![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/Image-1-Can-you-really-build-enterprise-grade-AI-agents-within-a-few-hours.png\")
<\/p>\nCela commence g\u00e9n\u00e9ralement dans une salle de r\u00e9union. Un prestataire ouvre son ordinateur portable, tape une seule phrase dans une fen\u00eatre de discussion, puis observe un agent extraire le code data de trois syst\u00e8mes, r\u00e9sumer un contrat de location, signaler une clause \u00e0 soumettre \u00e0 un examen juridique et envoyer le r\u00e9sultat par e-mail \u00e0 l\u2019\u00e9quipe de gestion des actifs. Tout cela prend nonante secondes. Le silence s\u2019installe dans la salle, puis quelqu\u2019un demande : \u201c Combien de temps cela a-t-il pris \u00e0 mettre en place ? \u201d La r\u00e9ponse, \u201c un apr\u00e8s-midi \u201d, marque le moment o\u00f9 la plupart des strat\u00e9gies d\u2019IA d\u2019entreprise sont discr\u00e8tement red\u00e9finies.<\/p>\n
C'est une question l\u00e9gitime, et \u00e0 premi\u00e8re vue passionnante. Si un agent op\u00e9rationnel peut \u00eatre mis au point en un apr\u00e8s-midi, pourquoi passons-nous encore dix-huit mois sur chaque transformation num\u00e9rique ? Pourquoi d\u00e9pensons-nous des sommes \u00e0 sept chiffres pour des logiciels moins performants ? Et, plus urgent encore, que devrions-nous faire pour y rem\u00e9dier ?<\/p>\n
La r\u00e9ponse honn\u00eate est plus nuanc\u00e9e que ne le laisse entendre la d\u00e9monstration. Oui, il est tout \u00e0 fait possible de cr\u00e9er un agent IA fonctionnel en quelques heures. Les outils sont d\u00e9sormais suffisamment performants pour cela. Mais l'\u00e9cart entre un agent fonctionnel et un agent de niveau professionnel est plus important que ne le pensent la plupart des dirigeants, et c'est l\u00e0 que r\u00e9sident la quasi-totalit\u00e9 des co\u00fbts, des risques et de la valeur r\u00e9els.<\/p>\n
Cet article s'adresse aux dirigeants qui souhaitent comprendre ce qui est r\u00e9ellement possible aujourd'hui, ce qui est v\u00e9ritablement difficile, et comment agir rapidement sans prendre le genre de d\u00e9cisions qui semblent brillantes en mai mais qui s'av\u00e8rent embarrassantes d\u00e8s novembre. Nous examinerons ce que sont les agents, ce qu\u2019ils ne sont pas, o\u00f9 ils sont utilis\u00e9s, qui les d\u00e9veloppe et ce qu\u2019il faut pour les d\u00e9ployer correctement au sein d\u2019une entreprise soumise \u00e0 une r\u00e9glementation. \u00c0 l\u2019issue de cet article, vous devriez \u00eatre en mesure de vous pr\u00e9senter \u00e0 votre prochaine r\u00e9union du conseil d\u2019administration et d\u2019en exposer clairement les enjeux.<\/p>\n
Avant m\u00eame d\u2019envisager le d\u00e9ploiement, il convient de s\u2019arr\u00eater un instant sur ce que nous entendons r\u00e9ellement par \u201c agent IA \u201d. Cette expression a \u00e9t\u00e9 largement galvaud\u00e9e par les \u00e9quipes marketing au cours des dix-huit derniers mois, et la plupart des dirigeants ne savent pas vraiment si l\u2019on leur vend un agent, un chatbot, un outil de gestion des flux de travail ou une macro particuli\u00e8rement performante.<\/p>\n
La d\u00e9finition op\u00e9rationnelle la plus claire est la suivante : un agent d\u2019IA est un logiciel qui utilise un mod\u00e8le de base pour comprendre un objectif, planifier la mani\u00e8re de l\u2019atteindre, agir en faisant appel \u00e0 des outils et \u00e0 des syst\u00e8mes, et s\u2019adapter en fonction de ce qu\u2019il observe. Consid\u00e9rez-le comme un dipl\u00f4m\u00e9 du num\u00e9rique. Il est comp\u00e9tent, il sait lire des instructions, il sait demander de l\u2019aide, il sait utiliser les outils que vous lui fournissez et, dans le cadre d\u2019un champ d\u2019action d\u00e9fini, il est capable de prendre des d\u00e9cisions judicieuses sans supervision constante. \u00c0 l\u2019instar d\u2019un dipl\u00f4m\u00e9, il b\u00e9n\u00e9ficie de lignes directrices claires et d\u2019un coll\u00e8gue exp\u00e9riment\u00e9 qui examine ses travaux les plus importants.<\/p>\n
D'un point de vue anatomique, chaque agent s'appuie sur cinq capacit\u00e9s. Un mod\u00e8le de base fournit le moteur de raisonnement, par exemple Claude \u2018 Sonnet \u2019, GPT \u2018 4o \u2019 ou Gemini \u2018 3.5 Flash \u2019. Les outils permettent \u00e0 l\u2019agent d\u2019agir : interroger une base de donn\u00e9es data, envoyer un e-mail, r\u00e9cup\u00e9rer un document, effectuer un calcul. La m\u00e9moire lui permet de conserver le contexte d\u2019une \u00e9tape \u00e0 l\u2019autre et, pour les agents plus sophistiqu\u00e9s, d\u2019une session \u00e0 l\u2019autre. L\u2019orchestration g\u00e8re la planification et l\u2019acheminement : elle d\u00e9cide de la prochaine action \u00e0 entreprendre, du moment o\u00f9 il faut faire appel \u00e0 un niveau sup\u00e9rieur et du moment o\u00f9 il faut s\u2019arr\u00eater. Enfin, les garde-fous d\u00e9finissent les limites : ce que l\u2019agent est autoris\u00e9 \u00e0 faire, les donn\u00e9es auxquelles il peut acc\u00e9der, et les cas o\u00f9 l\u2019intervention d\u2019un humain est requise.<\/p>\n
<\/p>\n
Figure 1. Les cinq composantes d'un agent d'IA.<\/em><\/p>\n Cette distinction est importante car elle explique en quoi les agents diff\u00e8rent des entit\u00e9s avec lesquelles ils sont souvent confondus. Un chatbot dispose d\u2019un mod\u00e8le et \u00e9ventuellement d\u2019une certaine m\u00e9moire, mais pas d\u2019outils r\u00e9els ni de capacit\u00e9 d\u2019orchestration ; il parle, mais n\u2019agit pas. La RPA dispose d\u2019outils et d\u2019une capacit\u00e9 d\u2019orchestration, mais pas de raisonnement : elle suit un script et cesse de fonctionner d\u00e8s que la r\u00e9alit\u00e9 s\u2019en \u00e9carte. L\u2019apprentissage automatique traditionnel dispose d\u2019un raisonnement de type restreint, mais pas d\u2019intelligence g\u00e9n\u00e9rale, ni d\u2019utilisation d\u2019outils, ni d\u2019interface conversationnelle. Un agent combine ces cinq composantes. C\u2019est ce qui le rend utile, et c\u2019est ce qui en fait une nouveaut\u00e9.<\/p>\n Il convient de retenir une autre distinction : les agents sont probabilistes, et non d\u00e9terministes. Ils peuvent parfois se comporter de mani\u00e8re inattendue. Cette caract\u00e9ristique est un atout dans de nombreux cas d'utilisation, car c'est ce qui leur permet de g\u00e9rer les cas limites complexes qui posaient probl\u00e8me aux g\u00e9n\u00e9rations pr\u00e9c\u00e9dentes d'automatisation, mais elle peut constituer un inconv\u00e9nient dans d'autres situations. Savoir distinguer les uns des autres repr\u00e9sente l'essentiel du travail.<\/p>\n Si le terme \u201c agent IA \u201d recouvre tout, du rapport quotidien programm\u00e9 au syst\u00e8me de trading autonome, il a perdu toute utilit\u00e9. \u00c0 l\u2019instar de la mani\u00e8re dont Gartner, Forrester et les principales plateformes d\u00e9crivent d\u00e9sormais ce domaine, nous estimons qu\u2019il est utile de raisonner en termes d\u2019un spectre compos\u00e9 de cinq cat\u00e9gories pr\u00e9sentant des niveaux d\u2019autonomie croissants.<\/p>\n Figure 2. Une taxonomie op\u00e9rationnelle des syst\u00e8mes agentiques.<\/em><\/p>\n Actions programm\u00e9es<\/strong> se situent au niveau le plus simple. Il s\u2019agit de processus automatis\u00e9s qui s\u2019ex\u00e9cutent selon une minuterie ou un d\u00e9clencheur : un rapport quotidien sur les indicateurs cl\u00e9s de performance (KPI), un nettoyage de la bo\u00eete de r\u00e9ception \u00e0 7 h du matin, un webhook qui se d\u00e9clenche lorsqu\u2019une transaction est conclue dans le CRM. Elles peuvent recourir \u00e0 un mod\u00e8le de langage de grande envergure (LLM) pour une \u00e9tape (r\u00e9sumer un document, r\u00e9diger un e-mail), mais elles ne r\u00e9fl\u00e9chissent pas \u00e0 la suite des op\u00e9rations. La plupart des dirigeants en disposent d\u00e9j\u00e0 de plusieurs ; on les appelait \u201c automatisations \u201d avant le changement de nom \u00e0 des fins marketing.<\/p>\n Agents de t\u00e2ches<\/strong> Ajoutez \u00e0 cela une seule t\u00e2che cibl\u00e9e, pilot\u00e9e par un LLM. Un exemple typique : un agent qui lit chaque e-mail entrant, le classe par th\u00e8me et par niveau d'urgence, puis le transmet \u00e0 l'\u00e9quipe comp\u00e9tente. Cela implique un certain raisonnement, mais uniquement \u00e0 un seul moment. Le flux qui l\u2019entoure est d\u00e9terministe. Ces solutions sont extr\u00eamement utiles, tr\u00e8s peu co\u00fbteuses et constituent le point de d\u00e9part naturel pour la plupart des organisations.<\/p>\n Agents d'automatisation<\/strong> encha\u00eener plusieurs \u00e9tapes au sein d\u2019un workflow d\u00e9fini. Ces processus restent certes contraints, les \u00e9tapes \u00e9tant connues \u00e0 l\u2019avance, mais le LLM prend des d\u00e9cisions \u00e0 plusieurs moments : il d\u00e9termine quel outil appeler, quelles donn\u00e9es data r\u00e9cup\u00e9rer, et comment r\u00e9agir en cas d\u2019\u00e9chec d\u2019une v\u00e9rification. Un flux d\u2019approbation de factures qui lit un fichier PDF, en extrait les lignes, les associe aux bons de commande, puis approuve la facture ou la transmet pour r\u00e9vision en est un bon exemple.