Tous les dix ans environ, la manière dont les entreprises s’organisent évolue discrètement – non pas à travers de grandes annonces, mais grâce à une série de décisions qui, cumulées, révèlent soudainement un nouveau modèle. Nous l'avons constaté avec la transformation numérique dans les années 2000, lorsque data la connectivité sont devenues le fondement de l'entreprise moderne. Puis est venue la révolution agile, qui a redéfini la manière dont les équipes collaborent, itèrent et créent de la valeur. Chaque changement n'a pas seulement modifié les outils ou les processus : il a transformé ce que nous pensions possible en matière de travail lui-même.

Aujourd’hui, un nouveau tournant se profile. Nous entrons dans l’ère des organisations hybrides agentiques: des entreprises conçues autour d’un écosystème partagé d’intelligence humaine et artificielle. Les humains apportent créativité, empathie et discernement. Les agents apportent précision, mémoire et rapidité. Ensemble, ils forment un nouveau type d’intelligence hybride capable d’apprendre, de s’adapter et d’évoluer d’une manière dont les organisations traditionnelles sont tout simplement incapables. La question n’est plus de savoir si cette transition aura lieu, mais si nous la concevrons avec suffisamment de réflexion pour qu’elle travaille pour nous, et non l’inverse.

Le personnel en tant que système d'intelligence collective

L'IA a dépassé le stade de simple « outil ». Les outils attendent qu'on s'en serve ; les agents, eux, participent activement. Ils s'intègrent à vos flux de travail, collaborent de manière asynchrone, prennent part aux discussions et vont même jusqu'à prendre des micro-décisions dans des limites définies. Ils ne se contentent pas de traiter des données, ils comprennent suffisamment le contexte pour agir. Ce changement subtil bouleverse complètement la manière dont le travail est conçu, géré et évalué.

C'est là qu'émerge une nouvelle discipline managériale : la gestion des ressources agentiques : la pratique consistant à orchestrer conjointement l’intelligence humaine et celle des machines. Les dirigeants ne se contentent plus de gérer les effectifs ; ils gèrent la capacité cognitive. Ils décident quels types d’intelligence Postuler chaque problème, en trouvant le juste équilibre entre créativité et calcul, perspicacité et automatisation.

La gestion d'un effectif hybride ne consiste plus à répartir les tâches, mais à concevoir des modèles d’interaction: quand faire confiance à la machine, quand la guider et quand passer outre. Les limites, la transparence et l’objectif commun deviennent aussi importants que les indicateurs de performance. Les dirigeants les plus performants seront ceux qui ne se contenteront pas de déléguer des tâches, mais qui mettront en place des systèmes d’intelligence, en veillant à ce que les capacités humaines et celles des agents se renforcent mutuellement plutôt que de se faire concurrence.

En réalité, le plus difficile dans cette transition ne sera pas la technologie en soi, mais le fait de développer les compétences organisationnelles nécessaires pour concevoir des environnements où les humains et les machines puissent véritablement collaborer en tant qu’égaux, animés par un objectif commun, et non pas simplement par la proximité.

Trois modes de travail : manuel, assisté, autonome

À mesure que ce nouveau paysage se dessine, il est utile de considérer le travail comme s'articulant autour de trois modes interdépendants : 

  1. Le travail manuel reste entièrement guidé par l’humain, là où le jugement, l’empathie et l’éthique priment, et où l’intuition l’emporte sur les règles. Ce sont là des contextes où la complexité résiste à la codification, et où la capacité des individus à saisir les nuances crée une valeur irremplaçable.
  2. Le travail augmenté se situe à mi-chemin, là où l'intelligence humaine et l'intelligence artificielle fonctionnent en tandem. Dans ce cadre, les agents soutiennent le raisonnement humain en mettant en évidence des informations, en automatisant des sous-routines ou en exécutant des simulations, tandis que les humains gardent le contrôle de la direction, du contexte et du jugement final. C'est la zone de collaboration où la créativité et le calcul se fondent en un rythme commun.
  3. Le travail agentique désigne une exécution autonome, dans laquelle les agents opèrent de manière indépendante dans des limites explicites et rendent compte de leurs actions dans le cadre d'une gouvernance transparente. Ces processus ne sont pas « configurés une fois pour toutes », mais font l'objet d'une surveillance continue, les humains définissant les limites morales et stratégiques de ce qui est acceptable. Le travail agentique élargit les capacités, mais il ne peut évoluer de manière durable que s'il repose sur la responsabilité.

L'avenir ne consistera pas en le remplacement d'un mode par un autre. Il s'agira d'un mélange dynamique des trois. Un processus peut débuter de manière manuelle, évoluer vers une collaboration augmentée, puis devenir autonome à mesure que la confiance s'installe. Les organisations les plus adaptatives seront celles qui considéreront ces transitions comme fluides, itératives et stratégiques – non pas comme une automatisation visant uniquement l'efficacité, mais comme une architecture de l'intelligence visant un avantage durable.

