Il y a un an, les agents IA tenaient encore de la démonstration. Aujourd’hui, ils lisent des factures, remplissent des tableaux et préparent des dossiers pendant la nuit. Faut-il s’y mettre maintenant, et par où commencer ? Pierre Girardeau et Jean-Baptiste Juin démêlent les idées reçues et proposent une grille simple pour décider de s’y lancer (ou pas).
En Bref
- Un agent n’est pas un chatbot. Il planifie, agit dans vos outils et enchaîne des tâches en autonomie. Attention ! Beaucoup de projets « d’agents » sont en réalité des assistants.
- La bascule a eu lieu fin 2025, début 2026. Les modèles se trompent beaucoup moins et sont entraînés pour agir. Ce qui était une démo il y a un an est aujourd’hui intégré dans les usages.
- L’IA va plus vite que les organisations. Ce n’est pas un problème, c’est une opportunité de faire les bons choix : la valeur réside dans ce que le dirigeant et ses équipes décident de confier à l’IA.
- Les agents ne remplacent pas des postes au sens strict. Ils font évoluer les tâches, parfois le périmètre, et travaillent sous contrôle humain, encadrés par un « harnais ».
- PME et ETI ont des atouts, mais l’écart se creuse. 40 % des organisations de plus d’un milliard de dollars de chiffre d’affaires déploient des agents à l’échelle, contre 22 % des plus petites (McKinsey, août 2026).
- Verdict : attendre n’est plus neutre, foncer sans cadrage non plus. Cinq questions pour décider, en fin d’article.
Agent ou chatbot : de quoi parle-t-on vraiment ?
« Arrêtez de parler d’IA, parlez-moi de votre problème. » La formule de Pierre Girardeau résume le point de départ. Quand un dirigeant demande des agents, Cross Data vérifie d’abord ce qu’il entend par là. Dans 90% des cas, il pense en réalité à un assistant. Et un objectif comme « réduire mes délais de livraison » ouvre plusieurs pistes, toutes ne seront pas répondues à base d’IA générative.
Quelle est la différence entre un agent IA et un chatbot ?
Un chatbot répond, un agent agit. L’assistant conversationnel exécute une tâche précise qu’on lui confie dans un échange : préparer un entretien, rédiger dix questions. L’agent intervient dans votre environnement de travail. Il lit des documents, crée un enregistrement dans une base, envoie un mail ou cale un rendez-vous.
« Un agent planifie ses tâches et peut répartir le travail entre plusieurs sous-agents », précise Jean-Baptiste Juin. Avec un assistant, vous pilotez chaque étape. Avec un agent, vous fixez un objectif et il décide de l’enchaînement, dans les outils auxquels vous lui donnez accès. C’est cette autonomie, et cette capacité d’agir, qui marquent la vraie frontière.
Attention à l’« agent washing ».
Le mot « agent » est devenu un argument commercial. Gartner estime que beaucoup de cas présentés comme agentiques n’en ont pas besoin, et que seuls environ 130 fournisseurs qui se disent « agentiques » le seraient vraiment. Avant d’acheter, demandez une démonstration sur vos propres documents et dans vos propres outils.
Un agent IA peut-il tout faire, et remplacer un poste ?
Non, et ce sont les deux idées reçues les plus coûteuses.
Première idée reçue : « un agent sait tout faire ». Il est versatile, mais rarement la solution la plus rentable. Jean-Baptiste Juin cite un client qui voulait confier à ChatGPT un problème d’optimisation. Or ce type de problème relève d’autres technologies que l’IA générative, plus fiable et bien moins coûteux.
Première idée reçue : « un agent sait tout faire ». Il est versatile, mais rarement la solution la plus rentable. Jean-Baptiste Juin cite un client qui voulait confier à ChatGPT un problème d’optimisation. Or ce type de problème relève d’autres technologies que l’IA générative, plus fiable et bien moins coûteux.
Seconde idée reçue : « un agent va remplacer ce poste ». Prenons la relance de factures. Selon Pierre Girardeau, elle s’automatise à 90 %, mais le coup de fil de relance au client qui ne paie pas reste humain. L’agent prend une partie du travail, le salarié reste garant du résultat. Il filtre, arbitre car il convoque son expérience. Les tâches évoluent, parfois le périmètre du poste aussi, mais le poste demeure.
Klarna en a fait l’expérience. L’entreprise annonçait en 2024 que son assistant faisait le travail de 700 conseillers. En 2025, elle a réembauché des humains, après une baisse de la qualité du service.
Ce qui a vraiment changé en six mois
« J’ai passé 2025 à dire que les agents ne marchaient pas. En 2026, c’est fiable. » Venant de Pierre Girardeau, Dr en mathématiques et fort de 20 ans d’expérience en Data Science, l’aveu a du poids. Le revirement ne tient pas à un effet de mode : il repose sur des progrès mesurables des modèles.
Les agents IA sont-ils vraiment prêts pour la production ?
Oui, sur des tâches bien délimitées. La bascule date de décembre 2025, avec Claude Code, puis Claude Cowork quelques semaines plus tard. Un exemple concret : « Voici un dossier de factures, analyse-les, mets-les dans un Excel, signale les erreurs. » L’agent comprend seul qu’il doit lire des PDF, puis un fichier Word, puis construire le tableau.
Ce qui fonctionne désormais en entreprise : le SAV, les propositions commerciales, l‘analyse de données, le contrôle de cohérence entre la facturation et le CRM. Les tâches programmées ou déclenchées changent aussi la donne. L’agent travaille la nuit, et les documents sont prêts le matin, à relire et valider.
Pourquoi les agents IA fonctionnent-ils mieux en 2026 ?