<\/p>\n Agents de workflow<\/strong> C\u2019est l\u00e0 que se d\u00e9roule aujourd\u2019hui l\u2019essentiel du travail d\u2019entreprise v\u00e9ritablement passionnant. Ces agents se voient confier un r\u00e9sultat \u00e0 atteindre plut\u00f4t qu\u2019une s\u00e9quence de t\u00e2ches, par exemple : \u201c R\u00e9sumez ce bail de 80 pages et mettez en \u00e9vidence tout ce qui pourrait nous pr\u00e9occuper \u201d, et ils d\u00e9cident eux-m\u00eames de la mani\u00e8re d\u2019y parvenir. Ils liront des documents, interrogeront des syst\u00e8mes, poseront des questions compl\u00e9mentaires et it\u00e9reront. Le d\u00e9roulement des t\u00e2ches est \u00e9mergent plut\u00f4t que pr\u00e9d\u00e9fini. Les mod\u00e8les de raisonnement ont consid\u00e9rablement renforc\u00e9 la fiabilit\u00e9 de cette cat\u00e9gorie au cours des douze derniers mois.<\/p>\n Syst\u00e8mes multi-agents<\/strong> repr\u00e9sentent la fronti\u00e8re. Un agent coordinateur d\u00e9compose un objectif en sous-t\u00e2ches et d\u00e9l\u00e8gue chacune d\u2019elles \u00e0 un sp\u00e9cialiste : un pour la recherche, un pour l\u2019analyse, un pour la r\u00e9daction, un pour la r\u00e9vision. Lorsqu\u2019ils sont bien con\u00e7us, les syst\u00e8mes multi-agents prennent en charge des t\u00e2ches qu\u2019un agent seul ne peut pas accomplir. Lorsqu\u2019ils sont mal con\u00e7us, ils multiplient par huit les sources d\u2019\u00e9chec pour un m\u00eame r\u00e9sultat. La plupart des entreprises ne devraient pas commencer par l\u00e0.<\/p>\n Une question utile \u00e0 poser lorsqu\u2019un fournisseur vous propose une solution est tout simplement la suivante : o\u00f9 se situe-t-elle sur ce spectre ? Si l\u2019on vous pr\u00e9sente une action planifi\u00e9e et que l\u2019on vous facture un agent de workflow, vous venez d\u2019identifier la forme la plus courante de \u00ab sur-vente \u00bb d\u2019agents sur le march\u00e9. \u00c0 l\u2019inverse, si votre \u00e9quipe tente de d\u00e9ployer un syst\u00e8me multi-agents comme premier d\u00e9ploiement, encouragez-la gentiment \u00e0 commencer une colonne plus \u00e0 gauche.<\/p>\n Trois facteurs ont converg\u00e9. Premi\u00e8rement, les mod\u00e8les de base ont franchi le seuil de fiabilit\u00e9 requis pour l\u2019utilisation d\u2019outils. Il y a deux ans, demander \u00e0 un mod\u00e8le d\u2019appeler une API et d\u2019utiliser le r\u00e9sultat se soldait souvent par une d\u00e9ception ; aujourd\u2019hui, les mod\u00e8les d\u2019entr\u00e9e de gamme Claude, GPT et Gemini g\u00e8rent tous l\u2019utilisation d\u2019outils en plusieurs \u00e9tapes avec un taux de r\u00e9ussite suffisamment \u00e9lev\u00e9 pour une mise en production. Deuxi\u00e8mement, les mod\u00e8les de raisonnement : Claude avec ses capacit\u00e9s de r\u00e9flexion \u00e9tendues, la s\u00e9rie \u00ab o \u00bb d\u2019OpenAI et les modes de raisonnement approfondi de Gemini ont consid\u00e9rablement am\u00e9lior\u00e9 les performances pour les t\u00e2ches en plusieurs \u00e9tapes n\u00e9cessitant un jugement important, telles que celles exig\u00e9es par les flux de travail r\u00e9els. Troisi\u00e8mement, les infrastructures n\u00e9cessaires sont enfin disponibles : des frameworks d\u2019orchestration tels que LangGraph et CrewAI, ou encore l\u2019une des nombreuses solutions de flux de travail \u00ab low-code \u00bb ; des outils d\u2019\u00e9valuation pour des tests syst\u00e9matiques ; et le Model Context Protocol (MCP), qui offre aux agents un moyen standardis\u00e9 de s\u2019int\u00e9grer aux dizaines de syst\u00e8mes sur lesquels une entreprise fonctionne r\u00e9ellement.<\/p>\n La courbe des co\u00fbts a \u00e9galement jou\u00e9 un r\u00f4le. Le prix par jeton de l'intelligence de pointe a baiss\u00e9 d'un ordre de grandeur en deux ans, et les mod\u00e8les all\u00e9g\u00e9s (Claude Haiku, GPT-mini, Gemini Flash) sont d\u00e9sormais suffisamment abordables pour \u00eatre utilis\u00e9s \u00e0 l'\u00e9chelle de chaque e-mail ou de chaque document produit par une entreprise.<\/p>\n Il en r\u00e9sulte que nous nous trouvons \u00e0 un moment qui ne se pr\u00e9sente pas souvent : la technologie est v\u00e9ritablement performante, les outils sont r\u00e9ellement utilisables et la rentabilit\u00e9 est bel et bien au rendez-vous. Conjugu\u00e9 \u00e0 des cadres r\u00e9glementaires qui commencent \u00e0 se stabiliser \u2014 la loi europ\u00e9enne sur l\u2019IA constitue d\u00e9sormais une donn\u00e9e certaine plut\u00f4t qu\u2019une cible mouvante \u2014 et au fait que les r\u00e9gulateurs du Golfe, notamment la SDAIA saoudienne, ont publi\u00e9 des positions claires, la p\u00e9riode 2025-2026 marque le point d\u2019inflexion o\u00f9 les entreprises s\u00e9rieuses passeront de la phase d\u2019exp\u00e9rimentation \u00e0 celle du d\u00e9ploiement.<\/p>\n Alors, est-il vraiment possible de cr\u00e9er un agent de niveau entreprise en quelques heures ? Oui et non, et c'est justement sur cette contradiction que repose tout l'int\u00e9r\u00eat de cet article.<\/p>\n Ce que vous pouvez tout \u00e0 fait cr\u00e9er en un apr\u00e8s-midi : un agent fonctionnel capable d\u2019effectuer une t\u00e2che concr\u00e8te. Choisissez un cas d\u2019utilisation, par exemple le r\u00e9sum\u00e9 et le tri du contenu d\u2019une bo\u00eete de r\u00e9ception partag\u00e9e. Ouvrez Claude Projects, n8n ou la plateforme de votre choix. Configurez l\u2019acc\u00e8s \u00e0 la bo\u00eete de r\u00e9ception, r\u00e9digez une consigne claire d\u00e9crivant la t\u00e2che, fournissez-lui une base de connaissances compos\u00e9e d\u2019exemples ant\u00e9rieurs, puis d\u00e9finissez un calendrier. \u00c0 la fin de l\u2019apr\u00e8s-midi, vous disposerez d\u2019un agent capable d\u2019accomplir une t\u00e2che v\u00e9ritablement utile. Montrez-le \u00e0 vos coll\u00e8gues. Ils seront impressionn\u00e9s. Ce n\u2019est pas un tour de passe-passe ; c\u2019est la preuve des progr\u00e8s consid\u00e9rables r\u00e9alis\u00e9s par les outils sous-jacents.<\/p>\n Ce que vous ne pouvez pas mettre en place en un apr\u00e8s-midi, c\u2019est la diff\u00e9rence entre cette d\u00e9mo et une solution que vous d\u00e9ploieriez r\u00e9ellement aupr\u00e8s de deux mille collaborateurs r\u00e9partis sur trois juridictions. Pour y parvenir, vous avez besoin de contr\u00f4les d\u2019acc\u00e8s afin que l\u2019agent ne voie que ce que chaque utilisateur est autoris\u00e9 \u00e0 voir. Vous avez besoin d\u2019une piste d\u2019audit qui enregistre chaque d\u00e9cision et chaque appel d\u2019outil. Vous avez besoin d\u2019un cadre d\u2019\u00e9valuation qui vous indique si l\u2019agent a raison 95% du temps ou 70%, et o\u00f9 il a tendance \u00e0 se tromper. Vous avez besoin de contr\u00f4les des co\u00fbts, car un agent fonctionnant sans surveillance peut \u00e9puiser des budgets \u00e0 six chiffres en quelques jours. Vous avez besoin de points de contr\u00f4le impliquant une intervention humaine pour les d\u00e9cisions ayant des cons\u00e9quences importantes. Vous avez besoin d\u2019une gestion de la r\u00e9sidence data pour les r\u00e9gions qui y accordent de l\u2019importance (et elles sont de plus en plus nombreuses \u00e0 le faire). Vous avez besoin d\u2019une solution de secours lorsque le mod\u00e8le n\u2019est pas disponible. Vous avez besoin d\u2019observabilit\u00e9 afin que votre \u00e9quipe op\u00e9rationnelle puisse voir ce qui se passe. Et vous avez besoin d\u2019un programme de gestion du changement pour que votre personnel utilise r\u00e9ellement cet outil.<\/p>\n D'apr\u00e8s notre exp\u00e9rience, l'effort n\u00e9cessaire \u00e0 la mise en production est g\u00e9n\u00e9ralement dix \u00e0 vingt fois sup\u00e9rieur \u00e0 celui requis pour le prototype. Un agent dont la cr\u00e9ation a pris trois jours \u00e0 un d\u00e9veloppeur n\u00e9cessitera trois mois \u00e0 une petite \u00e9quipe pour le rendre conforme aux normes d'entreprise. Il ne s'agit pas d'un \u00e9chec de la technologie. C'est la r\u00e9alit\u00e9 de toute d\u00e9marche men\u00e9e de mani\u00e8re responsable au sein d'une grande organisation. Ce m\u00eame effet multiplicateur s'applique au d\u00e9ploiement d'un CRM, \u00e0 un projet data platform ou \u00e0 l'int\u00e9gration d'un syst\u00e8me de paiement. La diff\u00e9rence est que la d\u00e9monstration de ces solutions n'est pas suffisamment convaincante pour vous faire oublier le reste.<\/p>\n Voici comment il convient d'interpr\u00e9ter l'affirmation selon laquelle cela ne prendrait que \u201c quelques heures \u201d : les prototypes agentiques sont d\u00e9sormais v\u00e9ritablement peu co\u00fbteux. La production agentique, en revanche, ne l'est pas. Tout l'art consiste \u00e0 faire la distinction entre les deux et \u00e0 tirer parti du faible co\u00fbt des premiers pour prendre de meilleures d\u00e9cisions concernant les seconds.<\/em><\/p><\/blockquote>\n Il existe d\u00e9sormais trois grandes m\u00e9thodes pour cr\u00e9er un agent, chacune pr\u00e9sentant ses propres caract\u00e9ristiques audience, ses limites et ses compromis.