Comment l’IA agentique transforme déjà les entreprises

L’IA agentique automatise les processus commerciaux complexes

La plupart des gens pensent encore que l’IA est un chatbot qui répond à des questions. Cette vision est dépassée. L’IA agentique va beaucoup plus loin. Il ne s’agit pas simplement de donner des réponses, mais de systèmes autonomes qui exécutent des flux de travail complets entre les départements, les systèmes de données et les outils. Ces agents comprennent ce qui doit être fait et agissent sans attendre qu’un humain guide chaque étape.

Nous constatons un engouement important. Les entreprises n’hésitent pas. Dans l’enquête menée par Cloudera auprès de 1 500 responsables informatiques de 14 pays, 57 % d’entre eux utilisent déjà des agents d’IA. En outre, 96 % d’entre eux prévoient d’étendre leur utilisation dans les 12 mois à venir. Dans une autre étude réalisée par SnapLogic, 50 % des décideurs informatiques déployaient déjà des agents. En outre, 79 % d’entre eux ont l’intention de dépenser plus d’un million de dollars pour ces systèmes au cours de l’année à venir. Un tel niveau de dépenses est révélateur d’une chose : cette technologie est sortie du laboratoire pour entrer dans la stratégie opérationnelle.

Les dirigeants doivent comprendre ce qui se passe réellement ici. L’IA agentique connecte de multiples modèles et outils pour agir sur des tâches, et pas seulement pour répondre à des invites. Cela peut signifier le traitement de milliers de documents à travers des réseaux mondiaux, la coordination entre le CRM, l’ERP et les API externes, sans attendre un seul clic de bouton. Avec les cadres d’orchestration et les nouveaux protocoles permettant l’exécution des tâches en temps réel, il ne s’agit pas seulement d’une automatisation accrue. Il s’agit d’une infrastructure opérationnelle fondamentalement nouvelle.

Ce n’est plus expérimental. Gartner considère l’IA agentique comme la principale tendance technologique stratégique pour 2025. Selon ses projections, 80 % des tâches courantes de service à la clientèle seront gérées de manière autonome d’ici à 2029. Un tiers des applications d’entreprise intégreront des fonctionnalités agentiques d’ici à 2028. Cela change la donne dans tous les secteurs, de la logistique à la finance, en passant par le juridique et le développement de produits.

Sid Nag, de Gartner, l’a bien résumé : « Il ne s’agit certainement pas d’un simple battage marketing. C’est quelque chose de très important pour l’automatisation de nombreuses tâches dans de nombreux environnements. » Voilà le changement. Il ne s’agit pas de chatbots. Il s’agit de déléguer le travail réel à des systèmes intelligents qui fonctionnent avec un minimum de supervision, et cela se fait rapidement.

L’IA agentique transforme le génie logiciel

C’est là que nous voyons le signal de perturbation le plus fort. L’IA dans le développement de logiciels faisait déjà des vagues. L’IA agentique vient de passer à la vitesse supérieure. Les développeurs ne se contentent plus de demander à l’IA des extraits de code. Ces systèmes planifient désormais des projets entiers, écrivent du code, le testent, corrigent les bogues et diffusent des mises à jour, de bout en bout.

Ce n’est pas pour rien que l’adoption de l’IA explose. L’enquête 2024 de GitHub menée au Brésil, en Allemagne, en Inde et aux États-Unis a révélé que 97 % des développeurs utilisent déjà des outils de codage de l’IA. Une étude distincte de HackerRank portant sur plus de 13 000 développeurs dans 102 pays a montré que l’IA génère désormais 29 % de l’ensemble du code. Laissez-vous convaincre : près d’un tiers du code écrit dans le monde l’est par des machines. Vous ne pouvez pas ignorer une tendance aussi importante.

Avec l’IA agentique, le rôle des assistants de codage a évolué. Des systèmes comme Cursor, Devin de Cognition Labs, Windsurf et des options libres comme Cline vont au-delà de la suggestion. Ils modifient de grandes bases de code en s’appuyant sur le contexte des modifications précédentes. GitHub Copilot, l’agent CLI d’Amazon, Firebase Studio de Google et VS Code de Microsoft proposent tous des modes agentiques conçus pour s’intégrer directement dans les flux de travail des développeurs.

Dan Shiebler, responsable de l’apprentissage automatique chez Abnormal AI, a déclaré qu’entre 50 et 75 % de leurs 350 ingénieurs utilisent déjà ces outils au quotidien. Des plateformes comme Cursor et v0 aident les équipes à mettre en œuvre des applications complètes sans toucher au code brut. Selon lui, les gains d’efficacité sont si importants que les anciennes méthodes de copier-coller semblent dépassées en comparaison.

