, des droits d’audit et des clauses de responsabilité pour les décisions autonomes doivent y figurer. Quiconque n’implique la direction des achats qu’au troisième cas d’usage paie la leçon deux fois.

La quintessence sobre : l’annonce Merck-Google n’est pas une recommandation d’achat. C’est une occasion de planifier trois réunions. Premier tour : stratégie et DSI sur la question de savoir si une décision d’architecture IA agentique est à l’ordre du jour pour 2027. Deuxième tour : conformité et protection des données pour déterminer si la gouvernance des données supporte simultanément l’EU AI Act et l’utilisation d’IA agentique. Troisième tour : DRH et comité d’entreprise pour poser le cadre des modèles de co-création. Quiconque aura structuré ces trois échanges d’ici fin juin 2026 sera prêt pour la vague suivante d’annonces concurrentes.

Un dernier point absent de la couverture médiatique : l’annonce intervient dans une phase où les entreprises familiales allemandes redéfinissent leurs cycles de stratégie IT. Nombre d’entre elles ont achevé entre 2023 et 2025 une refonte complète de leurs paysages SAP. Les capacités libérées en IT et dans les métiers doivent maintenant être orientées vers un nouveau domaine. Quiconque considère l’IA agentique comme la prochaine couche stratégique, et non comme un appendice du projet ERP, aborde la planification avec une tout autre rigueur. L’exemple Merck montre à quoi peut ressembler cette couche lorsqu’elle est pensée comme une plateforme. C’est le moment pour les DSI des ETI de présenter à leurs conseils de surveillance un état des lieux honnête : que savons-nous de nos propres données, quels cas d’usage sont viables, où avons-nous les compétences, où avons-nous besoin de partenaires ? Les réponses peuvent être inconfortables. Inconfortable vaut mieux que tardif.

Questions fréquentes

Le milliard de dollars est-il exigible immédiatement ou le volume est-il échelonné ?

Le communiqué officiel mentionne un partenariat pluriannuel avec un volume d’investissement pouvant atteindre un milliard de dollars. La formulation « up to » est habituelle dans ce type de contrat. Une grande partie est répartie sur les coûts de licence et d’ingénierie sur une période de trois à cinq ans, avec des déblocages annuels conditionnés à l’atteinte de jalons.

Les PME peuvent-elles bénéficier du programme partenaires à 750 millions de dollars ?

Indirectement, oui. Le programme s’adresse aux intégrateurs systèmes et aux ISV qui mettent en œuvre des projets d’IA agentique. Pour les PME, cela signifie que les offres de conseil habituelles sont subventionnées par les fonds partenaires. Toute entreprise sollicitant actuellement des devis devrait interroger ses interlocuteurs sur les mécanismes de co-financement, pas seulement sur les tarifs journaliers.

Quelle est l’incidence de l’AI Act européen sur les projets d’IA agentique dans les PME ?

Elle est considérable. Toute entreprise déployant de l’IA agentique dans des processus réglementés, comme la production pharmaceutique, tombe rapidement dans les cas d’usage à haut risque au sens de l’AI Act européen. Les conséquences concernent les obligations de documentation, les exigences de supervision humaine et la transparence vis-à-vis des utilisateurs. Concevoir son architecture agentique en tenant compte de ces obligations dès le départ évite des mises en conformité coûteuses par la suite.

Faut-il dès maintenant choisir entre Google Cloud, Azure et AWS ?

Pas nécessairement. Pour le premier grand cas d’usage d’IA agentique, il est judicieux de s’appuyer sur une plateforme principale clairement définie, afin d’éviter de construire en double les couches d’intégration, d’identité et de données. Pour les deuxième et troisième cas d’usage, d’autres plateformes peuvent être connectées. L’essentiel est d’intégrer une stratégie de sortie dans les contrats, pour éviter que le choix initial ne devienne un facteur de dépendance.

L’annonce de Merck en Europe est-elle identique à celle publiée aux États-Unis ?

La société américaine Merck & Co. opère en Europe sous la marque MSD et a publié le communiqué de presse simultanément sur le newsroom de MSD. La société allemande Merck KGaA, basée à Darmstadt, est une entreprise indépendante qui ne participe pas à cet accord. Toute communication en Allemagne faisant référence à Merck doit clairement préciser cette distinction.

Quelle taille doit avoir l’équipe data pour exploiter l’IA agentique dans de bonnes conditions ?

Pour une PME pharmaceutique ou chimique de 500 à 3 000 collaborateurs, trois à cinq rôles forment un noyau suffisant : un responsable plateforme IA agentique, deux product managers data et un responsable conformité. À cela s’ajoutent des représentants métiers en rotation, mobilisés au cas par cas selon les projets. Ce modèle évolue avec les cas d’usage, pas de façon linéaire avec la taille de l’entreprise.