<\/p>\n Il s\u2019agit de plateformes sur lesquelles vous assemblez des agents en faisant glisser des n\u0153uds sur un canevas. n8n, Make (anciennement Integromat), les offres d\u2019IA de Zapier et Copilot Studio de Microsoft en sont les principaux repr\u00e9sentants. Le mod\u00e8le se trouve dans un n\u0153ud, les outils dans d\u2019autres, et vous les reliez \u00e0 l\u2019aide de lignes. Les \u00e9diteurs visuels sont exceptionnels pour le prototypage et pour les cas d\u2019utilisation qui s\u2019apparentent \u00e0 une automatisation classique \u00e0 laquelle s\u2019ajoute une \u00e9tape de mod\u00e8le de langage (LLM). Ils sont \u00e9galement remarquables pour d\u00e9mocratiser l\u2019acc\u00e8s \u00e0 la cr\u00e9ation d\u2019agents. Un analyste m\u00e9tier sans aucune exp\u00e9rience en programmation peut ainsi disposer d\u2019un agent fonctionnel d\u00e8s l\u2019heure du d\u00e9jeuner. Il existe certes une limite, mais elle est lointaine : les \u00e9diteurs visuels commencent \u00e0 montrer leurs limites lorsque les flux de travail comportent de nombreuses ramifications, lorsque l\u2019\u00e9tat doit \u00eatre conserv\u00e9 sur plusieurs \u00e9tapes, ou lorsque la latence et le co\u00fbt doivent \u00eatre ajust\u00e9s avec pr\u00e9cision. Pour de nombreux cas d\u2019utilisation en interne, cette limite est tout \u00e0 fait acceptable.<\/p>\n Claude Projects, les GPT personnalis\u00e9s de ChatGPT, les Gemini Gems et les agents Microsoft Copilot vous permettent tous de cr\u00e9er des mod\u00e8les en r\u00e9digeant un ensemble d\u2019instructions pr\u00e9cises, en associant une base de connaissances et en accordant l\u2019acc\u00e8s \u00e0 un ensemble d\u2019outils soigneusement s\u00e9lectionn\u00e9s. Il n\u2019y a pas de canevas visuel : la \u201c cr\u00e9ation \u201d se fait sous forme de conversation. Ces plateformes sont id\u00e9ales pour les agents de connaissances, les assistants de recherche, les experts internes et tout cas d\u2019utilisation o\u00f9 la valeur r\u00e9side dans la qualit\u00e9 de la consigne et des documents, plut\u00f4t que dans la complexit\u00e9 du flux de travail. C\u2019est \u00e9galement par l\u00e0 que de nombreux dirigeants devraient commencer, car elles ne n\u00e9cessitent aucune intervention technique et permettent d\u2019obtenir un r\u00e9sultat v\u00e9ritablement utile en une seule session.<\/p>\n LangGraph, CrewAI, AutoGen et l\u2019\u00e9cosyst\u00e8me LangChain offrent aux \u00e9quipes d\u2019ing\u00e9nieurs un contr\u00f4le total sur l\u2019orchestration, la m\u00e9moire, l\u2019\u00e9tat, les \u00e9valuations et le d\u00e9ploiement. C\u2019est \u00e9galement l\u00e0 que r\u00e9sident le SDK Agent d\u2019Anthropic et les services d\u2019agents des principaux fournisseurs de cloud. Les d\u00e9veloppements ax\u00e9s sur le code prennent plus de temps, n\u00e9cessitent l\u2019intervention d\u2019ing\u00e9nieurs, et constituent la solution id\u00e9ale lorsque les enjeux sont importants, que les int\u00e9grations sont profondes et que l\u2019agent doit traiter des milliers de requ\u00eates par jour.<\/p>\n En r\u00e9alit\u00e9, la plupart des entreprises finissent par utiliser ces trois approches. Les \u00e9diteurs visuels pour le prototypage rapide et l\u2019automatisation all\u00e9g\u00e9e des t\u00e2ches administratives. Les plateformes bas\u00e9es sur des invites pour les cas d\u2019utilisation li\u00e9s \u00e0 la connaissance et \u00e0 l\u2019assistance, qui autonomisent les \u00e9quipes individuelles. Les frameworks bas\u00e9s sur le code pour les agents qui comptent v\u00e9ritablement, ceux qui se situent sur le chemin critique d\u2019un processus m\u00e9tier ou d\u2019une interaction avec le client. Consid\u00e9rer ces approches comme des camps rivaux plut\u00f4t que comme des couches compl\u00e9mentaires est une erreur courante, qui conduit \u00e0 des solutions trop sophistiqu\u00e9es pour des probl\u00e8mes simples et \u00e0 des solutions insuffisamment \u00e9labor\u00e9es pour les probl\u00e8mes complexes.<\/p>\n Le choix ne porte que rarement sur l'outil le plus performant. Il s'agit plut\u00f4t de d\u00e9terminer quel outil est le mieux adapt\u00e9 au cas d'utilisation auquel vous \u00eates confront\u00e9.<\/p>\n C'est la question que les dirigeants posent le plus souvent, g\u00e9n\u00e9ralement \u00e0 voix basse. La r\u00e9ponse est vraiment encourageante : pratiquement n'importe qui, du moins au d\u00e9but.<\/p>\n L\u2019acc\u00e8s au d\u00e9veloppement d\u2019agents a \u00e9t\u00e9 d\u00e9mocratis\u00e9 comme tr\u00e8s peu d\u2019\u00e9volutions technologiques ont r\u00e9ussi \u00e0 le faire. Il y a trois ans, \u201c cr\u00e9er un syst\u00e8me d\u2019IA \u201d n\u00e9cessitait des scientifiques sp\u00e9cialis\u00e9s en data, des ing\u00e9nieurs MLOps et un budget cons\u00e9quent. Aujourd\u2019hui, un responsable financier ayant une bonne compr\u00e9hension de ses propres processus peut cr\u00e9er un agent fonctionnel dans Claude ou Copilot Studio sans \u00e9crire la moindre ligne de code. Nous avons observ\u00e9 ce ph\u00e9nom\u00e8ne dans tous les services : des \u00e9quipes juridiques cr\u00e9ant des agents de r\u00e9vision de contrats, des \u00e9quipes RH d\u00e9veloppant des assistants d\u2019int\u00e9gration, des experts immobiliers mettant au point des outils d\u2019extraction de donn\u00e9es de baux, et des \u00e9quipes commerciales concevant des g\u00e9n\u00e9rateurs de propositions. La comp\u00e9tence qui importe n\u2019est pas le codage. Il s\u2019agit plut\u00f4t de la clart\u00e9 de la r\u00e9flexion sur la t\u00e2che : \u00e0 quoi ressemble le r\u00e9sultat final, que doit savoir l\u2019agent, \u00e0 quel moment un humain doit-il rester impliqu\u00e9 ?.<\/p>\n Cela ne signifie pas que l\u2019ing\u00e9nierie n\u2019a plus sa place. Cela signifie que son r\u00f4le a \u00e9volu\u00e9. Dans les meilleurs mod\u00e8les op\u00e9rationnels que nous observons, l\u2019informatique passe du statut de \u00ab gardien \u00bb \u00e0 celui de \u00ab facilitateur \u00bb, en fournissant les plateformes, les garde-fous, les mod\u00e8les d\u2019acc\u00e8s et les cadres d\u2019\u00e9valuation au sein desquels les utilisateurs m\u00e9tier peuvent d\u00e9velopper leurs solutions. L\u2019ing\u00e9nierie construit l\u2019a\u00e9rogare et la piste ; l\u2019entreprise construit les avions. Lorsqu\u2019un \u00e9l\u00e9ment d\u00e9velopp\u00e9 par un utilisateur m\u00e9tier devient suffisamment critique pour n\u00e9cessiter une s\u00e9curisation renforc\u00e9e, l\u2019ing\u00e9nierie prend le relais et le met en production. C\u2019est l\u00e0 la v\u00e9ritable d\u00e9mocratisation dont tout le monde parle, et elle est bien r\u00e9elle.<\/p>\n Les implications pour les dirigeants sont consid\u00e9rables. Vous n\u2019avez pas besoin de recruter une \u00e9quipe d\u2019ing\u00e9nieurs sp\u00e9cialis\u00e9s en IA pour vous lancer. Il vous suffit de fournir aux personnes les plus proches du terrain les outils n\u00e9cessaires, la libert\u00e9 d\u2019agir et une formation sommaire. Les agents qui font la diff\u00e9rence dans les activit\u00e9s de nos clients ne sont presque jamais ceux envisag\u00e9s dans la strat\u00e9gie centrale. Ce sont ceux cr\u00e9\u00e9s par les personnes qui effectuent le travail, qui savent exactement o\u00f9 se situent les points de friction.<\/p>\n Les discussions sur l'avenir des agents ont tendance \u00e0 passer \u00e0 c\u00f4t\u00e9 du pr\u00e9sent, ce qui est dommage car le pr\u00e9sent est plus int\u00e9ressant qu'on ne le pense g\u00e9n\u00e9ralement. Au sein de notre client\u00e8le, qui comprend des entreprises internationales, des organismes du secteur public et, plus particuli\u00e8rement, le secteur immobilier, un petit nombre de tendances g\u00e9n\u00e8rent aujourd'hui de la valeur de mani\u00e8re constante. Elles m\u00e9ritent d'\u00eatre connues.<\/p>\n Recherche et synth\u00e8se.<\/strong> Des outils qui analysent des documents, des sources Web et des syst\u00e8mes internes afin de produire des r\u00e9sum\u00e9s structur\u00e9s. Ils sont largement utilis\u00e9s pour la veille \u00e9conomique, l'analyse de la concurrence, la diligence raisonnable, la s\u00e9lection d'investissements et l'examen des politiques. Ces outils constituent un choix judicieux, car ce travail fait largement appel au jugement, est r\u00e9p\u00e9titif et peut \u00eatre valid\u00e9 en fin de processus par un r\u00e9viseur humain.<\/p>\n Traitement des documents.<\/strong> Extraction des contrats de location, r\u00e9vision des contrats, traitement des factures, gestion des r\u00e9clamations et KYC. Partout o\u00f9 des documents non structur\u00e9s doivent \u00eatre transform\u00e9s en donn\u00e9es structur\u00e9es au format data, avec un indicateur signalant les cas n\u00e9cessitant l'intervention d'un humain. Il s'agit du d\u00e9ploiement en production le plus courant dans les secteurs r\u00e9glement\u00e9s, notamment l'immobilier.<\/p>\n Service \u00e0 la client\u00e8le et aux collaborateurs.<\/strong> Un triage de premi\u00e8re ligne qui traite int\u00e9gralement les cas simples et transmet les autres avec toutes les informations n\u00e9cessaires. Lorsqu\u2019il est bien men\u00e9, ce syst\u00e8me ne remplace pas les humains : il permet de s\u2019assurer que ceux-ci ne s\u2019occupent que des cas qui n\u00e9cessitent leur intervention.<\/p>\n Connaissances internes.<\/strong> Des agents qui s'int\u00e8grent aux documents, wikis, syst\u00e8mes de gestion des tickets et archives de messagerie d'une organisation, et qui r\u00e9pondent aux questions en langage naturel. C'est dans ce domaine que de nombreuses entreprises constatent une valeur ajout\u00e9e rapide et facile \u00e0 mettre en \u0153uvre, et que la gestion du changement s'av\u00e8re la plus ais\u00e9e, car l'agent vient compl\u00e9ter les processus existants plut\u00f4t que de les remplacer.