Cohere, l'IA d'entreprise canadienne : quels usages pour l'industrie en 2026 ?

Cohere en bref : une IA pensée pour les entreprises, pas pour le grand public

Cohere est une entreprise canadienne d'intelligence artificielle fondée à Toronto en 2019 par Aidan Gomez, Nick Frosst et Ivan Zhang. Aidan Gomez est coauteur de l'article « Attention Is All You Need » (Google, 2017), qui a introduit l'architecture Transformer. À la différence des assistants grand public, Cohere vise les entreprises et le secteur public : déploiements privés, secteurs réglementés, recherche documentaire et multilinguisme.

Pour l'industrie, la réponse tient en une phrase : Cohere propose des modèles de langage et de recherche qui peuvent tourner chez vous, sur vos serveurs, afin d'interroger vos propres documents techniques sans les envoyer à un tiers. Ce guide passe en revue la plateforme, les modèles, les usages industriels réellement documentés et les limites à garder en tête avant de lancer un projet.

North : la plateforme d'agents qui tourne là où vivent vos données

Le produit phare destiné aux entreprises s'appelle North. Sur sa page officielle, Cohere le décrit comme une plateforme d'IA agentique unique « qui fonctionne là où vivent vos données ». Elle regroupe des agents, des automatisations, des compétences réutilisables (skills) et des bibliothèques, complétés par des applications, une mémoire, des garde-fous et un volet d'administration. Trois familles d'usage structurent l'offre : rechercher dans les connaissances de l'entreprise, créer des synthèses, tableaux et applications, automatiser des tâches à l'échelle des équipes.

Le 5 octobre 2026, Cohere a présenté North 2. Le billet de blog associé annonce notamment :

• un nouveau système d'orchestration des agents, pensé pour des automatisations multi-étapes plus fiables ;
• une mémoire qui conserve le contexte d'une session à l'autre et des applications générées à partir d'instructions en langage naturel ;
• des connecteurs vers Slack, SharePoint, OneDrive, Outlook, Exchange, Jira, Linear, Notion et GitHub ;
• la possibilité d'utiliser les modèles Cohere ou les vôtres ;
• des déploiements auto-hébergés, en cloud privé virtuel (VPC), hybrides, sur site, en cloud, ou entièrement isolés du réseau (air-gapped).

Pour un directeur d'usine ou un DSI, le point décisif est le dernier : la plateforme n'impose pas de faire transiter les documents de production par un cloud public. Cette orientation rejoint les réflexions plus larges sur le rôle de l'IA dans l'entreprise que nous abordions dans notre dossier sur l'intelligence artificielle et les métiers IT.

Les modèles derrière la plateforme : Command A, Embed et Rerank

North repose sur plusieurs familles de modèles. Voici ce que la documentation de Cohere permet de vérifier :

Deux nuances importantes. D'abord, la documentation de Command A indique qu'il fonctionne avec deux GPU : c'est ce qui rend le déploiement sur site envisageable sans parc de calcul démesuré. Ensuite, côté licence, la fiche du modèle sur Hugging Face précise que les poids sont publiés sous licence CC-BY-NC 4.0, c'est-à-dire non commerciale : un usage en production passe donc par les offres commerciales de Cohere, pas par un simple téléchargement des poids.

Recherche documentaire : le cas d'usage naturel de l'industrie

Une usine vit dans ses documents : manuels de machines, procédures d'exploitation standard (SOP), gammes de maintenance, rapports d'inspection, certificats fournisseurs. Le problème n'est pas de les générer, mais de retrouver la bonne page au bon moment. C'est précisément le terrain de la génération augmentée par récupération (RAG), où les modèles de recherche de Cohere sont conçus pour intervenir.

Le schéma le plus courant se déroule en quatre temps :

1. découper et indexer les documents avec un modèle d'embedding, en conservant la version, la machine concernée et les droits d'accès ;
2. retrouver les passages candidats par recherche vectorielle, par mots-clés ou en combinant les deux ;
3. reclasser ces candidats avec un modèle de type Rerank pour ne garder que les plus pertinents ;
4. laisser le modèle de génération rédiger une réponse accompagnée de citations vers les pages sources.

La possibilité d'embarquer des pages contenant à la fois du texte et des schémas, via les entrées mixtes d'Embed 4, intéresse directement la documentation technique, où un plan ou un tableau porte souvent l'information décisive. Le même raisonnement vaut pour la gestion des actifs : nous avons détaillé dans notre article sur la gestion des actifs linéaires sous IBM Maximo comment les historiques de défauts et d'ordres de travail s'accumulent ; c'est exactement ce type de corpus qu'un moteur de recherche documentaire doit rendre interrogeable.

Ce que Cohere documente pour l'industrie manufacturière

La page de solutions manufacturières de Cohere décrit trois scénarios, tous bâtis sur North :

• Un copilote d'atelier qui interroge les SOP, les manuels de machines et les données MES/ERP pour résoudre un incident : instructions de réglage, couples de serrage, contrôles de sécurité, nomenclatures, historiques de maintenance et de changements de série.
• L'automatisation du contrôle qualité : analyse de données d'inspection, d'images et de tendances SPC pour signaler des défauts, les corréler à des machines, des équipes ou des matières, et préparer des rapports 8D et CAPA.
• L'anticipation des risques d'approvisionnement : surveillance de sources fournisseurs et publiques, mise à jour de notes fournisseurs, propositions d'alternatives et brouillons de communications ou d'avenants de commande.

