L'IA agentique est une fonctionnalité, pas un produit

Salesforce a lancé Agentforce en septembre 2024. En octobre 2025, il avait un 2.0 et un 360. Microsoft a livré des agents Copilot pour Teams, Azure et le commerce de détail dans la même fenêtre. ServiceNow a acquis Moveworks. Google a renommé son constructeur d'agents deux fois.

Gartner a chiffré la surabondance : l'offre d'IA agentique dépasse largement la demande. Une correction de marché s'en vient. Les fournisseurs se précipitent pour définir une catégorie avant que le marché ne réalise qu'il n'en a pas besoin.

Sous le marketing

Agentforce, agents Copilot, ServiceNow AI Agents, agents Vertex AI : ils connectent un modèle de langage à un ensemble d'actions au sein d'une plateforme existante. Le modèle interprète une demande, choisit la bonne action, l'exécute, traite le résultat.

C'est de l'automatisation. Une meilleure automatisation, parce que les modèles de langage gèrent des entrées non structurées et font des jugements que les moteurs de règles ne peuvent pas. Mais c'est sur le même continuum que chaque outil d'automatisation qui l'a précédé. Ce qui lui vaut un nouveau poste budgétaire, c'est le nom.

C'est déjà arrivé avant

L'automatisation robotique des processus (ARP) allait tout automatiser. Les organisations ont acheté des plateformes, embauché des équipes, construit des centres d'excellence. Puis les robots ont commencé à casser : un nouvel élément d'interface, un champ de données déplacé, un changement de processus que personne n'a signalé. L'ARP a échoué parce que les fournisseurs ont vendu une capacité comme une catégorie. "Achetez notre plateforme ARP" est devenu une décision d'approvisionnement au lieu d'une décision d'ingénierie.

Le mégadonnées ont fait la même chose. La chaîne de blocs après. La transformation numérique est devenue un département. Le schéma : une vraie capacité technique obtient un nom marketing, un quadrant Gartner, un circuit de conférences et une frénésie d'achats. La capacité survit. La catégorie non.

Les fournisseurs d'ARP promettaient un retour rapide. Les organisations s'attendaient à neuf mois. Les résultats réels pour les implémentations qui ont fonctionné : douze mois. La plupart des robots ont cassé sur de petits changements. Les entreprises qui ont obtenu une valeur durable ont ajouté l'automatisation à leurs systèmes existants. Les robots qui fonctionnaient étaient des fonctionnalités d'un flux de travail plus large.

L'avertissement d'octobre 2025 de Gartner sur l'IA agentique se lit de la même façon : la technologie sous-jacente est solide, mais les plateformes d'agents non différenciées fusionneront ou disparaîtront. La capacité vivra à l'intérieur des logiciels que les entreprises utilisent déjà.

Les données d'adoption

Une étude de PYMNTS a trouvé que seulement 11 % des organisations utilisent des agents IA en production. Un autre 38 % pilotent. Le reste explore ou n'a pas commencé.

Les 11 % sont presque entièrement des entreprises qui avaient déjà une haute maturité d'automatisation. 25 % des entreprises hautement automatisées avaient adopté l'IA agentique mi-2025. Dans les entreprises avec une automatisation moyenne ou faible, l'adoption était effectivement nulle.

Les entreprises essaient d'acheter leur chemin vers l'automatisation basée sur les agents sans la fondation : des pipelines de données qui fonctionnent vraiment, des flux de travail définis de bout en bout, des systèmes qui communiquent entre eux. Gartner prédit que d'ici 2027, plus de 40 % des projets d'IA agentique échoueront parce que les systèmes en dessous ne peuvent pas supporter ce dont les agents ont besoin.

Une plateforme d'agents au-dessus d'une plomberie défectueuse ne fait que révéler la plomberie défectueuse.

Le schéma se déroule de la même façon. Un directeur technologique achète une plateforme d'agents, le fournisseur fait tourner une preuve de concept soignée sur des données propres, et le pilote a l'air solide. Puis l'équipe essaie de le connecter au vrai système de réclamations, au vrai CRM, au vrai entrepôt de documents. Le travail d'intégration prend plus de temps que le pilote. Le conseil d'administration a approuvé l'achat d'un produit; ce dont ils avaient besoin était un investissement en architecture.

Quoi mesurer

Vélocité des décisions : à quelle vitesse un signal devient une action gouvernée.

Une réclamation arrive. Le système la lit, la vérifie par rapport à la police, signale ce qui nécessite une révision humaine, route le reste pour paiement. La métrique : jours entre le dépôt et la résolution, et si ce chiffre a diminué.

La vélocité des décisions capture toute la chaîne : le travail de l'agent, la révision humaine, le transfert de système, la vérification de conformité. Les données de McKinsey sur les 6 % d'organisations qui génèrent un vrai bénéfice avant intérêts et impôts (BAII) de l'IA racontent la même histoire : elles mesurent le processus d'affaires, pas le modèle. L'agent est un outil à l'intérieur de cette mesure.

Par où commencer

Où les décisions attendent-elles qu'une personne déplace des données entre les systèmes? Le point de départ est l'intégration.

Où un processus stagne-t-il parce que quelqu'un doit lire, interpréter et agir sur de l'information non structurée : un document, un courriel, un formulaire? Un modèle de langage ajoute quelque chose là que l'automatisation basée sur les règles n'a jamais pu. Mais seulement si le flux de travail en aval est déjà automatisé.

Où la vélocité des décisions est-elle la plus lente? Le goulot d'étranglement est habituellement deux systèmes qui ne partagent pas de données, ou une étape d'approbation qui prend trois courriels et une semaine.

Réparez la plomberie. Les agents suivront.