<\/p>\n G\u00e9n\u00e9ration de code.<\/strong> Cela m\u00e9rite d'\u00eatre soulign\u00e9, car il s'agit du cas d'utilisation qui a connu la progression la plus rapide de tous. Les \u00e9quipes d'ing\u00e9nieurs affichent d\u00e9sormais syst\u00e9matiquement une productivit\u00e9 sup\u00e9rieure de 30 \u00e0 40% lorsqu'elles utilisent des outils de codage agentique, et cet \u00e9cart ne cesse de se creuser. M\u00eame les dirigeants qui ne sont pas issus de l'ing\u00e9nierie devraient s'y int\u00e9resser, car cela modifie la courbe des co\u00fbts de tous les autres logiciels que vous d\u00e9veloppez.<\/p>\n Conformit\u00e9 et assurance.<\/strong> Des agents qui surveillent les violations de s\u00e9curit\u00e9, pr\u00e9parent les audits et d\u00e9tectent les anomalies. Particuli\u00e8rement pertinents dans le contexte d'un durcissement de la r\u00e9glementation au sein de l'Union europ\u00e9enne, au Royaume-Uni et dans les pays du Golfe.<\/p>\n Qu\u2019ont en commun les bons cas d\u2019utilisation ? Une r\u00e8gle empirique utile, que nous appliquons avec nos clients : la t\u00e2che est suffisamment r\u00e9p\u00e9titive pour \u00eatre pertinente ; elle fait suffisamment appel au jugement pour que l\u2019automatisation traditionnelle ait \u00e9chou\u00e9 ; elle est suffisamment bien d\u00e9limit\u00e9e pour que l\u2019on puisse en d\u00e9crire la r\u00e9ussite en une seule phrase ; et elle tol\u00e8re une v\u00e9rification par un intervenant humain pour les cas qui comptent. Si un cas d'utilisation potentiel remplit ces quatre crit\u00e8res, il vaut probablement la peine d'\u00eatre test\u00e9. S'il en remplit trois, cela m\u00e9rite d'\u00eatre discut\u00e9. S'il n'en remplit qu'un seul, vous vous aventurez en terrain glissant.<\/p>\n Les abstractions ne sont utiles que dans une certaine mesure. Pour illustrer cela, voici trois exemples concrets tir\u00e9s de la mani\u00e8re dont les agents sont actuellement d\u00e9ploy\u00e9s dans diff\u00e9rents secteurs.<\/p>\n Une soci\u00e9t\u00e9 immobili\u00e8re de taille moyenne g\u00e8re plusieurs milliers de contrats de location au sein de son portefeuille. Chaque bail compte entre quarante et nonante pages de texte juridique dense, stock\u00e9es au format PDF dans un syst\u00e8me de gestion documentaire. L\u2019\u00e9quipe de gestion des actifs doit pouvoir conna\u00eetre, \u00e0 tout moment, le contenu de chaque bail : dates de r\u00e9vision des loyers, clauses de r\u00e9siliation, dispositions relatives aux charges, restrictions en mati\u00e8re d\u2019ali\u00e9nation, obligations li\u00e9es aux crit\u00e8res ESG, ainsi que toute clause inhabituelle susceptible d\u2019influer sur l\u2019\u00e9valuation ou le risque.<\/p>\n Autrefois, ce travail relevait du domaine des assistants juridiques. Une nouvelle acquisition n\u00e9cessitait six semaines de saisie manuelle avant que l\u2019actif puisse \u00eatre correctement mod\u00e9lis\u00e9. Aujourd\u2019hui, un agent de workflow peut saisir le m\u00eame bail en quinze minutes, en le structurant selon le sch\u00e9ma privil\u00e9gi\u00e9 par le cabinet, tout en signalant tout \u00e9l\u00e9ment inhabituel devant \u00eatre examin\u00e9 par un g\u00e9om\u00e8tre agr\u00e9\u00e9. Le temps de d\u00e9veloppement de la premi\u00e8re version a \u00e9t\u00e9 d\u2019environ une semaine \u00e0 l\u2019aide d\u2019un \u00e9diteur visuel. La mise en production, l\u2019ajout de pistes d\u2019audit, les suites d\u2019\u00e9valuation par rapport \u00e0 un corpus \u00e9tiquet\u00e9 de baux, l\u2019int\u00e9gration au syst\u00e8me de gestion documentaire et au registre des actifs, ainsi que la mise en place d\u2019une proc\u00e9dure d\u2019escalade rigoureuse pour les clauses ambigu\u00ebs ont pris quatre mois. Le retour sur investissement a \u00e9t\u00e9 atteint en moins d\u2019un an, et le travail qui constituait auparavant un goulot d\u2019\u00e9tranglement \u00e0 chaque transaction ne l\u2019est plus d\u00e9sormais pour aucune d\u2019entre elles.<\/p>\n Une entreprise internationale de services comptant 15 000 collaborateurs g\u00e9rait un service d'assistance interne qui croulait sous la charge de travail. La plupart des tickets relevaient de quelques dizaines de cas de figure r\u00e9currents : r\u00e9initialisation de mots de passe, demandes d'acc\u00e8s \u00e0 des logiciels, probl\u00e8mes li\u00e9s au VPN, questions concernant le syst\u00e8me de gestion des notes de frais. L'\u00e9quipe a estim\u00e9 que 60% de tickets pourraient \u00eatre r\u00e9solus sans intervention humaine si le contexte et les outils appropri\u00e9s \u00e9taient disponibles.<\/p>\n Ils ont d\u00e9velopp\u00e9 un \u00ab agent de t\u00e2ches \u00bb, une \u00e9tape unique et cibl\u00e9e bas\u00e9e sur un mod\u00e8le de langage de grande envergure (LLM), int\u00e9gr\u00e9e \u00e0 la plateforme de gestion des tickets existante, qui lisait chaque ticket entrant, tentait de le r\u00e9soudre directement \u00e0 l\u2019aide d\u2019un petit ensemble d\u2019outils pr\u00e9-approuv\u00e9s (le syst\u00e8me d\u2019identit\u00e9, le catalogue de logiciels, l\u2019API de gestion des d\u00e9penses), puis cl\u00f4turait le ticket ou le transf\u00e9rait \u00e0 un intervenant humain en lui fournissant un brouillon de r\u00e9ponse et le contexte complet. Dur\u00e9e de d\u00e9veloppement du prototype initial : deux jours. D\u00e9lai de mise en production : trois mois, principalement consacr\u00e9s aux contr\u00f4les d\u2019acc\u00e8s, \u00e0 la journalisation d\u2019audit et au r\u00e9glage des seuils d\u2019escalade afin qu\u2019aucun \u00e9l\u00e9ment important ne passe entre les mailles du filet. R\u00e9sultat : le temps de r\u00e9solution des tickets a diminu\u00e9 de 70%, l\u2019\u00e9quipe de premi\u00e8re ligne a \u00e9t\u00e9 r\u00e9affect\u00e9e \u00e0 des t\u00e2ches plus int\u00e9ressantes, et l\u2019agent traite d\u00e9sormais environ la moiti\u00e9 du volume total des demandes entrantes.<\/p>\n Un v\u00e9hicule d\u2019investissement li\u00e9 \u00e0 l\u2019\u00c9tat souhaitait \u00e9valuer syst\u00e9matiquement les opportunit\u00e9s \u00e0 l\u2019aune des priorit\u00e9s de la Vision 2030, des secteurs cibl\u00e9s pour la diversification, des objectifs de d\u00e9veloppement r\u00e9gional et des crit\u00e8res ESG sp\u00e9cifiques au contexte saoudien. Le volume des cibles potentielles, des notes d\u2019information et des documents r\u00e9glementaires \u00e9tait tel qu\u2019aucune \u00e9quipe humaine n\u2019aurait pu les examiner de mani\u00e8re exhaustive.<\/p>\n Un syst\u00e8me multi-agents s\u2019est av\u00e9r\u00e9 \u00eatre la solution ad\u00e9quate dans ce cas. Un agent de recherche a extrait et structur\u00e9 les informations relatives \u00e0 chaque opportunit\u00e9 \u00e0 partir de documents publics, d\u2019actualit\u00e9s et de bases de donn\u00e9es sous licence data. Un agent d\u2019analyse a \u00e9valu\u00e9 l\u2019ad\u00e9quation avec le cadre \u00ab Vision 2030 \u00bb. Un agent de gestion des risques a mis en \u00e9vidence les pr\u00e9occupations d\u2019ordre r\u00e9glementaire et de r\u00e9putation. Un agent de r\u00e9daction a produit un rapport structur\u00e9 \u00e0 l\u2019intention du comit\u00e9 d\u2019investissement. Dur\u00e9e de d\u00e9veloppement du prototype : environ trois semaines, car la coordination entre les diff\u00e9rents agents a n\u00e9cessit\u00e9 un v\u00e9ritable travail d\u2019ing\u00e9nierie. Mise en production : six mois, avec une attention particuli\u00e8re port\u00e9e \u00e0 la localisation data (tout devait fonctionner au sein du Royaume), \u00e0 la prise en charge de la langue arabe et \u00e0 un cadre d\u2019\u00e9valuation rigoureux par rapport aux d\u00e9cisions ant\u00e9rieures. Le syst\u00e8me traite d\u00e9sormais davantage d\u2019opportunit\u00e9s que ne le faisait l\u2019\u00e9quipe humaine pr\u00e9c\u00e9dente, le comit\u00e9 disposant de rapports plus complets et n\u2019examinant que les d\u00e9cisions v\u00e9ritablement importantes.<\/p>\n Ce qui frappe dans ces trois exemples, c'est le rapport entre les dur\u00e9es. Dans chaque cas, la r\u00e9alisation du prototype a pris de quelques jours \u00e0 quelques semaines. Le d\u00e9ploiement en production a quant \u00e0 lui pris plusieurs mois. Et dans chaque cas, la valeur n'aurait pas pu \u00eatre concr\u00e9tis\u00e9e sans ces deux \u00e9tapes. Le prototype prouve que cela fonctionne. Le d\u00e9ploiement en production permet de concr\u00e9tiser cette valeur.<\/p>\n T\u00f4t ou tard, un dirigeant charg\u00e9 de mettre en place un programme d\u2019agents se verra poser la question suivante : quel mod\u00e8le devrions-nous adopter ? La r\u00e9ponse honn\u00eate est \u201c cela d\u00e9pend, et probablement plusieurs mod\u00e8les \u201d, mais cette r\u00e9ponse n\u2019est pas tr\u00e8s utile si on ne l\u2019approfondit pas. Voici un aper\u00e7u \u00e9quilibr\u00e9 des principales options disponibles en 2026.<\/p>\n Claude (Anthropic).