Et si cela ressemble à de la spécialisation, ce n’en est pas. L’OpenAI est en train de finaliser son propre ingénieur logiciel agentiqueA-SWE, tandis que des entreprises comme Lovable et Bolt repoussent les limites de l’interface utilisateur automatisée et de l’approvisionnement en infrastructure. Cet écosystème évolue rapidement et est très diversifié.

Gartner s’attend à ce que ces changements modifient complètement le rôle des développeurs. D’ici 2027, 80 % des développeurs devront se perfectionner ou s’adapter. Ce n’est pas facultatif. Si les équipes d’ingénieurs n’investissent pas maintenant, elles prendront du retard. Kevin Merlini, vice-président chargé des produits et du conseil chez Thomson Reuters, l’a dit sans ambages : « S’ils ne le font pas, je ne peux pas m’attendre à ce qu’ils le fassent : « S’ils ne le font pas, je ne sais pas pourquoi ils ne le font pas ». Son équipe utilise une approche multi-modèle pour rester flexible, ce qui est intelligent. Le fait d’être lié à une solution unique limite l’accès aux nouvelles innovations dans un espace qui évolue tous les trimestres.

En bref : L’IA agentique dans l’ingénierie logicielle n’est plus expérimentale, elle est opérationnelle. Les entreprises qui fabriquent des technologies devraient déjà l’utiliser. Les entreprises qui ne l’utilisent pas doivent se demander pourquoi.

L’IA agentique améliore la recherche et l’analyse de documents

Il s’agit d’une évolution majeure par rapport aux chatbots de base. Les entreprises s’appuient sur la recherche et l’analyse de documents dans les domaines juridique, fiscal, de l’audit et de la conformité. Jusqu « à récemment, même les meilleures interfaces d’IA dans ce domaine étaient limitées à la recherche d’un dossier ou d’un ensemble de documents à la fois. Vous tapiez une invite, obteniez une réponse et c » était tout.

L’IA agentique améliore ce processus. Ces agents peuvent se déplacer dans de multiples référentiels, déterminer ceux auxquels il faut accéder et coordonner automatiquement les étapes entre les différents systèmes. Par exemple, une question unique nécessitant des données provenant de contrats, de bases de données réglementaires, de mémos internes et d’API externes peut désormais recevoir une réponse avec un minimum d’informations de la part de l’utilisateur et un maximum de contexte intégré. C’est quelque chose que les outils conventionnels n’offrent pas.

Chez Thomson Reuters, il ne s’agit plus seulement d’une innovation interne. Sa plateforme CoCounsel genAI est aujourd’hui utilisée par plus de 240 000 professionnels des secteurs juridique, fiscal, de l’audit et de la comptabilité. Kevin Merlini, vice-président chargé des produits et de CoCounsel, a expliqué que la technologie agentique ne se contente pas d’améliorer les fonctionnalités, mais qu’elle ouvre la voie à des catégories de logiciels entièrement nouvelles. Avec l’IA agentique, les chercheurs n’obtiennent pas seulement des résultats plus rapides, ils obtiennent des résultats plus précis sur des ensembles de données complexes, assemblés grâce à l’inférence automatisée des tâches.

Il y a là une leçon stratégique à tirer. Les cadres dirigeants doivent comprendre que les systèmes agentiques redéfinissent la manière dont on accède aux connaissances spécialisées et dont on les utilise. Les examens juridiques, les enquêtes d’audit et les rapports de diligence raisonnable peuvent tous être accélérés et mis à l’échelle sans augmentation des effectifs. Les avantages en termes d’efficacité sont évidents, mais la véritable valeur réside dans la création d’un avantage concurrentiel grâce à la rapidité et à une meilleure intelligence opérationnelle.

Les entreprises qui dépendent de processus à forte intensité documentaire devraient déjà tester ces outils. Le coût de l’attente est de voir les concurrents agir plus vite et avec de meilleures données.

L’IA agentique au service du client

Le service client ne tolère pas l’échec. Déployer une IA qui interagit directement avec les clients, en particulier une IA qui peut prendre des mesures autonomes, est risqué. Un système qui émet des remboursements incorrects, qui reprogramme des livraisons de manière inappropriée ou qui déforme la politique de l’entreprise nuit rapidement à la confiance. C’est la raison pour laquelle la plupart des entreprises ne sont pas encore totalement autonomes, du moins pas dans les rôles en contact direct avec les clients.

