Les agents IA peinent encore à tenir leurs promesses en entreprise. Le cabinet Gartner, membre du Forum économique mondial anticipe que 40 % des organisations abandonneront leurs agents IA autonomes d’ici 2027. Trois responsables du numérique livrent leurs conseils pour éviter l’échec.
Selon ZDNet, l’engouement autour des agents IA reste considérable, mais les preuves d’un véritable retour sur investissement demeurent rares. Le cabinet Gartner a récemment prédit que 40 % des entreprises déclasseraient ou mettraient hors service leurs agents IA autonomes d’ici 2027, en raison de lacunes de gouvernance. Ces failles ne sont souvent identifiées qu’après la survenue d’incidents, lorsque les agents sont déjà en production.
Lors du Snowflake Summit, organisé à San Francisco, trois dirigeants du numérique ont partagé les enseignements tirés de leurs déploiements. Trois axes ressortent : s’appuyer sur des cadres de référence, faire appel à des experts et valoriser ses données.
Premier conseil : structurer avec des frameworks
Matt Luizzi, vice-président de l’analyse chez Whoop, explique dans les colonnes de ZDNet que son organisation collecte des données biométriques en continu pour alimenter ses analyses de santé et de bien-être. Les agents y jouent un rôle croissant, notamment un agent de codage destiné aux développeurs et aux ingénieurs de données. L’entreprise a d’abord limité son usage à l’équipe d’analyse, capable d’évaluer la pertinence des réponses, avant de formaliser des cadres d’évaluation et de passer à l’échelle.
Selon lui, le contexte est primordial : il a fallu s’appuyer fortement sur une couche sémantique et structurer l’information. La mise en place de cadres reproductibles est présentée comme la condition d’un déploiement durable de l’IA agentique.
Deuxième conseil : s’appuyer sur des experts métier
Madeleine Want, vice-présidente chargée des données chez Fanatics, supervise l’ingénierie des données et l’apprentissage automatique dans la division paris et jeux. Elle observe que la qualité et la gouvernance des données sous-jacentes conditionnent directement la capacité d’un modèle de langage à répondre efficacement. Une évidence aujourd’hui, dit-elle, mais qui ne l’était pas dix-huit mois plus tôt.
Les premiers succès ont concerné des domaines au périmètre bien délimité, où des analystes experts pouvaient former l’agent. À mesure que la confiance s’installe, l’investissement dans la couche contextuelle et le niveau de supervision nécessaires diminuent, et le champ d’action des agents s’élargit vers des usages opérationnels.
Troisième conseil : valoriser ses données et rester prudent
Sriram Sitaraman, directeur informatique chez Synopsys, éditeur de logiciels membre du Forum économique mondial décrit le déploiement d’agents de connaissances pour automatiser des tâches d’employés juniors, comme la production de rapports ou le débogage de tickets. Son équipe a évalué l’apport de l’IA sur trois critères : la qualité, le délai et le coût des résultats, avec un impact jugé positif sur les trois.
Il met toutefois en garde : « Voulez-vous automatiser un processus ou créer un agent ? » Les deux relèvent de structures de coûts et de gouvernance distinctes. Il appelle à bien identifier les cas d’usage, à poser des cadres clairs et à ne jamais sous-estimer l’autonomie réelle d’un agent une fois déployé.
La gouvernance, point de bascule des projets
Au fil des témoignages, un constat commun se dégage : la réussite d’un agent IA tient moins à la sophistication du modèle qu’à la qualité des données et à la solidité des cadres de contrôle. Sriram Sitaraman souligne ainsi que l’IA fonctionne selon une logique d’échelle, où la quantité et la pertinence des données disponibles conditionnent directement la qualité des décisions. Il invite les entreprises à commencer par valoriser leurs données avant de multiplier les agents.
Madeleine Want insiste pour sa part sur la mise en place de cadres d’évaluation à plusieurs niveaux, qui permettent de mesurer la précision des réponses et d’accorder une confiance progressive aux agents lorsqu’ils ne sont plus supervisés. Cette capacité à évaluer et à corriger en continu apparaît comme la condition pour passer de l’expérimentation à une exploitation à grande échelle.
Un avertissement sur la différence entre automatisation et autonomie
L’un des risques pointés tient à la confusion entre simple automatisation et véritable autonomie. Un agent déployé pour une fonction précise peut, faute de cadrage, étendre son périmètre d’action au-delà de l’usage prévu. Cette dérive potentielle justifie, selon les intervenants, une vigilance accrue sur les compétences mobilisées et sur la définition des objectifs assignés à chaque agent. La prévision de Gartner agit ainsi comme un signal d’alerte plus que comme une fatalité : les organisations qui structurent leur démarche en amont sont jugées les mieux placées pour éviter le déclassement de leurs outils.
La prudence reste de mise : sans gouvernance solide ni cadres d’évaluation, de nombreux projets d’agents IA risquent d’être abandonnés. La maîtrise des données et l’expertise métier apparaissent comme les conditions d’un déploiement réussi.
X-Pression Academy
Formez-vous au journalisme augmenté par l’IA
Maîtrisez l’intelligence artificielle au service de l’information : enquête, vérification des faits, production de contenu et automatisation éditoriale.