<\/strong> G\u00e9n\u00e9ralement consid\u00e9r\u00e9 comme le plus performant en mati\u00e8re de raisonnement logique, notamment en ce qui concerne l\u2019utilisation d\u2019outils, les contextes \u00e9tendus, les raisonnements complexes et les jugements nuanc\u00e9s. Ses modes de r\u00e9flexion \u00e9tendus conf\u00e8rent \u00e0 Claude un avantage dans les t\u00e2ches complexes. Il excelle dans le suivi d\u2019instructions nuanc\u00e9es, ce qui est essentiel lorsque des garde-fous font partie de la conception. Une approche tr\u00e8s orient\u00e9e entreprise, avec des positions claires sur la formation data, l\u2019indemnisation en mati\u00e8re de propri\u00e9t\u00e9 intellectuelle et un ensemble de contr\u00f4les d\u2019entreprise de plus en plus aboutis. Compromis : les co\u00fbts par jeton se situent dans la fourchette haute du niveau \u00ab frontier \u00bb, et la disponibilit\u00e9 en dehors des principales r\u00e9gions cloud a historiquement pris du retard par rapport aux autres.<\/p>\n GPT (OpenAI).<\/strong> C'est l\u00e0 que se trouvent les mod\u00e8les d'intelligence artificielle de pointe les plus largement d\u00e9ploy\u00e9s et les plus connus, avec l'\u00e9cosyst\u00e8me le plus complet en mati\u00e8re d'outils, d'int\u00e9grations et d'agents pr\u00eats \u00e0 l'emploi. Les mod\u00e8les de raisonnement de la s\u00e9rie \u00ab o \u00bb sont performants sur les t\u00e2ches les plus complexes. Performants en mati\u00e8re de code, tr\u00e8s performants en termes d\u2019ergonomie pour les d\u00e9veloppeurs. Compromis : le comportement des mod\u00e8les a sensiblement \u00e9volu\u00e9 d\u2019une version \u00e0 l\u2019autre, ce qui peut poser probl\u00e8me pour les syst\u00e8mes de production o\u00f9 la coh\u00e9rence est essentielle. La tarification et la strat\u00e9gie d\u2019entreprise ont m\u00fbri, m\u00eame si certaines organisations restent prudentes pour des raisons de confidentialit\u00e9. Le contenu g\u00e9n\u00e9r\u00e9 par GPT est souvent consid\u00e9r\u00e9 comme relativement \u00e9loquent par rapport \u00e0 celui g\u00e9n\u00e9r\u00e9 par Claude.<\/p>\n Gemini (Google).<\/strong> Il excelle dans les t\u00e2ches multimodales (c'est le plus performant des trois pour le traitement natif des images, des vid\u00e9os et de l'audio) et s'int\u00e8gre \u00e9troitement aux \u00e9cosyst\u00e8mes Google Workspace et Google Cloud. Gemini Flash est v\u00e9ritablement \u00e9conomique \u00e0 grande \u00e9chelle, ce qui en fait le choix par d\u00e9faut pour les charges de travail \u00e0 fort volume et \u00e0 faible complexit\u00e9. Compromis : l\u2019\u00e9cart en mati\u00e8re de raisonnement sur les t\u00e2ches agentiques complexes s\u2019est r\u00e9duit, mais n\u2019a pas \u00e9t\u00e9 combl\u00e9 par rapport \u00e0 Claude et \u00e0 la s\u00e9rie \u00ab o \u00bb.<\/p>\n Llama (Meta).<\/strong> La famille de polices Open-Weight la plus largement d\u00e9ploy\u00e9e, b\u00e9n\u00e9ficiant d\u2019un solide \u00e9cosyst\u00e8me et offrant des performances comp\u00e9titives dans les grandes tailles. Le choix naturel lorsque l\u2019auto-h\u00e9bergement est requis pour la r\u00e9sidence data, la pr\u00e9visibilit\u00e9 des co\u00fbts \u00e0 tr\u00e8s grands volumes ou la politique de l\u2019organisation. Compromis : les conditions de licence sont acceptables mais pas aussi permissives que celles des licences v\u00e9ritablement ouvertes ; les performances sur les t\u00e2ches de raisonnement les plus complexes restent en de\u00e7\u00e0 de la pointe de la technologie.<\/p>\n Mistral.<\/strong> Bas\u00e9e en Europe, cette entreprise propose des mod\u00e8les performants dans plusieurs tailles et une politique de licences adapt\u00e9e aux entreprises. Elle constitue un choix tout naturel pour les clients europ\u00e9ens soucieux de souverainet\u00e9, et ses performances ne cessent de s\u2019am\u00e9liorer pour les mod\u00e8les de plus grande taille. Les mod\u00e8les de plus petite taille de Mistral sont particuli\u00e8rement performants en tant que couche de base dans un d\u00e9ploiement en cha\u00eene. Compromis : un \u00e9cosyst\u00e8me plus limit\u00e9 que celui de Llama, et des capacit\u00e9s de raisonnement encore quelque peu en retrait par rapport aux mod\u00e8les ferm\u00e9s de pointe.<\/p>\n Qwen (Alibaba).<\/strong> Le cabinet familial dont le si\u00e8ge se trouve en Chine et qui a connu la progression la plus rapide au cours de l\u2019ann\u00e9e \u00e9coul\u00e9e. Solide ma\u00eetrise de plusieurs langues, notamment le chinois et l\u2019arabe, et performances comp\u00e9titives sur les dossiers de grande envergure. D\u2019une importance croissante pour les organisations op\u00e9rant en Asie et dans le Golfe. Compromis : les consid\u00e9rations organisationnelles varient selon les juridictions ; certaines entreprises n\u2019envisageront pas de faire appel \u00e0 des cabinets d\u2019origine chinoise, quelles que soient leurs comp\u00e9tences.<\/p>\n Dans la pratique, nous encourageons nos clients \u00e0 r\u00e9fl\u00e9chir selon deux axes : quel est le degr\u00e9 de complexit\u00e9 de la t\u00e2che, et quel est le degr\u00e9 de sensibilit\u00e9 du data ?<\/p>\n Figure 3. Cadre d\u00e9cisionnel \u00e0 deux axes pour le choix d'un mod\u00e8le de base.<\/em><\/p>\n Pour les t\u00e2ches complexes portant sur des donn\u00e9es non sensibles de type data, les mod\u00e8les ferm\u00e9s de pointe de Claude, GPT ou Gemini, accessibles via une API g\u00e9r\u00e9e, constituent presque toujours le bon point de d\u00e9part. La qualit\u00e9 du raisonnement prime sur le co\u00fbt ou la charge li\u00e9e au d\u00e9ploiement.<\/p>\n Pour les t\u00e2ches complexes portant sur des donn\u00e9es sensibles (data) \u2014 dossiers m\u00e9dicaux, transactions financi\u00e8res, donn\u00e9es souveraines (data) \u2014, un mod\u00e8le open-source h\u00e9berg\u00e9 en interne s'av\u00e8re de plus en plus viable, en particulier avec Llama pour les mod\u00e8les de grande taille. Les performances sont suffisantes pour la plupart des t\u00e2ches d'entreprise ; la localisation et le contr\u00f4le des donn\u00e9es (data) sont des crit\u00e8res incontournables.<\/p>\n Pour les t\u00e2ches simples relevant de la cat\u00e9gorie data (non sensible), qui correspond au niveau des mod\u00e8les l\u00e9gers, Claude Haiku, GPT-mini et Gemini Flash traitent d'\u00e9normes volumes \u00e0 un co\u00fbt marginal. C'est l\u00e0 qu'interviennent les agents par e-mail, par document ou par transaction.<\/p>\n Pour les t\u00e2ches simples sur le data, un petit mod\u00e8le h\u00e9berg\u00e9 en interne \u2014 tel que Mistral small, Qwen 2.5 ou un mod\u00e8le Llama optimis\u00e9 \u2014 constitue g\u00e9n\u00e9ralement la solution la plus rentable.<\/p>\n La t\u00e2che est suffisamment simple pour que le mod\u00e8le le plus petit suffise, et l'auto-h\u00e9bergement permet de g\u00e9rer la sensibilit\u00e9.<\/p>\n Les d\u00e9ploiements les plus sophistiqu\u00e9s assurent d\u00e9sormais un routage dynamique entre ces quadrants. Lorsqu\u2019une requ\u00eate d\u2019utilisateur est re\u00e7ue, un petit mod\u00e8le de routage la classe, puis la requ\u00eate est transmise au mod\u00e8le le moins co\u00fbteux capable de la traiter. C\u2019est ainsi que l\u2019\u00e9conomie fonctionne r\u00e9ellement \u00e0 grande \u00e9chelle et que les entreprises \u00e9vitent soit de payer trop cher pour des t\u00e2ches courantes, soit de ne pas consacrer suffisamment de ressources aux t\u00e2ches complexes.<\/p>\n Un dernier conseil : ne vous enfermez pas dans une impasse. Concevez votre plateforme agentique de mani\u00e8re \u00e0 ce que le mod\u00e8le soit rempla\u00e7able. Les leaders de demain, dans six mois, ne seront peut-\u00eatre pas ceux d\u2019aujourd\u2019hui ; la couche mod\u00e8le doit \u00eatre un composant interchangeable, et non un engagement structurel. Si la proposition d\u2019un fournisseur rend cela difficile, demandez-lui pourquoi.<\/em><\/p><\/blockquote>\n Voici la partie que, si vous lisez cet article avec s\u00e9rieux, vous devriez probablement relire deux fois. Les obstacles au d\u00e9ploiement d\u2019agents \u00e0 l\u2019\u00e9chelle de l\u2019entreprise sont bien connus de tous ceux qui s\u2019y sont d\u00e9j\u00e0 attel\u00e9s, et ils se r\u00e9partissent \u00e0 peu pr\u00e8s \u00e0 parts \u00e9gales entre les aspects techniques et organisationnels. D'apr\u00e8s notre exp\u00e9rience, l'aspect organisationnel est le plus difficile \u00e0 ma\u00eetriser, et c'est celui dans lequel la plupart des \u00e9quipes de direction investissent le moins.<\/p>\n Figure 4. Les obstacles qui entravent le plus souvent la mise en \u0153uvre des programmes d'action.<\/em><\/p>\n Qualit\u00e9 Data.<\/strong> La principale raison pour laquelle les pilotes bas\u00e9s sur des agents ne parviennent pas \u00e0 se d\u00e9ployer \u00e0 grande \u00e9chelle. L\u2019efficacit\u00e9 des agents d\u00e9pend enti\u00e8rement de la qualit\u00e9 des donn\u00e9es data auxquelles ils ont acc\u00e8s. Des formats incoh\u00e9rents, des enregistrements en double, des champs manquants et des sources data orphelines les mettent rapidement en \u00e9chec. Un audit data r\u00e9alis\u00e9 avant, et non apr\u00e8s, un projet pilote constitue l\u2019am\u00e9lioration la moins co\u00fbteuse que la plupart des organisations puissent mettre en \u0153uvre.<\/p>\n Une extension d\u00e9sordonn\u00e9e de type data.<\/strong> Pour la plupart des entreprises, 70 \u00e0 80% des data de donn\u00e9es importantes se trouvent dans des fichiers PDF, des e-mails, des documents num\u00e9ris\u00e9s, des disques partag\u00e9s et sur des sites intranet. Les agents sont en mesure de g\u00e9rer ces donn\u00e9es, mais uniquement s\u2019ils disposent d\u2019une architecture de recherche adapt\u00e9e et s\u2019ils sont pr\u00eats \u00e0 investir dans leur extraction, leur indexation et leur gestion.