Ce que les entreprises leaders font est intelligent : utiliser l’IA agentique dans les coulisses pour soutenir les agents humains. Chez Bosch Power Tools, Victor Nguyen, chef de projet pour GenAI dans les opérations commerciales, a expliqué leur approche. L’entreprise utilise Cognigy.AI, intégré aux modèles GPT-4 d’OpenAI et Google Gemini d’OpenAI. Ces agents lisent les courriels, interprètent les tickets, traduisent les documents et proposent des actions, mais tout passe toujours par un humain avant d’atteindre le client.

Vous bénéficiez ainsi d’un véritable effet de levier opérationnel. Les tâches qui prenaient des minutes ne prennent plus que quelques secondes. Les agents sont mieux informés, réagissent plus rapidement et traitent plus de cas avec moins d’erreurs. En interne, Bosch se coordonne avec son unité informatique centrale pour étendre cette approche à l’ensemble de l’entreprise, en commençant par 1 des 23 centres de service à la clientèle ce trimestre.

Il y a un autre point de friction à résoudre : l’incohérence. Les différentes régions utilisent des systèmes et des processus différents. M. Nguyen a souligné que la normalisation des données, des processus et de l’interface utilisateur est un défi plus important que l’IA elle-même. Les entreprises qui souhaitent développer l’IA agentique doivent d’abord résoudre ce problème fondamental. L’uniformisation des structures d’entrée et la rationalisation des systèmes dorsaux ne sont pas facultatives ; elles sont essentielles pour que l’IA agentique fonctionne correctement.

Pour les dirigeants, la voie à suivre est simple. Ne déléguez pas l’expérience de vos clients à des agents autonomes sans avoir d’abord établi une base de données structurées et de haute qualité, ainsi que des procédures normalisées. L’IA ne réparera pas un système défectueux. Mais lorsque le système est prêt, les outils agentiques peuvent faire évoluer cette capacité à l’échelle mondiale, sans augmenter les effectifs ni sacrifier la cohérence.

L’IA agentique rationalise les flux de traitement des documents

Le traitement des documents a toujours été un aspect chronophage de l’activité, caractérisé par des cycles de révision redondants, le formatage et l’extraction manuelle des données. L’automatisation traditionnelle a permis d’effectuer des tâches modélisées, mais l’IA agentique offre aujourd’hui une approche différente. Ces systèmes connectent de multiples entrées, génèrent des sorties avec une structure claire et affinent le produit final sans microgestion.

Chez Route Three Digital, une société de marketing, ce changement est déjà à l’œuvre. Sharmilla Singh, directrice du marketing et des opérations, a expliqué comment l’entreprise a créé un agent d’intelligence artificielle en utilisant la plateforme Vertex de Google et les modèles Gemini pour l’un de ses clients. La collecte d’informations, la rédaction et la mise au point d’une proposition, qui prenaient à l’origine sept jours, ne prennent plus que quelques heures. Le système saisit les données clés, génère un projet, affine le contenu pour plus de clarté et présente un résultat de haute qualité prêt pour un examen humain rapide.

Il s’agit d’un exemple concret de la manière dont les systèmes agentiques transforment les flux de documents critiques de volume moyen. Il y a toujours une intervention humaine pour adapter le contenu final, mais l’essentiel de l’effort manuel est déchargé.

Pour les cadres supérieurs, il ne s’agit pas seulement de productivité, mais de rapidité d’exécution. Plus un projet passe rapidement de l’entrée à la sortie, plus vous concluez d’affaires, plus vous lancez de campagnes, plus vous extrayez de valeur de la même main-d’œuvre. Singh souligne également que le marketing est un environnement peu risqué pour expérimenter, ce qui signifie que les entreprises peuvent piloter en toute sécurité et observer rapidement un retour sur investissement mesurable.

Il y a là un fort potentiel de croissance. Toutes les fonctions qui traitent des propositions, des rapports ou des communications avec les clients peuvent en bénéficier rapidement. Les entreprises qui attendent la pleine maturité avant de déployer l’IA agentique perdront de l’élan, tandis que d’autres bénéficieront d’un avantage opérationnel.

Les plateformes de démocratisation permettent aux entreprises de créer, de déployer et de mettre à l’échelle plus facilement des solutions d’IA agentique.

Jusqu’à présent, la mise en place d’une IA agentique nécessitait des équipes d’apprentissage automatique en interne, des intégrations avec de multiples fournisseurs et un investissement important dans l’infrastructure. Cette barrière est en train de tomber rapidement. Les géants des plateformes simplifient la création et l’orchestration d’agents, donnant aux entreprises un accès par glisser-déposer à des capacités qui nécessitaient auparavant un développement de base.

