Stratégie

IA agentique : pourquoi les DSI peinent à définir la bonne architecture

---

Les entreprises ont débuté le déploiement massif d'agents, mais rares sont celles qui maîtrisent les éléments constitutifs et les schémas d'architecture nécessaires à la conception de workflows métier optimisés par les agents.

PublicitéNombre de DSI, désireux de tirer parti du potentiel de l'IA agentique, peinent encore à franchir une étape fondamentale : la mise en place de l'architecture sous-jacente, même lorsque les déploiements ont débuté. Et ceux-ci devraient exploser au cours de l'année à venir. IDC prévoit ainsi une multiplication par dix de l'utilisation des agents au sein des grandes entreprises d'ici la fin de l'année. Pourtant, selon les experts, certains DSI n'ont pas suffisamment réfléchi aux éléments nécessaires au fonctionnement d'une vaste équipe d'agents.

« Nombreux sont les DSI qui ont sous-estimé le travail d'infrastructure requis pour assurer une montée en charge responsable des agents, dit ainsi Hilary Packer, responsable data et de IA chez American Express. On a tendance à se concentrer sur les capacités d'un agent, puis à se précipiter sur le déploiement avant même que l'infrastructure sous-jacente ne soit en place. Or, il est essentiel de commencer par développer les capacités de l'entreprise permettant aux agents de fonctionner de manière cohérente à travers les systèmes, les sources de données et les workflows. »

Des fondamentaux réutilisables

Par ailleurs, de nombreuses entreprises fonctionnent encore avec des systèmes data fragmentés, des définitions de données incohérentes et des structures de propriété cloisonnées, ajoute la responsable data et IA. « Avant de déployer des modèles et des agents de plus en plus sophistiqués, les organisations doivent avoir la certitude que les données sous-jacentes sont exactes, accessibles et adaptées à l'usage prévu, explique-t-elle. Cela nécessite des investissements dans la gouvernance, la traçabilité et une infrastructure de données moderne permettant une circulation efficace de l'information au sein de l'entreprise. »

Pour Hilary Packer, l'IA agentique représente autant un défi de gouvernance et de modèle opérationnel qu'un défi technologique. Faute de quoi, les équipes IT réinventent la roue à chaque projet pilote impliquant un ou des agents, suggère-t-elle. « Au fil des expérimentations, les équipes finissent souvent par reconstruire les mêmes fonctionnalités à répétition, comme la gestion des identités, le contrôle d'accès, le monitoring et l'observabilité, explique-t-elle. Cela peut suffire pour des projets pilotes isolés, mais rend difficile la gestion et le déploiement à l'échelle. »

Orchestrateur, sous-agents, API, mémoire, garde-fous

Les DSI doivent adopter ainsi une approche holistique de l'architecture agentique. Là où certains la perçoivent comme un simple modèle d'IA alimentant des agents, sa réalité est bien plus complexe. Cette architecture comprend plusieurs éléments, et il arrive que les DSI sous-investissent dans certaines fonctionnalités, souligne Saurabh Pitkar, directeur de la gestion des produits pour le commerce agentique chez Dell Technologies. Selon lui, l'architecture agentique inclut un orchestrateur, véritable cerveau qui contrôle les sous-agents ; les sous-agents eux-mêmes, dotés de fonctions spécialisées ; des API et autres outils ; une mémoire permettant de conserver le contexte d'une session et le comportement global d'un agent sur le long terme ; et des garde-fous pour définir des limites.

PublicitéPour l'expert de Dell, les organisations qui rencontrent encore des difficultés n'ont pas investi suffisamment dans des domaines tels que la gestion de la mémoire et la standardisation des outils MCP. Le manque d'accès aux données et leur intégration lacunaire peuvent aussi constituer un obstacle majeur au déploiement d'agents, malgré d'importants investissements dans la modernisation des infrastructures data, ajoute Saurabh Pitkar.

De plus, les responsables IT qui peinent à déployer des agents ont souvent négligé de gérer les changements organisationnels nécessaires pour s'adapter à un cycle de livraison plus rapide, piloté par les agents, explique-t-il. L'adoption peut être considérablement ralentie si les équipes ne sont pas prêtes à exploiter les résultats à la vitesse des robots. « L'IA ne se soucie pas de la structure organisationnelle lorsqu'il s'agit d'accéder aux données », souligne Saurabh Pitkar.