<\/p>\n Faible data governance.<\/strong> La tra\u00e7abilit\u00e9, les contr\u00f4les d'acc\u00e8s, les r\u00e8gles de r\u00e9sidence et les politiques de conservation rev\u00eatent toutes une importance cruciale lorsqu'un agent est en mesure de consulter et d'intervenir sur l'ensemble de votre infrastructure data. La plupart des entreprises se rendent compte que leur gouvernance est moins solide qu'elles ne le pensaient d\u00e8s la premi\u00e8re fois qu'un agent effectue une action inattendue.<\/p>\n Int\u00e9grations syst\u00e8me instables.<\/strong> Les ERP h\u00e9rit\u00e9s, les API sur mesure et les syst\u00e8mes qui n'ont jamais \u00e9t\u00e9 con\u00e7us pour faire l'objet d'interrogations par programmation constituent autant d'obstacles. Le Model Context Protocol apporte une aide pr\u00e9cieuse \u00e0 cet \u00e9gard, mais les vestiges du pass\u00e9 continuent de poser probl\u00e8me.<\/p>\n Pas d'\u00e9valuations ni d'observabilit\u00e9.<\/strong> Le principal signal d'alerte dans la pr\u00e9sentation d'un fournisseur est l'absence de cadre d'\u00e9valuation. Si vous ne pouvez pas d\u00e9terminer si l'agent est adapt\u00e9, vous ne pouvez pas le d\u00e9ployer. Nous avons vu des organisations tr\u00e8s performantes n\u00e9gliger cet aspect et le regretter par la suite.<\/p>\n Surprises en mati\u00e8re de co\u00fbts et de latence.<\/strong> La consommation de jetons peut s'accumuler rapidement. La latence des agents n\u00e9cessitant un contexte \u00e9tendu et un raisonnement complexe peut atteindre des niveaux qui nuisent \u00e0 l'exp\u00e9rience utilisateur. Ces deux aspects doivent \u00eatre surveill\u00e9s d\u00e8s le premier jour, et non pas \u00eatre d\u00e9couverts au bout de quatre mois.<\/p>\n Propri\u00e9t\u00e9 incertaine.<\/strong> Le travail agentique se situe dans une zone d'incertitude entre l'informatique, le data et les m\u00e9tiers. En l'absence d'un responsable clairement d\u00e9sign\u00e9 et d'un promoteur disposant de l'autorit\u00e9 politique n\u00e9cessaire pour trancher en cas d'impasse, les programmes restent bloqu\u00e9s dans les m\u00e9andres des proc\u00e9dures d'approbation ou se fragmentent en projets parall\u00e8les.<\/p>\n Des incitations mal orient\u00e9es.<\/strong> Les personnes sont r\u00e9compens\u00e9es pour le travail qu'elles accomplissent actuellement. Si un agent menace ce travail, celles qui sont les mieux plac\u00e9es pour le rendre utile sont pr\u00e9cis\u00e9ment celles qui sont les plus susceptibles de l'entraver. Le reconna\u00eetre honn\u00eatement, c'est d\u00e9j\u00e0 la moiti\u00e9 de la solution.<\/p>\n Incoh\u00e9rence entre les mod\u00e8les op\u00e9rationnels.<\/strong> La plupart des entreprises sont organis\u00e9es autour de projets dont les \u00e9tapes cl\u00e9s sont clairement d\u00e9finies. Les agents, en revanche, sont des produits qui n\u00e9cessitent un ajustement, une \u00e9valuation et une am\u00e9lioration continus. Tenter de mettre en \u0153uvre un travail ax\u00e9 sur les agents \u00e0 travers un mod\u00e8le op\u00e9rationnel de projet conduit \u00e0 des d\u00e9ploiements fragiles qui finissent par se d\u00e9grader.<\/p>\n Dette li\u00e9e \u00e0 la gestion du changement.<\/strong> Le plus difficile dans le d\u00e9ploiement d'un agent, ce n'est pas de le d\u00e9velopper, mais de repenser les processus qui l'entourent. La plupart des organisations n'ont pas investi dans les capacit\u00e9s de changement n\u00e9cessaires pour mener \u00e0 bien cette t\u00e2che.<\/p>\n La crainte d'\u00eatre d\u00e9plac\u00e9.<\/strong> La mise en \u0153uvre des solutions robotis\u00e9es s'enlise lorsque le personnel craint que l'agent ne soit l\u00e0 pour le remplacer. Les d\u00e9ploiements les plus efficaces que nous observons sont clairs et cr\u00e9dibles sur ce point : l'agent se charge des t\u00e2ches fastidieuses afin que les collaborateurs puissent se concentrer sur les aspects de leur travail qui n\u00e9cessitent leur jugement. Il ne suffit pas de l'affirmer ; les actes doivent venir \u00e9tayer ces paroles.<\/p>\n Faible niveau de ma\u00eetrise de l'\u00e9valuation.<\/strong> Les dirigeants qui ne sont pas en mesure d\u2019\u00e9valuer de mani\u00e8re pertinente si un agent accomplit correctement son travail se laissent facilement convaincre par des d\u00e9monstrations qui ne sont pas repr\u00e9sentatives de la r\u00e9alit\u00e9. La mise en place d\u2019un vocabulaire commun \u2014 exactitude, pr\u00e9cision, taux de rappel, taux d\u2019hallucination, taux d\u2019escalade, co\u00fbt par r\u00e9solution \u2014 fait d\u00e9sormais partie des missions de tout dirigeant charg\u00e9 de superviser le travail des agents.<\/p>\n Si nous devions citer les deux obstacles qui m\u00e9ritent le plus l'attention de la direction g\u00e9n\u00e9rale, ce serait : data governance sur le plan technique, et le mod\u00e8le op\u00e9rationnel sur le plan organisationnel. Ce sont ces deux \u00e9l\u00e9ments qui, s'ils ne sont pas pris en compte, limiteront insidieusement la valeur que vous pourrez g\u00e9n\u00e9rer, quelle que soit la qualit\u00e9 des mod\u00e8les mis en place.<\/p>\n Une question utile \u00e0 se poser concernant tout syst\u00e8me agentique avant qu\u2019il n\u2019entre en production est la suivante : quelles conditions devraient \u00eatre r\u00e9unies pour que je sois serein si ce syst\u00e8me venait \u00e0 conna\u00eetre une d\u00e9faillance publique ? Car, \u00e0 grande \u00e9chelle, les agents conna\u00eetront in\u00e9vitablement des d\u00e9faillances publiques. La discipline consiste \u00e0 s\u2019assurer que, lorsque cela se produit, vous puissiez le d\u00e9tecter, le ma\u00eetriser et vous remettre rapidement de la situation.<\/p>\n Un d\u00e9ploiement de niveau entreprise n\u00e9cessite le respect d'un petit ensemble de crit\u00e8res incontournables. Aucun d'entre eux n'est passionnant en soi ; mais, pris dans leur ensemble, ils font la diff\u00e9rence entre ce que vous seriez heureux d'expliquer \u00e0 une autorit\u00e9 de r\u00e9gulation et ce que vous pr\u00e9f\u00e9reriez ne pas avoir \u00e0 lui expliquer.<\/p>\n Gestion des identit\u00e9s et des acc\u00e8s.<\/strong> Chaque action d'un agent doit \u00eatre ex\u00e9cut\u00e9e sous une identit\u00e9, avec des autorisations h\u00e9rit\u00e9es de l'utilisateur pour le compte duquel il agit. Les agents qui op\u00e8rent avec des privil\u00e8ges \u00e9tendus sur un compte de service constituent un risque de panne et une anomalie d'audit en puissance.<\/p>\n Journalisation des audits.<\/strong> Chaque d\u00e9cision, chaque appel \u00e0 un outil, chaque remont\u00e9e d'incident doit \u00eatre consign\u00e9, immuable et consultable. Ce n'est pas facultatif. Les autorit\u00e9s de r\u00e9gulation des services financiers, du secteur de la sant\u00e9 et, de plus en plus, d'autres secteurs r\u00e9glement\u00e9s vous le demanderont. Vous voulez que la r\u00e9ponse soit \u201c oui, c'est ici \u201d.<\/p>\n Cadre d'\u00e9valuation.<\/strong> Un ensemble de tests \u00e9tiquet\u00e9s permettant d'\u00e9valuer l'agent avant chaque mise en production, avec des seuils clairs d\u00e9finissant les crit\u00e8res de r\u00e9ussite. Il s'agit l\u00e0 de l'investissement le plus rentable que la plupart des \u00e9quipes n\u00e9gligent de r\u00e9aliser. Si votre \u00e9quipe n'est pas en mesure de vous pr\u00e9senter ses \u00e9valuations, cela signifie qu'elle n'a pas d\u00e9velopp\u00e9 d'agent adapt\u00e9 \u00e0 un environnement d'entreprise.<\/p>\n Observabilit\u00e9.<\/strong> Une visibilit\u00e9 en temps r\u00e9el sur les performances de l'agent en production : taux de r\u00e9ussite, latence, co\u00fbt par requ\u00eate, taux d'escalade, \u00e9volution dans le temps. Les m\u00eames indicateurs que ceux que vous attendriez pour tout service de production, mesur\u00e9s au niveau de l'agent.<\/p>\n Ma\u00eetrise des co\u00fbts.<\/strong> Limites de d\u00e9penses par utilisateur, par agent et par locataire. Alertes. Limitation automatique en cas de boucles incontr\u00f4l\u00e9es. Une d\u00e9pense de jetons sans contr\u00f4le \u00e9quivaut, pour un agent, \u00e0 une fuite de m\u00e9moire.<\/p>\n Points de contr\u00f4le impliquant une intervention humaine.<\/strong> Les d\u00e9cisions importantes doivent faire l'objet d'une v\u00e9rification humaine, l'agent pr\u00e9sentant le contexte et une recommandation. Le niveau de ce seuil d\u00e9pend du cas d'utilisation ; l'existence m\u00eame de ce seuil est non n\u00e9gociable.<\/p>\n Data : gouvernance et r\u00e9sidence.<\/strong> Des r\u00e8gles claires concernant ce que l'agent est autoris\u00e9 \u00e0 lire, \u00e0 \u00e9crire, \u00e0 conserver et \u00e0 transf\u00e9rer \u00e0 l'\u00e9tranger. Cela rev\u00eat une importance particuli\u00e8re si vous exercez vos activit\u00e9s dans l'Union europ\u00e9enne, au Royaume-Uni, dans les pays du Golfe et dans d'autres pays ayant leurs propres positions en la mati\u00e8re.<\/p>\n Comportement par d\u00e9faut.<\/strong> Que se passe-t-il lorsque le mod\u00e8le n'est pas disponible, que la r\u00e9ponse est impossible \u00e0 analyser ou que l'appel de l'outil \u00e9choue ? Les agents de production ont besoin d'une d\u00e9gradation en douceur, et non d'un \u00e9chec silencieux ou d'un comportement inattendu.<\/p>\n Mod\u00e8les d'\u00e9volutivit\u00e9.