Les récentes améliorations apportées par Google à Vertex AI et à sa plateforme Agentspace comprennent désormais des outils de construction sans code, des outils de recherche prédéfinis et une place de marché pour les agents. Les entreprises peuvent commencer immédiatement et évoluer en fonction de leurs besoins. Plus de 130 agents tiers sont déjà répertoriés, proposés par des entreprises telles que Deloitte, Amdocs, VMware et Palo Alto Networks.

Mais ce sont les chiffres de Microsoft qui illustrent le mieux l’ampleur de la situation. Charles Lamanna, vice-président de Business and Industry Copilot, a déclaré en mars que plus de 160 000 organisations utilisaient déjà le Copilot Studio de Microsoft. Plus de 400 000 agents personnalisés ont été créés au cours du seul trimestre précédent. Il ne s’agit pas d’essais pilotes, mais de déploiements réels transformés en systèmes d’entreprise avec de faibles frais généraux.

Pour les dirigeants, cela signifie que le délai de valorisation est plus court et que l’expérimentation est nettement moins coûteuse. Vous n’avez pas besoin d’un département complet de science des données pour explorer comment les agents pourraient rationaliser les tâches d’approvisionnement, de recherche ou d’assistance. Des services tels que les agents Bedrock d’AWS, les outils d’IA de Salesforce et les intégrations de SAP permettent une adaptation rapide à tous les secteurs d’activité.

Mais la facilité d’accès s’accompagne d’une responsabilité. Si les outils de la plateforme simplifient le déploiement, la responsabilité des résultats incombe toujours aux dirigeants. Ces systèmes doivent être testés dans des flux de travail réels et leurs performances doivent être contrôlées en permanence. La technologie devient plus accessible. Cela ne rend pas la stratégie facultative.

La fenêtre est ouverte pour un déploiement compétitif, en particulier dans des domaines tels que l’informatique, l’approvisionnement, la finance et les opérations. Il ne s’agit pas d’essayer de prendre la vague plus tard. Il s’agit de commencer maintenant, de tester rapidement et de mettre à l’échelle ce qui fonctionne réellement.

Principaux enseignements pour les dirigeants

• L’adoption de l’IA agentique s’accélère rapidement : Plus de 50 % des entreprises utilisent déjà des agents d’IA, et 96 % d’entre elles prévoient de les développer au cours de l’année à venir. Les dirigeants devraient donner la priorité à une intégration précoce pour mettre en place une infrastructure opérationnelle compétitive et éviter de prendre du retard.
• Le développement de logiciels est en train d « être redéfini : L’IA agentique écrit, teste et révise le code de manière autonome, et 97 % des développeurs utilisent déjà des outils d’IA. Les directeurs techniques devraient investir dans ces plateformes et s’engager à améliorer les compétences de la main-d » œuvre d’ici à 2027 pour rester pertinents.
• Les flux de recherche et de documents deviennent autonomes : les tâches de recherche complexes et l’agrégation de données dans divers systèmes sont rationalisées par l’IA agentique, comme le montre la plateforme CoCounsel de Thomson Reuters. Les dirigeants devraient explorer les outils agentiques dans les fonctions à forte intensité de données afin d’améliorer les délais d’exécution et la précision des décisions.
• Le service à la clientèle s’améliore grâce à un partenariat entre l’IA et l’homme : Des entreprises comme Bosch utilisent l’IA agentique pour assister, et non remplacer, les agents humains, améliorant ainsi la rapidité tout en maintenant la supervision. Les dirigeants devraient commencer par déployer des agents de soutien en interne tout en normalisant les systèmes pour une évolutivité à long terme.
• Le temps de traitement des documents s’effondre : Les équipes marketing et commerciales réduisent les tâches de proposition de plusieurs jours à quelques heures grâce à l’IA agentique. Les directeurs des opérations devraient examiner les départements à faible risque en vue d’un déploiement afin d’obtenir une efficacité immédiate sans risque élevé de mise en œuvre.
• Les plateformes d’agents d’IA abaissent la barrière à l’entrée : Des plateformes telles que Microsoft Copilot Studio et Google Agentspace prennent désormais en charge la création d’agents d’IA sans code, ce qui permet un déploiement plus rapide à grande échelle. Les décideurs devraient permettre aux équipes de réaliser des prototypes avec ces outils afin d’identifier rapidement les cas d’utilisation à fort impact.