Les cas d'usage déterminent les détails

Selon l'expert, bien que les éléments de l'architecture agentique soient relativement standardisés, les DSI devront peut-être se concentrer davantage sur certaines fonctionnalités en fonction du cas d'usage. Le diable se cache dans les détails. « Le support client peut nécessiter des investissements plus importants dans la cartographie dynamique des intentions, la mémoire et une expérience utilisateur efficace, car il s'agit de conversations chargées d'émotion avec des utilisateurs humains qui ont besoin de résoudre un problème pour pouvoir continuer à travailler, illustre Saurabh Pitkar. Le commerce agentique peut se concentrer sur des API déterministes avec des données lisibles par une machine, des garde-fous et la conformité pour traiter en toute sécurité des transactions monétaires. »

Une autre façon d'envisager l'architecture agentique consiste à la décomposer en quatre couches : - Le système de contexte, incluant des données unifiées et sémantiquement enrichies ;

- Le système de travail, composé de services applicatifs composables sur lesquels les agents peuvent agir ;

- Le système d'agencement, où résident la planification, la coordination et la gouvernance ;

- Le système d'engagement, soit les interfaces permettant aux agents d'interagir avec les employés et clients.


La plupart des organisations disposent déjà de ces quatre fonctions dans d'autres progiciels d'entreprise, mais ceux-ci sont conçus pour une orchestration au rythme de l'humain plutôt que pour des agents travaillant à la vitesse d'une machine, explique Shibani Ahuja, vice-présidente senior e »n charge de la stratégie IT de Salesforce. « L'architecture agentique constitue le socle de l'entreprise qui permet aux agents d'IA de raisonner et d'agir de manière autonome - et non plus seulement de répondre à des questions. Et ce, de façon contrôlée et sécurisée, précise-t-elle. C'est la différence entre une IA qui rédige un e-mail et une IA qui clôture des tickets, déclenche des paiements et met à jour des dossiers, sans attendre l'intervention d'un humain. »

Accès en temps réel aux données et systèmes

Shibani Ahuja constate que les organisations peinent encore à définir l'architecture agentique, et encore plus à la déployer. Tout au long de l'année 2025, elle a entendu des DSI décrire comment ils avaient déployé l'IA à grande échelle. « Si vous écoutiez attentivement, l'un parlait d'IA prédictive, un autre d'IA générative et un autre encore d'un workflow agentique qui n'était en réalité qu'un chatbot sophistiqué, explique-t-elle. Nous utilisions le même terme pour des choses fondamentalement différentes. Et, lorsque le retour sur investissement ne s'est pas concrétisé, les entreprises ne savaient pas ce qui avait réellement échoué. »

Les difficultés rencontrées lors du déploiement d'agents étaient moins liées aux capacités qu'à la manière dont les entreprises concentraient leurs efforts, selon elle. De nombreux responsables informatiques se focalisent sur l'agent, notamment sur le cas d'utilisation, le prompt et le modèle, mais il est tout aussi important de se demander si l'architecture de l'organisation est susceptible de supporter les objectifs en matière de déploiement d'agents, ajoute-t-elle. « Les agents peuvent-ils accéder à des données gouvernées en temps réel et à l'échelle de l'entreprise ? Peuvent-ils agir sur différents systèmes avec une intervention humaine minimale pour corriger les incohérences ? Dans la plupart des entreprises, la réponse honnête est non, et aucun réglage de prompts ne va résoudre ce problème », tranche Shibani Ahuja.

La frontière entre agents et humains

Désormais, configurer un agent est un jeu d'enfant : la plupart des organisations peuvent le faire en quelques jours, voire quelques heures. Mais le travail ne s'arrête pas là, explique Adam Field, directeur de l'IA chez Tungsten Automation, fournisseur de solutions d'automatisation des workflows. Une architecture agentique performante permet aux agents de fonctionner de manière fiable au sein de processus métier réels, et non de façon isolée, précise-t-il. Depuis 30 ans, les systèmes d'entreprise sont conçus pour permettre aux utilisateurs de naviguer dans les interfaces, tandis que les agents opèrent discrètement en interne en appelant des API et en nécessitant des autorisations associées aux actions plutôt qu'aux utilisateurs.

L'aspect souvent sous-estimé de l'architecture agentique réside dans les contrôles de gouvernance qui définissent les actions autonomes des agents et les moments où ils doivent s'arrêter et céder la main à un humain, souligne Adam Field. « Déployer un agent sur une tâche spécifique est simple, note-t-il. La difficulté réside dans le fait que les entreprises ne fonctionnent pas par tâches isolées. »

En réalité, les entreprises fonctionnent sur la base de processus de bout en bout, souvent réglementés, avec des exceptions, des dépendances, des exigences de conformité et une intervention humaine à des moments précis, détaille-t-il. « Concevoir une architecture d'agents capable de fonctionner sur l'ensemble d'un processus, et non sur une seule étape, représente un défi fondamentalement différent, explique Adam Field. Les logiciels traditionnels échouent de manière évidente. Les agents, quant à eux, échouent silencieusement, avec assurance et à grande échelle. »

Article rédigé par

Grant Gross, CIO US (adapté par Reynald Fléchaux)

Partager cet article