Technologies

IA : comment dépasser les obstacles au déploiement des agents

---

Les DSI doivent encore surmonter certains obstacles liés au déploiement de l'agentique, notamment des problèmes de confiance, d'intégration à l'existant et de mesure des résultats. A ces conditions, les experts anticipent une forte croissance de cette technologie.

PublicitéL'année écoulée été marquée par un engouement considérable autour des agents IA, avec une multitude d'expérimentations... et de nombreux échecs. Certains experts en IA n'entrevoient que des progrès modestes en 2026. Le cabinet d'études Gartner, par exemple, prévoit que 40% des projets d'IA basés sur des agents seront annulés d'ici 2027, en raison de l'explosion des coûts, d'une valeur métier incertaine ou de contrôles des risques insuffisants.

Parallèlement, les statistiques relatives au nombre d'entreprises ayant déployé avec succès des agents sont contradictoires. Une étude menée en mai par PwC estimait que 79 % des entreprises interrogées avaient adopté des agents, sous une forme ou une autre. Cependant, Lucidworks, fournisseur de solutions de recherche en entreprise qui a développé un agent pour évaluer les capacités d'IA des sites de e-commerce, a constaté que seulement 6% des 1 100 sites analysés avaient bien déployé plus d'une solution basée sur des agents.

Bien que le déploiement d'agents soit appelé à connaître une certaine croissance cette année, la technologie pourrait ne pas encore se généraliser, selon Don Schuerman, directeur technique de Pega, fournisseur de solutions d'automatisation des processus. Cette situation est en partie due à des problèmes d'hallucination liés aux LLM qui sous-tendent les agents. « 2026 sera l'année qui permettra de distinguer les approches gagnantes de celles voués à l'échec, affirme-t-il. Je ne sais pas si ce sera l'année où les agents prendront véritablement le contrôle de tout ; il s'agit probablement d'une transformation à plus long terme que ce que l'on imagine généralement. »

Perspectives incertaines

L'une des difficultés rencontrées par de nombreuses organisations réside dans le fait qu'elles ont déployé des LLM en espérant les voir appliquer des capacités de raisonnement aux problèmes qu'elles leur soumettent. Une attente qui dépasse les capacités actuelles, selon Don Schuerman. « Les LLM ne sont pas des machines à raisonner, ce sont simplement des machines à prédire du texte », ajoute-t-il.

Don Schuerman constate que de nombreuses organisations conçoivent des agents pour des workflows prévisibles où ils n'ont pas besoin de raisonner, mais peuvent faire gagner du temps aux employés en prenant en charge les tâches routinières. Cependant, pour véritablement réussir avec l'agentique, il est indispensable d'intégrer le raisonnement aux tâches des agents dès la phase de conception, selon lui. « Ancrer les activités de vos agents dans les processus métier et les workflows est essentiel, car la plupart des opérations d'une entreprise reposent des processus déterministes, avec une série d'étapes prédéfinies, exécutées de manière cohérente et systématique, avec un haut degré de prévisibilité, de cohérence et d'auditabilité », explique-t-il.

PublicitéMais Don Schuerman estime que les attentes concernant les usages des agents ont été faussées par les premiers déploiements. Selon lui, l'IA devrait plutôt servir à redéfinir les processus métier que les agents prendront en charge. « L'idée selon laquelle nous allons déployer des milliers d'agents au hasard dans toute l'entreprise et les laisser faire relève du mythe, explique-t-il. Au contraire, nous allons utiliser ces agents pour définir et concevoir une grande partie des processus nécessaires à l'activité, et ce, beaucoup plus rapidement et efficacement qu'auparavant. »

Autonomie totale ? Voire

Dan Shmitt, DSI de Salesforce, reconnaît que des obstacles persistent quant aux perspectives de l'IA agentique en 2026. Par exemple, de nombreuses organisations manquent encore de feuilles de route claires pour démarrer, déployer à grande échelle et définir les critères de succès, explique-t-il, ajoutant que sans données de haute qualité et sans modèle de gouvernance unifié, les agents peuvent produire des résultats peu fiables. Le DSI prévoit néanmoins une utilisation plus répandue des agents au fil de l'année, même s'ils ne seront pas tous totalement autonomes, comme certains experts en IA l'ont prédit.