Soyons précis sur le statut de ces informations : ce sont des descriptions de cas d'usage publiées par l'éditeur, pas des résultats mesurés. La même page affiche une liste de logos d'entreprises (Oracle, Dell Technologies, RBC, LG CNS, Fujitsu, Bell, SAP, Accenture, entre autres) sous l'intitulé « de confiance dans le monde entier », mais ne rattache aucun de ces noms à un projet industriel précis.

Du côté des témoignages clients, la page des études de cas de Cohere recense par exemple « Fujitsu lance le modèle d'IA Takane en partenariat avec Cohere », « Oracle lance plus de 100 cas d'usage d'IA générative avec Cohere » ou encore « CoreWeave a transformé son support client avec Cohere North en 90 jours ». Aucune de ces études ne porte, d'après leur intitulé, sur une ligne de production. Faute de source lue, nous ne citons donc aucun gain chiffré en usine : si un fournisseur vous en présente un, demandez le document de référence.

Agents : de la réponse à l'action, avec des garde-fous

La différence entre un moteur de recherche amélioré et un agent tient à l'action : l'agent enchaîne plusieurs étapes, appelle des outils et peut modifier un état dans un système. La documentation de Command A précise que le modèle est conçu pour l'usage d'outils en situation réelle, en évitant d'appeler un outil inutilement, et que son usage d'outils en plusieurs étapes convient à des agents de type ReAct.

North 2 ajoute des mécanismes de gouvernance qui comptent en environnement industriel :

• des politiques d'autonomie : un agent ne peut accomplir que les actions autorisées, et les décisions critiques peuvent exiger une validation humaine ;
• des rôles et permissions, avec contrôle des modèles utilisables et suivi de l'activité ;
• des plafonds de consommation par utilisateur ou par groupe, avec alertes avant dépassement ;
• des journaux détaillés de toutes les modifications et une intégration aux systèmes d'identité existants.

Pour une équipe logicielle, ces fonctions déplacent la discussion : la question n'est plus seulement « quel modèle ? » mais « quelles actions l'agent a-t-il le droit d'exécuter, et qui valide ? ». Nous revenons sur les outils et flux de travail correspondants dans notre guide des agents IA autonomes pour développeurs, dont les principes de prudence valent aussi pour un agent de maintenance.

Secteurs réglementés : déploiement privé, certifications et souveraineté

Pour les industries de l'énergie, de la défense, de la pharmacie ou de l'agroalimentaire, la question du lieu d'exécution passe avant la qualité du modèle. La documentation de Cohere sur le déploiement privé distingue deux modes : sur site, avec votre matériel et vos GPU, ou dans un VPC chez un fournisseur cloud comme AWS, Azure, GCP ou OCI. Elle affirme que « les données ne quittent jamais votre environnement » et que le modèle peut être isolé du réseau. Le matériel et la compatibilité des pilotes restent à votre charge, Cohere fournissant conseils et assistance.

Le billet de blog sur North 2 mentionne par ailleurs les certifications SOC 2 Type 2, ISO 27001 et ISO 42001. Ces certifications ne dispensent pas d'une analyse de conformité propre à votre activité : le cadre juridique de vos données, en particulier celles qui touchent des personnes, reste de votre responsabilité, comme le rappelle notre guide sur la protection des données en entreprise.

La souveraineté se joue aussi chez les intégrateurs. Le 3 novembre 2026, SAP a annoncé que North est disponible sur sa SAP Business AI Platform, avec un modèle de livraison géré de bout en bout par SAP et, pour les exigences les plus fortes, SAP Sovereign Cloud. L'annonce cible les organisations qui doivent garder leurs données dans des frontières géographiques approuvées.

Pourquoi le Canada soutient Cohere

Le 29 octobre 2026, le gouvernement du Canada a annoncé une prise de participation pouvant aller jusqu'à 1,6 milliard de dollars canadiens dans Cohere, versée par étapes, selon le communiqué du premier ministre. En contrepartie, Cohere s'engage à créer au moins 1 000 emplois techniques au Canada et à investir au moins 1,7 milliard de dollars canadiens dans de la capacité de calcul au Canada d'ici 2030. Le Globe and Mail rapporte qu'un financement d'environ 7 milliards de dollars américains, pour une valorisation d'environ 35,7 milliards, serait en cours ; ce tour est présenté comme largement sécurisé, pas nécessairement clos.

Pour un industriel, la lecture utile n'est pas financière : c'est un indicateur de pérennité et d'ancrage. Les leaders mondiaux de l'IA disposent de moyens d'un autre ordre, adossés à de grands groupes ; Cohere se distingue par un positionnement assumé sur les déploiements privés et les secteurs réglementés, que cet appui public vient renforcer. Un client européen devra tout de même examiner la localisation des équipes, des serveurs et des sous-traitants dans son propre dossier de conformité.

Avant de lancer un pilote : points de contrôle pour une usine

• Choisir un corpus borné : par exemple les manuels et gammes de maintenance d'une seule ligne, avec des documents à jour et versionnés.
• Prévoir l'infrastructure : deux GPU A100 ou H100 pour Command A, plus l'exploitation, la supervision et les mises à jour.
• Mesurer avant d'étendre : exactitude des réponses, exactitude des citations, fuite de droits d'accès, délai de réponse, sur un jeu de questions réelles du terrain.
• Garder l'humain dans la boucle pour toute action touchant la sécurité, la qualité ou une commande.
• Exiger les preuves : rapports de certification, schéma de déploiement, conditions de licence et références clients dans votre secteur.

Cohere n'est ni la seule option ni une solution miracle : sa pertinence dépend de vos contraintes de confidentialité, de langue et de matériel. Mais pour une usine qui veut interroger ses propres documents sans les confier à un cloud public, c'est l'une des offres les plus alignées sur ce besoin.