<\/strong> L'architecture devrait pouvoir prendre en charge un volume 100 fois sup\u00e9rieur \u00e0 celui du lancement sans n\u00e9cessiter de changement de plateforme. Routage entre les mod\u00e8les, mise en cache, traitement asynchrone, ex\u00e9cution bas\u00e9e sur des files d'attente : les principes de base des syst\u00e8mes distribu\u00e9s appliqu\u00e9s \u00e0 un nouveau substrat.<\/p>\n Aucun de ces \u00e9l\u00e9ments n'est inhabituel. Tous sont syst\u00e9matiquement n\u00e9glig\u00e9s dans les syst\u00e8mes agentiques qui ont \u00e9t\u00e9 d\u00e9velopp\u00e9s \u00e0 la h\u00e2te et qui n'ont jamais \u00e9t\u00e9 correctement s\u00e9curis\u00e9s. Si l'\u00e9cart entre le prototype et la version de production est si important, c'est pr\u00e9cis\u00e9ment parce que cette liste incarne cet \u00e9cart.<\/p>\n Au fil des d\u00e9ploiements d'agents que nous avons men\u00e9s avec nos clients au cours des deux derni\u00e8res ann\u00e9es, un sch\u00e9ma clair en cinq \u00e9tapes s'est d\u00e9gag\u00e9. Le fait de le nommer clairement aide les dirigeants \u00e0 planifier les budgets, \u00e0 d\u00e9finir les attentes et \u00e0 s'assurer que les bonnes personnes soient pr\u00e9sentes au bon moment.<\/p>\n Figure 5. Les cinq \u00e9tapes d'un d\u00e9ploiement agentique.<\/em><\/p>\n \u00c9tape 1 : D\u00e9couvrir.<\/strong> Identifiez les cas d'utilisation potentiels, \u00e9valuez leur valeur, examinez le data dont ils auraient besoin, puis s\u00e9lectionnez-en un ou deux pour un premier projet pilote. \u00c0 ce stade, il est essentiel de savoir dire \u00ab non \u00bb : la plupart des cas d'utilisation potentiels ne sont pas encore pr\u00eats, et commencer par le mauvais endroit est la raison la plus courante pour laquelle les programmes perdent de leur \u00e9lan. Les participants : le promoteur m\u00e9tier, les op\u00e9rateurs charg\u00e9s de la mise en \u0153uvre, un responsable data.<\/p>\n \u00c9tape 2 : Prototype.<\/strong> Cr\u00e9ez un agent fonctionnel pour le cas d'utilisation choisi, de bout en bout, en quelques jours ou quelques semaines. Les \u00e9diteurs visuels ou les plateformes guid\u00e9es par des invites constituent g\u00e9n\u00e9ralement les outils les plus adapt\u00e9s \u00e0 ce stade. L\u2019objectif est de d\u00e9montrer que le cas d\u2019utilisation fonctionne en principe, et non de d\u00e9velopper le syst\u00e8me de production. Les intervenants : une petite \u00e9quipe de d\u00e9veloppement, des utilisateurs m\u00e9tier pour fournir un retour d\u2019exp\u00e9rience, ainsi que des ing\u00e9nieurs pour vous conseiller sur la voie \u00e0 suivre jusqu\u2019\u00e0 la mise en production.<\/p>\n \u00c9tape 3 : Durcissement.<\/strong> Il s'agit de la phase la plus longue et dont le budget est le plus souvent sous-estim\u00e9. Il s'agit de mettre en place la suite d'\u00e9valuation, d'ajouter des contr\u00f4les d'acc\u00e8s, de mettre en place des outils d'observabilit\u00e9, de d\u00e9finir les points de contr\u00f4le n\u00e9cessitant une intervention humaine et d'effectuer des tests de pr\u00e9-production. La plupart des entreprises s'enlisent \u00e0 ce stade, car le travail n'est pas tr\u00e8s attrayant et le prototype semble d\u00e9j\u00e0 impressionnant. Les services concern\u00e9s : ing\u00e9nierie, s\u00e9curit\u00e9, gestion des risques et de la conformit\u00e9, gestion du changement.<\/p>\n \u00c9tape 4 : D\u00e9ploiement.<\/strong> Proc\u00e9dez au d\u00e9ploiement aupr\u00e8s d'utilisateurs pilotes, surveillez attentivement les indicateurs et proc\u00e9dez \u00e0 des it\u00e9rations en fonction de l'utilisation r\u00e9elle. Pr\u00e9parez la gestion du changement : formez les utilisateurs, d\u00e9finissez les attentes et mettez en place un circuit de retour d'information. La plupart des d\u00e9ploiements n\u00e9cessitent trois \u00e0 six semaines de suivi minutieux avant un d\u00e9ploiement \u00e0 plus grande \u00e9chelle. Les parties prenantes : les \u00e9quipes op\u00e9rationnelles, la gestion du changement et les RH, ainsi que le promoteur m\u00e9tier initial.<\/p>\n \u00c9tape 5 : D\u00e9ploiement \u00e0 grande \u00e9chelle.<\/strong> \u00c9tendre l\u2019agent \u00e0 des populations plus larges, identifier les mod\u00e8les et composants r\u00e9utilisables, mettre en place le centre d\u2019excellence qui prendra en charge les deuxi\u00e8me, troisi\u00e8me et quatri\u00e8me cas d\u2019utilisation. C\u2019est \u00e9galement \u00e0 ce stade que la question du mod\u00e8le op\u00e9rationnel prend toute son importance : comment l\u2019organisation g\u00e8re-t-elle concr\u00e8tement un parc d\u2019agents au fil du temps ? Les acteurs concern\u00e9s : le parrain ex\u00e9cutif, les futurs responsables de l\u2019IA, le responsable du mod\u00e8le op\u00e9rationnel.<\/p>\n Aujourd'hui, la plupart des entreprises m\u00e8nent plusieurs projets pilotes au stade 2 et ne disposent que de tr\u00e8s peu de syst\u00e8mes aux stades 4 ou 5. Au cours des deux prochaines ann\u00e9es, l'avantage concurrentiel reviendra de mani\u00e8re disproportionn\u00e9e aux organisations qui sauront passer sans heurts du stade 3 au stade 5.<\/p>\n \u00c0 quoi ressemblera le paysage de l'agentique d'ici 12 \u00e0 36 mois ? Quatre \u00e9volutions se dessinent d\u00e9j\u00e0 et m\u00e9ritent d'\u00eatre prises en compte dans votre planification.<\/p>\n Les syst\u00e8mes multi-agents s'imposent d\u00e9sormais comme la norme pour les t\u00e2ches complexes.<\/strong> Aujourd\u2019hui, l\u2019approche multi-agents repr\u00e9sente la nouvelle fronti\u00e8re. D\u2019ici 2027, elle constituera l\u2019architecture par d\u00e9faut pour tout flux de travail agentique non trivial. Les outils d\u2019orchestration gagnent rapidement en maturit\u00e9, et le co\u00fbt d\u2019exploitation de plusieurs agents sp\u00e9cialis\u00e9s est d\u00e9sormais suffisamment faible pour que la simplicit\u00e9 technique d\u2019un \u201c seul grand agent \u201d ne se justifie plus d\u2019un point de vue financier. Les entreprises qui ont investi dans des cadres d\u2019\u00e9valuation et dans l\u2019observabilit\u00e9 s\u2019adapteront sans difficult\u00e9 \u00e0 cette \u00e9volution. Celles qui ne l\u2019ont pas fait rencontreront des difficult\u00e9s.<\/p>\n March\u00e9s d'agents et composants r\u00e9utilisables.<\/strong> La situation actuelle, dans laquelle chaque entreprise d\u00e9veloppe ses agents de A \u00e0 Z, n\u2019est qu\u2019une phase transitoire. Nous pr\u00e9voyons une \u00e9volution significative vers des places de march\u00e9 proposant des agents pr\u00eats \u00e0 l\u2019emploi et des composants r\u00e9utilisables, fournis tant par des \u00e9diteurs que d\u00e9velopp\u00e9s en interne. L\u2019\u00e9quivalent interne d\u2019une boutique d\u2019applications priv\u00e9e fait d\u00e9j\u00e0 son apparition chez les grands clients. Pour les dirigeants, cela modifie la question \u00ab d\u00e9velopper ou acheter \u00bb, qui s\u2019apparentera davantage \u00e0 \u00ab d\u00e9velopper ou assembler \u00bb d\u2019ici 2027.<\/p>\n L'exploration des processus orient\u00e9e agent.<\/strong> Les fournisseurs de solutions de \u00ab process mining \u00bb int\u00e8grent rapidement des fonctionnalit\u00e9s bas\u00e9es sur des agents, tandis que la d\u00e9couverte de processus native \u00e0 l'IA \u00e9merge parall\u00e8lement. Les agents combin\u00e9s, capables de cartographier vos processus, d'identifier les opportunit\u00e9s, puis de mettre en \u0153uvre les flux de travail qui en d\u00e9coulent, vont constituer une cat\u00e9gorie de plus en plus importante. Faites preuve de prudence face aux arguments de vente actuels des fournisseurs dans ce domaine ; la technologie \u00e9volue rapidement et le risque de d\u00e9pendance vis-\u00e0-vis d'un fournisseur est bien r\u00e9el.<\/p>\n La r\u00e9glementation se durcit.<\/strong> Les exigences relatives aux syst\u00e8mes \u00e0 haut risque pr\u00e9vues par la loi europ\u00e9enne sur l\u2019IA entreront progressivement en vigueur entre 2026 et 2027. Le Royaume-Uni adopte une approche davantage sectorielle, mais les services financiers, les soins de sant\u00e9 et les infrastructures critiques rel\u00e8vent tous de son champ d\u2019application. La SDAIA en Arabie saoudite et le bureau charg\u00e9 de l\u2019IA aux \u00c9mirats arabes unis ont publi\u00e9 des cadres r\u00e9glementaires qui \u00e9volueront vers des exigences contraignantes. La loi-cadre sud-cor\u00e9enne sur l\u2019IA est entr\u00e9e en vigueur en janvier 2026. Aux \u00c9tats-Unis, on observe un patchwork de l\u00e9gislations \u00e9tatiques en constante \u00e9volution. Et les secteurs r\u00e9agissent en actualisant leurs recommandations : la RICS met \u00e0 jour ses recommandations pour le secteur immobilier, la MAS de Singapour a publi\u00e9 des principes et des m\u00e9thodologies sp\u00e9cifiques \u00e0 l\u2019IA dans le domaine financier, et les assureurs demandent d\u00e9sormais aux cabinets d\u2019avocats et d\u2019experts-comptables, lors du renouvellement de leurs contrats, s\u2019ils ont mis en place des politiques d\u2019utilisation de l\u2019IA. La charge li\u00e9e \u00e0 la conformit\u00e9 s\u2019alourdit, mais les contours de cette conformit\u00e9 se pr\u00e9cisent \u00e9galement. Pr\u00e9parez-vous-y ; ne vous laissez pas prendre au d\u00e9pourvu.