« Il est peu probable que nous voyions des systèmes entièrement autonomes déployés à l'échelle dans toutes les organisations, dit-il. Les organisations commenceront plutôt par adopter les agents comme des systèmes collaboratifs fonctionnant aux côtés des personnes et d'autres agents dans les processus quotidiens, afin d'accroître la productivité et la prise de décision des employés. »

Pour y parvenir, Don Schuerman de Pega insiste sur la nécessité pour les DSI de respecter les fondamentaux du déploiement IT. « On constate une prise de conscience croissante du fait que l'adoption de nouvelles technologies comme les agents ne dispense pas du respect des fondamentaux : un workflow optimal, des données fiables et des résultats clairement définis, explique-t-il. Il est essentiel de comprendre comment les agents produisent leurs résultats et de s'assurer de leur connexion aux données. »

S'intégrer à l'existant

Matt Lyteson, DSI d'IBM, prévoit également une augmentation du nombre de déploiements réussis d'IA agentique en 2026, notamment si les responsables IT se concentrent sur des résultats ciblés. Et souligne également l'importance de la sécurité et du contrôle des données, ainsi que d'une meilleure compréhension des interactions entre les agents et les autres systèmes informatiques. « Notre objectif est de déterminer comment déployer nos agents sur un nombre croissant de cas d'usage afin d'apporter de la valeur à l'organisation, et comment bien comprendre les résultats et définir les données à fournir aux agents. Puis, apprendre à les gérer et les contrôler, explique-t-il. Si les organisations y parviennent, l'adoption et le taux de succès des projets iront croissants. »

L'un des obstacles au déploiement des agents réside dans leur intégration aux systèmes et aux données existants, indique Matt Lyteson. Déployer des agents sans définir clairement le résultat visé en est un autre, ajoute-t-il. « En tant qu'entreprise informatique, nous avons l'habitude de privilégier le processus et de veiller à ce qu'il accomplisse un objectif, plutôt que de nous concentrer d'abord sur le résultat et sur ce que l'agent doit réaliser », explique-t-il.

IBM a déployé des centaines d'agents d'IA pour ses processus internes et des milliers d'agents pour la productivité personnelle, précise le DSI. Par exemple, l'entreprise utilise des agents pour trier les tickets d'assistance informatique et traiter les demandes basiques. Matt Lyteson recommande aux DSI de rester ouverts au potentiel des agents, même si certains projets pilotes n'ont pas donné de résultats concluants. « Chaque jour, chaque semaine, nous apprenons quelque chose de nouveau », affirme-t-il, ajoutant que les DSI doivent mettre ces enseignements à profit pour maximiser la valeur ajoutée pour l'organisation. « Nous devons cultiver notre curiosité et la traduire en résultats concrets pour l'entreprise. »

Réfléchir au cycle de vie des agents

À l'instar de Matt Lyteson, Saket Srivastava, DSI d'Asana, éditeur d'une solution de gestion des tâches, prévoit une augmentation des déploiements d'agents en 2026, malgré les nombreux obstacles auxquels les DSI sont confrontés. Parmi ceux-ci figure la réticence humaine à l'utilisation des agents. Saket Srivastava estime également que les DSI doivent mieux maîtriser le cycle de vie des agents, notamment en suivant ceux mis en place par les employés et en décidant du moment opportun pour mettre hors service les agents inefficaces. De nombreux DSI devront dans un futur proche composer avec un environnement de travail où le nombre d'agents dépasse celui des employés, et le suivi de leur efficacité sera essentiel, indique le DSI.

Dans l'intervalle, les préoccupations liées à la fiabilité et à la confiance peuvent limiter le nombre d'agents déployés à court terme, estime Saket Srivastava. « La confiance repose sur la structure, le contexte, les autorisations, la visibilité sur le processus décisionnel et la manière dont les processus avancent, ajoute-t-il. Il est certain que nous nous sommes tous un peu emballés avec l'IA et que nous nous sommes lancés dans des projets pilotes, essayant diverses choses sans avoir clarifié des points essentiels. Avons-nous les bonnes données ? Le processus est-il adapté ? »

Ne pas tuer l'innovation, sans se disperser

Dans certains cas, des organisations ont intégré des agents d'IA à des workflows et processus déjà défaillants, ajoute-t-il. « À l'époque où l'automatisation était encore balbutiante, on répétait sans cesse qu'automatiser un mauvais processus ne servait à rien, reprend Saket Srivastava. Aujourd'hui, examinez-vous vos processus plus en profondeur ? Envisagez-vous de les repenser avant d'y appliquer l'IA ? » Des préoccupations qui devraient monter en puissance cette année, selon lui.

Pour le DSI, si certains projets pilotes d'agents ont pu être prématurés, les DSI doivent néanmoins continuer d'expérimenter et trouver un équilibre entre résultats concrets et innovation. « Laisser fleurir mille fleurs [une référence à la multiplication des PoC, NDLR] n'est peut-être pas la meilleure approche, mais créer un environnement propice à l'expérimentation permet d'avoir davantage confiance dans la capacité de l'IA à résoudre les problèmes, explique-t-il. Mais assurez-vous de résoudre les bons problèmes, de les résoudre de la bonne manière, de mesurer les résultats obtenus, puis passez au problème suivant. »

Article rédigé par

Grant Gross, CIO US (adapté par Reynald Fléchaux)

Partager cet article