Le passage de la gestion data de référence data la gestion du contexte d'entreprise

Si l'ère numérique s'est construite sur la maîtrise data, l'ère de l'agentique se construira sur la maîtrise contexte, et cette distinction change tout. Data nous Data ce qui s’est passé ; le contexte explique pourquoi c'est important, dans quelles conditions et pour qui. Ce ne sont pas seulement des informations, c’est le sens structuré qui permet aux systèmes intelligents d’agir avec pertinence et modération.

Au début des années 2000, Data (Master Data ) a permis d’unifier les informations métier en une source unique de vérité. Il s’agissait d’une infrastructure essentielle pour l’entreprise data. Mais dans le contexte actuel, une « vérité » statique ne suffit plus. Les systèmes agentiques nécessitent une gestion du contexte d’entreprise – un cadre dynamique qui régit la manière dont l’information est interprétée, partagée et appliquée en temps réel. Il ne s’agit pas de pipelines qui acheminent data, mais de systèmes vivants qui aident à la fois les humains et les agents à comprendre comment utiliser les connaissances de manière responsable.

Le contexte se présente désormais comme une structure à plusieurs niveaux. Au niveau de l'entreprise, il incarne des valeurs, des politiques et des principes. Au niveau fonctionnel, il reflète les règles et les flux de travail propres à chaque domaine. Et au niveau de l'agent, il définit l'objectif, les autorisations et les limites comportementales. Ensemble, ces niveaux permettent aux systèmes intelligents de raisonner de manière cohérente au sein de structures définies par l'homme, sans pour autant perdre en flexibilité.

Pour y parvenir, les entreprises commencent à mettre en place ce que l'on appelle désormais la pile contextuelle d’entreprise, une architecture fondamentale qui structure, récupère et gère l’intelligence contextuelle à l’échelle de l’entreprise. C’est ce qui transforme les initiatives d’IA isolées en un écosystème cohérent et régulé.

La pile contextuelle d'entreprise

Ne voyez pas cela comme une architecture rigide, mais plutôt comme un écosystème vivant où chaque couche permet à celle qui la surplombe de fonctionner :

  • Couche 1 : Data . C'est là que réside la vérité opérationnelle. data structurées data Snowflake, BigQuery, Databricks. Les applications sur PostgreSQL, MongoDB. Les flux en temps réel via Kafka, EventBridge, Kinesis. Et l'univers non structuré : Confluence, Notion, SharePoint, Slack, Teams, GitHub. Les agents ont besoin des deux : des chiffres et des récits.
  • Couche 2 : Représentation des connaissances. C'est ici que data tout leur sens. Des modèles d'intégration tels que OpenAI, Cohere, Voyage AI, Mixedbread et Jina AI transforment le texte en vecteurs sémantiques consultables. Des bases de données orientées graphe comme Neo4j ou PuppyGraph structurent les relations entre les concepts. Des frameworks d'orchestration tels que LangChain, LlamaIndex, Dust et Haystack relient le tout, permettant aux agents de récupérer, raisonner et déduire à l'échelle de l'entreprise.
  • Couche 3 : Maillage contextuel. Il s'agit du tissu vivant qui relie tout en temps réel. Les bases de données vectorielles telles que Pinecone, Weaviate, Milvus et Qdrant gèrent la récupération à grande échelle. Les pipelines RAG assemblent le contexte pertinent à la demande. Les couches de mémoire telles que Zep, Redis ou Graphiti permettent aux agents de conserver les connaissances d'une interaction à l'autre. C'est la couche qui permet à l'IA de penser de manière continue, et non transactionnelle. Il s'agit d'un contexte sous forme de conversation vivante, et non d'une simple recherche statique.
  • Couche 4 : Gouvernance du contexte. À mesure que le contexte évolue, la gouvernance devient la colonne vertébrale du système. Databricks Unity Catalog et OpenMetadata gèrent la traçabilité et les autorisations. Vault ou AWS KMS protègent les secrets. Elastic, Datadog et OpenTelemetry assurent l'observabilité. Même le contexte lui-même est versionné : il est suivi via Git ou DVC, garantissant que chaque invite, règle et instruction puisse être auditée et annulée. La conformité est repensée pour que les systèmes intelligents soient rapides, transparents et explicables.
  • Couche 5 : Orchestration des agents. C'est ici que les agents évoluent, collaborent et agissent. Des frameworks tels que LangGraph, CrewAI, AutoGen, OpenDevin et Swarm SDK permettent la collaboration entre plusieurs agents. Des outils de workflow comme Temporal.io et Prefect coordonnent les processus de manière fiable. W&B, Humanloop, PromptLayer et LangSmith apportent la discipline LLMOps : évaluation, traçabilité, amélioration continue. Kubernetes et Ray Serve assurent l'évolutivité et la résilience.

Dans son ensemble, cette pile marque un tournant décisif : on passe du simple stockage des connaissances à la préservation un contexte vivant. Une architecture où le sens lui-même devient une ressource gérée.