<\/p>\n Le point strat\u00e9gique le plus important que les dirigeants doivent assimiler est le suivant : les mod\u00e8les de base continueront \u00e0 se banaliser. Ce n\u2019est pas l\u00e0 que r\u00e9sidera l\u2019avantage concurrentiel. Il r\u00e9sidera dans le mod\u00e8le propri\u00e9taire data auquel vous avez acc\u00e8s, dans les flux de travail que vous avez repens\u00e9s autour des capacit\u00e9s d\u2019agent, et dans l\u2019infrastructure d\u2019\u00e9valuation que vous avez mise en place et qui vous permet de d\u00e9ployer des am\u00e9liorations plus rapidement que vos concurrents. Les organisations qui investissent d\u00e8s maintenant dans ces trois domaines renforceront leur avantage ; celles qui misent sur un mod\u00e8le particulier comme \u00e9tant le gagnant n\u2019y parviendront pas.<\/em><\/p><\/blockquote>\n La tentation d'attendre que la situation se stabilise est compr\u00e9hensible. Elle est \u00e9galement co\u00fbteuse. Le co\u00fbt d'une mise en route imm\u00e9diate r\u00e9side principalement dans le co\u00fbt des erreurs ; celui d'attendre deux ans correspond au co\u00fbt d'un retard structurel par rapport \u00e0 des concurrents qui ont appris par la pratique.<\/p>\n Revenons donc au titre : est-il vraiment possible de cr\u00e9er un agent IA de niveau professionnel en quelques heures ?<\/p>\n Vous pouvez cr\u00e9er un agent en quelques heures. Vous pouvez cr\u00e9er quelque chose d\u2019utile en quelques jours. Vous pouvez cr\u00e9er quelque chose de vraiment performant en quelques semaines. Mais pour obtenir un syst\u00e8me de niveau \u201c entreprise \u201d, c\u2019est-\u00e0-dire le genre de syst\u00e8me que vous n\u2019h\u00e9siteriez pas \u00e0 pr\u00e9senter \u00e0 vos clients les plus importants, \u00e0 vos autorit\u00e9s de r\u00e9gulation et \u00e0 votre conseil d\u2019administration, il faut des mois de travail minutieux, m\u00eame avec les meilleurs outils. Et cet \u00e9cart ne se comble pas aussi rapidement que le laissent entendre les gros titres. Au contraire, il se creuse, car la barre de ce que signifie \u00ab de niveau entreprise \u00bb s\u2019\u00e9l\u00e8ve parall\u00e8lement aux capacit\u00e9s des mod\u00e8les sous-jacents.<\/p>\n La bonne nouvelle, c'est que le co\u00fbt de cette analyse est d\u00e9sormais quasi nul. Voici trois mesures que tout dirigeant peut mettre en \u0153uvre d\u00e8s la semaine prochaine, sans avoir besoin d'une autorisation budg\u00e9taire, sans comit\u00e9 de pilotage et sans s'engager dans aucune strat\u00e9gie particuli\u00e8re.<\/p>\n Commencez par choisir une t\u00e2che r\u00e9p\u00e9titive, n\u00e9cessitant beaucoup de jugement et bien d\u00e9limit\u00e9e dans votre propre travail. Cr\u00e9ez un agent de base pour cette t\u00e2che dans Claude, ChatGPT, Gemini ou Copilot Studio. Utilisez-le pendant deux semaines. Vous en apprendrez davantage au cours de ces deux semaines qu\u2019en parcourant n\u2019importe quel nombre de pr\u00e9sentations PowerPoint.<\/p>\n Deuxi\u00e8mement, examinez un processus de votre entreprise \u00e0 la lumi\u00e8re de l'heuristique en quatre points \u00e9voqu\u00e9e pr\u00e9c\u00e9demment : r\u00e9p\u00e9titif, n\u00e9cessitant un jugement important, d\u00e9limit\u00e9, pouvant faire l'objet d'une r\u00e9vision humaine. Les processus ainsi identifi\u00e9s constituent vos v\u00e9ritables opportunit\u00e9s.<\/p>\n Troisi\u00e8mement, posez une seule question \u00e0 votre \u00e9quipe : quel est notre cadre d'\u00e9valuation ? Si elle ne parvient pas \u00e0 y r\u00e9pondre clairement, c'est l\u00e0 que vous devrez commencer.<\/p>\n Les entreprises qui y parviendront au cours des dix-huit prochains mois ne seront pas celles qui auront mis au point les d\u00e9mos les plus ing\u00e9nieuses. Ce seront celles qui auront su, rapidement et en toute honn\u00eatet\u00e9, combler le foss\u00e9 entre un agent qui fonctionne et un agent qui fonctionne r\u00e9ellement.<\/p>\n Artefact a aid\u00e9 une entreprise du secteur immobilier (CRE) \u00e0 acqu\u00e9rir une autonomie strat\u00e9gique dans le d\u00e9veloppement d\u2019agents de t\u00e2ches gr\u00e2ce \u00e0 des sessions de formation, de mentorat et de programmation en bin\u00f4me destin\u00e9es \u00e0 son \u00e9quipe d\u2019analystes interne, tout en pilotant la mise en \u0153uvre de trois agents de t\u00e2ches op\u00e9rationnels. L\u2019architecture des agents a \u00e9t\u00e9 limit\u00e9e \u00e0 Claude (service de mod\u00e8le de base) et \u00e0 Power Automate (orchestration, m\u00e9moire, outils et garde-fous), afin que les agents puissent s\u2019inscrire globalement dans le m\u00eame \u00e9cosyst\u00e8me d\u2019outils que celui auquel l\u2019\u00e9quipe interne \u00e9tait habitu\u00e9e et qu\u2019elle \u00e9tait capable de maintenir parall\u00e8lement \u00e0 ses technologies existantes.<\/p>\n Ainsi, ces agents se voyaient attribuer certains attributs d\u2019un service de production, mais pas d\u2019autres, notamment la journalisation d\u2019audit, l\u2019observabilit\u00e9 et l\u2019\u00e9volutivit\u00e9. N\u00e9anmoins, en peu de temps, le CRE a mis en place des fonctionnalit\u00e9s concises mais efficaces telles que le mod\u00e8le data governance et la r\u00e9sidence, des points de contr\u00f4le impliquant une intervention humaine, ainsi que la gestion des identit\u00e9s et des acc\u00e8s, le tout associ\u00e9 \u00e0 des pipelines d\u2019\u00e9valuation et des proc\u00e9dures d\u2019administration rudimentaires, ce qui lui a permis de se mettre sur la voie de gains d\u2019efficacit\u00e9 significatifs.<\/p>\n Artefact a d\u00e9velopp\u00e9 un prototype d\u2019agent de workflow impl\u00e9ment\u00e9 dans les \u2018 Skills \u2019 de Claude, pour en faire un \u2018 Connecteur \u2019 Claude hautement performant, illustrant ainsi l\u2019utilisation du MCP pour passer de la d\u00e9finition d\u2019une t\u00e2che d\u2019IA exclusivement en langage naturel \u00e0 la d\u00e9finition de cette t\u00e2che comme une composition d\u2019outils d\u2019IA hautement performants. Ce qui distingue fondamentalement cette solution, en faisant d\u2019elle un \u00ab Workflow Agent \u00bb et non un simple \u00ab Task Agent \u00bb, c\u2019est l\u2019utilisation d\u2019un LLM principal pour g\u00e9rer la s\u00e9quence d\u2019appels aux outils \u2013 en plus de l\u2019invocation de LLM secondaires pour ex\u00e9cuter les op\u00e9rations de ces outils.<\/p>\n La mise en place du mod\u00e8le \u00ab Claude Connector \u00bb au sein d\u2019une infrastructure Azure existante a donn\u00e9 lieu \u00e0 une nouvelle exigence concernant la prise en charge du trafic entrant et de l\u2019acc\u00e8s data. Dans les organisations o\u00f9 ces infrastructures communes sont g\u00e9r\u00e9es avec succ\u00e8s sous forme de services partag\u00e9s, nous constatons que le d\u00e9lai de d\u00e9ploiement de nouveaux services de production est r\u00e9duit jusqu\u2019\u00e0 trois fois \u00e0 chaque nouveau d\u00e9ploiement.<\/p>\n <\/p>\n Chris de Gruben<\/a> est directeur principal chez Artefact, o\u00f9 il dirige les activit\u00e9s du secteur immobilier au Royaume-Uni et dans l'Union europ\u00e9enne. Il travaille en \u00e9troite collaboration avec des clients des secteurs public et priv\u00e9 au Royaume-Uni, en Europe et dans la r\u00e9gion du Golfe.<\/p>\nUne taxonomie dont les dirigeants ont r\u00e9ellement besoin<\/h2>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/Image-2-Can-you-really-build-enterprise-grade-AI-agents-within-a-few-hours.png\")
<\/p>\nPourquoi maintenant ?<\/h2>\n
On nous promet des agents depuis des ann\u00e9es. Qu'est-ce qui a chang\u00e9 ?<\/h3>\n
La prise de conscience de la r\u00e9alit\u00e9 des \u201c quelques heures \u201d<\/h2>\n
Comment les agents sont-ils r\u00e9ellement cr\u00e9\u00e9s ?<\/h2>\n
\u00c9diteurs visuels<\/h3>\n
Plateformes bas\u00e9es sur des invites<\/h3>\n
Cadres ax\u00e9s sur le code<\/h3>\n
Qui est r\u00e9ellement capable d'en construire un ?<\/h2>\n
Les domaines dans lesquels l'approche \u00ab agentic \u00bb s'impose aujourd'hui<\/h2>\n
Trois exemples d\u00e9taill\u00e9s<\/h2>\n
Extrait de bail dans l'immobilier commercial<\/h3>\n
Service d'assistance informatique interne pour une multinationale<\/h3>\n
\u00c9tude sur les investissements au Royaume d'Arabie saoudite s'inscrivant dans le cadre de la Vision 2030<\/h3>\n
Choisir votre mod\u00e8le de base<\/h2>\n
Services \u00ab Frontier \u00bb \u00e0 mod\u00e8le ferm\u00e9<\/h3>\n
Mod\u00e8les sans limite de poids<\/h3>\n
Le cadre d\u00e9cisionnel de Artefact<\/h2>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/Image-3-Can-you-really-build-enterprise-grade-AI-agents-within-a-few-hours.png\")
<\/p>\nLes obstacles, tant techniques qu'organisationnels<\/h2>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/Image-4-Can-you-really-build-enterprise-grade-AI-agents-within-a-few-hours.png\")
<\/p>\nObstacles techniques<\/h3>\n
Obstacles d'ordre organisationnel<\/h3>\n
Anatomie d'un d\u00e9ploiement \u00e0 l'\u00e9chelle de l'entreprise<\/h2>\n
Le guide de mise en \u0153uvre<\/h2>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/Image-5-Can-you-really-build-enterprise-grade-AI-agents-within-a-few-hours.png\")
<\/p>\nPerspectives \u00e0 court et moyen terme<\/h2>\n
Une r\u00e9ponse mesur\u00e9e \u00e0 ce titre<\/h2>\n
\u00c9tudes de cas<\/h2>\n
Une solution de cr\u00e9ation visuelle destin\u00e9e aux analystes du secteur de l'immobilier d'entreprise<\/h3>\n
Innovation en mati\u00e8re d'agents de workflow pour une soci\u00e9t\u00e9 mondiale de capital-investissement<\/h3>\n