Selon la dernière enquête américaine AI Pulse d'EY, les budgets des entreprises affluent dans les projets d'IA agentielle dans tous les secteurs, mais la plupart des décideurs ne savent toujours pas ce qu'ils achètent.
Le terme est utilisé à tort et à travers, appliqué à tout ce qui ressemble de près ou de loin à l'IA générative, et les dirigeants donnent leur feu vert à des investissements de plusieurs dizaines de millions sans vraiment comprendre le fonctionnement de ces systèmes. Cela crée un décalage important entre cash et les capacités réelles.
Un dirigeant sur cinq interrogés a déclaré que son entreprise avait déjà investi plus de 10 millions de dollars dans l'IA, et près d'un tiers prévoient de faire de même l'année prochaine.
Dan Diasio, responsable mondial de l'IA chez EY, ne semblait pas surpris. « L'IA agentique suscite un véritable engouement, et beaucoup d'acteurs du marché cherchent à en tirer profit », a-t-il déclaré. « On a assisté à un incroyable changement d'appellation de tout ce qui touche à l'IA générative, présenté comme de l'"IA agentique". »
Le problème ? La plupart des solutions que les entreprises qualifient d’« agentiques » fonctionnent encore comme de simples assistants. On saisit une requête, elles fournissent une réponse. Elles peuvent suggérer une action ou automatiser certaines tâches administratives, mais elles n’agissent pas de manièredent. Dan a expliqué que les véritables agents savent quand une tâche doit être effectuée, comprennent le contexte et gèrent chaque étape sans qu’on leur dise quoi faire.
Les dirigeants dépensent plus, adoptent moins
Malgré l'explosion des dépenses, la mise en œuvre est extrêmement lente. Seuls 14 % des dirigeants interrogés ont déclaré que leur entreprise avait pleinement déployé l'IA agentielleDan Selon cet écart s'explique par le fait que les entreprises ne sont pas préparées aux exigences.
« Cela implique de disposer de connaissances organisées et de haute qualité pour guider ces systèmes, ainsi que d'une compréhension claire de la manière dont les entreprises gèrent le changement massif entre l'état actuel et l'état futur. » Traduction : sans fondations, pas de déploiement.
Malgré les retours sur investissement des précédents outils d'IA, la plupart des entreprises hésitent à franchir le pas. Selon Dan, c'est la combinaison de faiblesses techniques et de résistance au changement qui freine le processus. « Si cette situation engendre un climat d'incertitude, elle offre néanmoins une feuille de route claire aux organisations », a-t-il déclaré. Cette feuille de route ? Résoudre d'abord les problèmes internes. Sinon, il ne s'agira que de projets pilotes coûteux et stériles.
Deepankar Mathur, directeur adjoint chez Searce, a déclaré que l'idée même d'une adoption à grande échelle est désormais quelque peu vaine. « C'est comme essayer d'atteindre une cible qui bouge constamment », a-t-il affirmé.
L'évolution de l'IA agentielle ne connaît pas de lancement unique. Elle repose plutôt sur des mises à jour constantes. Ildentd'identifier les tâches à automatiser, de déterminer les priorités, d'utiliser les meilleurs outils disponibles, puis de les améliorer en continu. « Ce cycle d'amélioration n'est pas un projet temporaire ; c'est un impératif opérationnel permanent », a-t-il déclaré.
Les cadres defiles rôles, sécurisent les systèmes et libèrent le potentiel des équipes
Dan a expliqué que pour éviter la peur et la confusion, il est essentiel de considérer la collaboration entre l'IA et l'humain comme un véritable partenariat. Il faut clairement définir les rôles et les responsabilités de chacun. « Cela implique d'élaborer une stratégie qui précise les tâches que l'IA prendra en charge et le rôle des humains », a-t-il déclaré. Ainsi, les doutes sont dissipés et les employés peuvent utiliser les outils en toute sérénité.
Mais cela ne fonctionne que si l'IA dispose de données d'entrée. « Les tâches s'effectuent grâce au savoir-faire et à l'expérience, des informations qui peuvent se trouver uniquement dans la tête des travailleurs », explique Dan. Ce type de connaissance ne se stocke pas dans une base de données. Il doit être capturé et structuré. Les systèmes d'agents en ont besoin pour prendre des décisions intelligentes. Sans données d'entrée, pas de données de sortie.
Et puis il y a la cybersécurité. Dan a expliqué que plus d'agents en production signifient plus de vulnérabilités. « On commence à entendre parler de plus en plus des implications en matière de cybersécurité de nombreux agents », a-t-il déclaré. Cela signifie que les entreprises doivent élaborer des plans de cybersécurité axés sur l'IA dès le départ. Il est essentiel de définir des règles concernant l'utilisation des données, la confidentialité, l'éthique et les situations où une intervention humaine est nécessaire. « En abordant proactivement ces questions de gouvernance, les dirigeants peuvent bâtir un système fiable et transparent », a-t-il conclu.
Deepankar a également plaidé pour un accès direct des équipes aux outils d'IA. Selon lui, il n'est plus nécessaire d'être ingénieur pour créer quelque chose d'utile. « Les obstacles à la mise en œuvre de l'IA ont considérablement diminué », a-t-il déclaré. Cependant, s'appuyer sur des comités de pilotage ou des instances centralisées dédiées à l'IA ne fait que ralentir le processus. « Un véritable progrès exige que les dirigeants s'engagent activement à promouvoir et à faciliter cette adoption généralisée. »
Il a expliqué que les entreprises les plus innovantes mettent en place des centres d'excellence internes en IA. Il ne s'agit pas de grands départements, mais de petites équipes d'experts intégrées aux différentes unités opérationnelles, formées et capables de développer leurs propres processus d'automatisation. « Les entreprises les plus performantes constituent de petites équipes d'élite de spécialistes en IA de haut niveau », a-t-il affirmé.