L'émergence de l'ingénieur de contexte

Si l'ingénierie des invites consistait à formuler la bonne question, l'ingénierie du contexte consiste à concevoir l'environnement dans lequel l'intelligence artificielle évolue. Les ingénieurs du contexte définissent ce que chaque agent doit savoir, comment le contexte évolue ou se met à jour, et comment l'information circule entre les systèmes. Ils interviennent à tous les niveaux de la pile, en sélectionnant, validant et affinant les connaissances qui alimentent les comportements intelligents.

Ils constituent le trait d'union entre l'architecture et l'alignement : à la fois architectes de l'information, data et concepteurs de systèmes. Leur objectif ne se limite pas à l'efficacité, mais vise également la cohérence, en veillant à ce que le contexte reste précis, éthique et exploitable. Tout comme le DevOps est devenu le tissu conjonctif de l'entreprise agile, l'ingénierie du contexte deviendra l'épine dorsale de l'entreprise agentique. Car dans un monde où chaque agent dépend d'une compréhension commune, la gestion du contexte n'est pas une simple subtilité technique, c'est le fondement même de la confiance.

De l'agilité à l'autonomie : gouvernance, confiance et sécurité

L'agilité a permis aux équipes de gagner en rapidité. Les organisations « agentiques » leur permettront de évoluer intelligemment – mais seulement si elles reposent sur la confiance. L'agilité visait à donner aux équipes humaines les moyens de s'adapter et de livrer rapidement. L'agentique étend cette adaptabilité aux systèmes d'intelligence, où les humains et les agents collaborent de manière dynamique à tous les niveaux. L'unité de productivité passe du sprint au système d’orchestration. Les humains deviennent des concepteurs et des superviseurs de réseaux d’intelligence, et non plus de simples participants.

Mais la capacité sans responsabilité n'est qu'une fragilité déguisée. À mesure que le nombre d'entités autonomes augmente, la gouvernance et la confiance deviennent le fondement de tout. Sans elles, l'autonomie sombre dans le chaos. L'innovation sans contrôle n'est pas un progrès, c'est de l'irresponsabilité. Les organisations agentiques doivent intégrer dès le départ l'explicabilité, la traçabilité et la responsabilité directement dans leur architecture. Chaque décision d'un agent doit être consignée, chaque action doit pouvoir être vérifiée, et chaque élément de contexte doit faire l'objet d'un contrôle de version.

TRiSM (gestion de la confiance, des risques et de la sécurité) évolue d’une simple liste de contrôle des politiques vers une discipline opérationnelle. La surveillance est automatisée. Les cycles de vie des modèles sont suivis en continu. Des garde-fous tels que Guardrails AI, Lakera et Azure Content Safety garantissent que l’intelligence artificielle reste dans les limites éthiques et réglementaires. Lorsqu’elle est bien mise en œuvre, la gouvernance ne freine pas l’innovation, elle la favorise. Car seule une intelligence artificielle fiable peut évoluer en toute sécurité. Le véritable défi à venir n’est pas de créer des agents puissants, mais de construire des écosystèmes responsables.

La voie à suivre

Devenir une organisation hybride et autonome ne signifie pas remplacer les humains, mais bien amplifier ce que les humains peuvent accomplir grâce à une collaboration intelligente. Le parcours commence par une bonne préparation : une infrastructure, une gouvernance et une culture qui considèrent l’IA non pas comme un outil rajouté, mais comme un collègue au sein du système de travail. À partir de là, il s’agit d’identifier les points forts : les processus où le jugement humain rencontre une logique reproductible, où les agents peuvent se charger des tâches fastidieuses tandis que les humains se concentrent sur la créativité, l’empathie et la stratégie.

La gestion du contexte est le pilier de tout cela. C'est elle qui garantit que l'intelligence, qu'elle soit humaine ou artificielle, reste en phase avec l'intention et ancrée dans un objectif précis. D'ici 2028, la plupart des fonctions d'entreprise incluront au moins un processus géré par l'IA. Ce qui fera la différence, ce ne sera pas qui utilise l'IA , mais qui organise l'intelligence avec clarté et confiance.

Nous n'entrons pas dans l'ère de l'automatisation ; nous entrons dans l'ère de l' alignement. L'agilité nous a rendus plus rapides. L'agentique nous rendra conscients. Et dans ce nouveau paradigme, la ressource la plus précieuse ne sera data le capital : ce sera le contexte. C’est le contexte qui donne du sens à l’intelligence, et c’est le sens qui permet à la technologie de rester humaine. La véritable transformation en cours n’oppose pas les humains aux machines, mais consiste à voir les humains concevoir avec machines, en créant des organisations où l'intelligence et l'intention vont de pair. Notre plus grand avantage concurrentiel ne viendra pas des technologies que nous adoptons, mais de la manière dont nous orchestrons avec soin la collaboration entre la sagesse humaine et les capacités des machines.