L’agent IA n’est plus seulement l’assistant discret qui résume une réunion ou prépare une note. Il entre désormais dans les flux réels de l’entreprise : service client, banque transactionnelle, planification financière, cybersécurité, vente, recouvrement, recrutement. Ce déplacement change moins la technologie que la responsabilité. Car dès qu’un système peut agir, il faut décider qui l’autorise, qui le surveille, et qui répond de ses erreurs.
De l’assistant au collaborateur sous contrôle
La définition la plus simple d’un agent tient en peu de mots : un logiciel capable de mobiliser un modèle de langage, de raisonner dans un cadre donné et surtout d’agir. La bascule est là. Un copilote suggère. Un agent exécute.
IBM affirme mener plus de 500 engagements autour de ces dispositifs, pour un volume d’activité d’environ 10 milliards de dollars. Dans la cybersécurité, le groupe évoque 28 agents capables de conduire des investigations de menace, avec 70 000 enquêtes traitées en un mois pour ses clients. Le sujet n’est donc plus expérimental. Il entre dans les chaînes de production.
Mais l’agent ne crée de valeur que lorsque l’entreprise accepte de regarder ses propres processus sans complaisance. IBM dit avoir décomposé son organisation en 490 workflows, puis retravaillé 70 d’entre eux représentant 25 milliards de dollars de dépenses. Trois ans plus tard, ces dépenses auraient été ramenées à environ 20 milliards, soit 4,5 milliards d’économies. La leçon est brutale : acheter des licences ne transforme rien. Réécrire le travail, oui.
La promesse n’est pas l’autonomie, mais l’architecture
Dans les secteurs régulés, l’agent IA ne peut pas être une boîte noire élégante. Chez BNP Paribas, la question n’est pas de savoir quel niveau général d’autonomie donner à la machine, mais quel niveau d’autonomie accorder à quel processus, dans quel cadre contrôlé.
L’image de la voiture autonome est éclairante. Sur route dégagée, la technique impressionne. En ville, tout se complique : piétons, signaux ambigus, comportements imprévus. L’entreprise ressemble davantage à cette ville qu’à une piste d’essai. Données incomplètes, droits d’accès, exceptions, clients fragiles, conformité, coûts, audit : c’est là que l’agent doit prouver sa maturité.
Le modèle lui-même n’est plus toujours le cœur du problème. Le vrai sujet devient le harnais : identité de l’agent, permissions, registres d’action, observabilité, droit de révocation, rollback, séparation entre gouvernance lente et exécution rapide. Un agent n’est ni un salarié, ni une application classique. Il devient un nouvel acteur dans le système d’information.
Le détail
Un agent de banque ne devrait pouvoir agir qu’à l’intersection de trois autorisations : ce qu’il prétend savoir faire, ce que la politique interne lui permet de faire, et ce que l’entité derrière la demande — humain, application ou autre agent — est elle-même autorisée à demander. Répondre à cette intersection en temps réel constitue l’un des vrais défis techniques de l’IA agentique en production.
Le service client, laboratoire visible de l’acceptabilité
Pour le grand public, le premier contact avec ces agents se jouera rarement dans un comité exécutif. Il aura lieu au téléphone, dans un chat, face à une facture, une réclamation, une demande de prêt, un problème de connexion.
La question “les clients veulent-ils parler à une IA ?” est presque mal posée. Personne ne souhaite vraiment contacter un service client. L’usager veut que son problème soit résolu, vite, clairement, sans être baladé. Si l’agent y parvient, la résistance diminue. Wonderful AI observe que les taux de résolution augmentent avec le temps sur des agents identiques, signe que l’usage se normalise à mesure que la confiance se construit.
Plus troublant encore : certains agents commerciaux obtiennent déjà de meilleurs résultats que des humains lorsque le moment est parfaitement choisi. Dans le crédit, un agent qui détecte qu’un client approche de sa limite de carte et propose un prêt au bon instant peut convertir davantage qu’un conseiller. Non par supplément d’empathie, mais par précision temporelle. L’intelligence commerciale se déplace alors du discours vers le moment.
La nouvelle grammaire du management
À l’intérieur de l’entreprise, Pigment décrit une première vague de gains évidents : modélisation plus rapide, analyses accélérées, scénarios financiers générés en parallèle. Dans certains cas, le temps de modélisation peut être réduit de 80 %. Mais la phase suivante est plus stratégique : améliorer la qualité de décision, non seulement la vitesse d’exécution.
Cela suppose une infrastructure commune. Un agent ne peut pas être fiable dans une organisation fragmentée, où chaque équipe expérimente sur son propre outil, avec ses propres données et ses propres règles. Il lui faut une source de vérité, des droits d’accès, une traçabilité, une capacité d’audit. En somme, une Maison de données avant une Maison d’agents.
Le manager, lui aussi, change de rôle. Il ne distribue plus seulement des tâches. Il formule des objectifs, supervise des trajectoires, valide des décisions, arbitre entre travail humain et travail numérique. L’entreprise ne recrute plus seulement des talents ; elle admet des agents dans son système opérationnel.
Ce qui doit rester humain
Les intervenants convergent sur un point : tout ce qui est répétable, structuré, contrôlable peut être confié à un agent. Comptes rendus de réunion, analyses, recherche documentaire, premiers niveaux de service, préparation de scénarios, assistance au recrutement, investigation de sécurité.
Mais la décision finale, le jugement sensible, la relation de confiance et certains gestes d’évaluation restent humains. Le recrutement en est un exemple. L’IA peut accélérer des étapes, comme dans le cas d’un hôpital américain capable de recruter des infirmiers 12 jours plus vite grâce à l’automatisation partielle du processus. Mais choisir une personne pour rejoindre une culture, lire une nuance, sentir une hésitation, demeure un acte de direction.
Dans la santé ou l’assurance, la frontière est plus nette encore : l’agent peut orienter, rechercher un praticien, répondre à une demande administrative. Il ne doit pas poser un diagnostic ni substituer son jugement à celui d’un professionnel.
La prochaine transformation du travail ne ressemblera donc pas à une disparition pure et simple de l’humain. Elle ressemblera davantage à une redistribution des gestes : à la machine la vitesse, la mémoire, l’orchestration ; à l’humain le discernement, l’intention, la responsabilité. Reste à savoir si les entreprises sauront construire cette grammaire avant de déléguer trop vite ce qu’elles ne comprennent pas encore assez.