Parce que les modèles se trompent beaucoup moins, et qu’ils sont désormais entraînés pour agir. Pierre Girardeau le rappelle : dans un agent, l’erreur s’accumule à chaque étape. Une petite marge d’erreur par tâche devient une grande marge d’erreur sur toute la chaîne.
Pourquoi 90 % de fiabilité ne suffit pas ?
Avec 90 % de fiabilité par étape, une chaîne de cinq tâches réussit 59 % du temps (0,9 multiplié cinq fois par lui-même). À 99 % par étape, la même chaîne réussit 95 % du temps. Quelques points de fiabilité en plus changent tout pour un agent.
Les modèles ont aussi été entraînés pour utiliser des outils et enchaîner de longues séries d’étapes, explique Jean-Baptiste Juin. Un repère chiffré : selon l’organisme METR, la durée des tâches qu’une IA mène seule double environ tous les quatre mois. Nuance importante : ce repère mesure une réussite une fois sur deux, pas une réussite à coup sûr.
Les hallucinations, ces réponses inventées présentées comme vraies, sont devenues rares. Jean-Baptiste Juin n’en avait pas entendu de témoignage client depuis un an. À ce niveau d’erreur, on se rapproche de ce que ferait un humain sur la même tâche.
L’IA va plus vite que les organisations
Pierre Girardeau fait un constat simple : les capacités des modèles avancent très vite, mais la maturité des entreprises et l’évolution de leurs process ne suivent pas le même rythme. Une étude publiée par Anthropic en mars 2026 permet de mesurer cet écart.
Quel est l’écart entre ce que l’IA peut faire et ce qu’en font les entreprises ?
Il est très important. L’étude compare la part des tâches qu’une IA pourrait théoriquement réaliser, et celle qu’elle réalise vraiment dans les entreprises. Pour les métiers informatiques, le potentiel atteint 94 %, mais l’usage réel plafonne à 33 %. Les métiers administratifs affichent eux aussi un potentiel de 90 %.
Le chiffre qui parle le plus aux industriels concerne l’architecture et l’ingénierie : 85 % de potentiel, mais un ratio d’usage de seulement 5 %. Pourquoi un tel écart ? Contraintes juridiques, logiciels métier spécifiques, vérifications humaines obligatoires. Les freins sont organisationnels plus que technologiques.
Une nuance s’impose : ces données sont américaines et publiées par un éditeur de modèles. Elles se lisent comme un ordre de grandeur, pas comme une mesure exacte de votre secteur.
Faut-il chercher à combler cet écart à tout prix ?
Non. Cet écart n’est pas un retard à rattraper coûte que coûte. Une partie du potentiel n’a aucun intérêt pour votre entreprise. Une autre ne sera jamais rentable. Une autre encore doit rester humaine, parce qu’elle porte la relation client ou un savoir-faire qui fait votre différence.
La valeur ne vient pas de « faire de l’IA pour en faire », mais de ce que vous choisissez délibérément de lui confier. Ce sont votre vision et vos décisions qui créent la valeur, pas l’outil. Trois questions aident à faire ce tri avant d’investir :
- Quel problème métier veut-on résoudre, et combien coûte-t-il aujourd’hui ?
- Veut-on que l’agent exécute seul, ou qu’il aide un collaborateur qui garde la main ?
- Quelles tâches doivent rester humaines, pour la relation client ou le savoir-faire ?
C’est précisément l’objet de StartIA : aider une direction à répondre à ces questions avant d’engager un budget.
PME et ETI : un terrain favorable, à condition de bien viser
Les PME et ETI sont-elles en retard sur l’IA ?
Sur l’usage, oui, et l’écart se creuse sur les agents. Selon l’Insee, 18 % des entreprises françaises de 10 salariés ou plus utilisaient l’IA en 2025. Ce taux atteint 31 % entre 50 et 249 salariés, et 58 % au-delà de 250. Côté agents, McKinsey relève 40 % de déploiement à l’échelle dans les grandes organisations, contre 22 % dans les plus petites.
Pourtant, les PME et ETI ont de vrais atouts. Pierre Girardeau cite l’agilité et la proximité entre le dirigeant et le terrain, qui facilitent le dialogue social. Elles ont donc tout pour aller vite. Mais la majorité ne s’y est pas encore mise.
Dans les missions StartIA, les mêmes cas d’usage reviennent : la connaissance interne de l’entreprise, le support client et le SAV, les réponses aux appels d’offres, la veille, l’analyse des échanges commerciaux.
Dans une ETI industrielle, ça ressemble à quoi ?
Trois scénarios types. Un agent d’administration des ventes contrôle les commandes entrantes avant saisie. Un agent SAV s’appuie sur la documentation des machines pour préparer les diagnostics. Un agent rapproche chaque nuit l’ERP, le CRM et la facturation, puis signale les incohérences.
Et la souveraineté des données ? Jean-Baptiste Juin cite le cas d’une université qui héberge son propre modèle, amorti sur deux à trois ans. Une option à étudier dès que les données sont sensibles.
Comment mesurer le ROI d’un agent IA ?
En visant le goulot d’étranglement, puis en mesurant le gain réel de bout en bout, pas le gain ressenti. Pierre Girardeau donne un exemple parlant : accélérer la rédaction des offres ne sert à rien si votre activité est limitée par le nombre de rendez-vous commerciaux. Le temps gagné ne se transforme alors en aucun chiffre d’affaires.
Les industriels reconnaîtront la logique du lean et du kaizen : observer le flux réel, traiter la contrainte, mesurer avant et après, puis améliorer par petites étapes. Un agent IA n’échappe pas à cette discipline. C’est même elle qui distingue un projet rentable d’un gadget.
Attention aussi au gain ressenti. Dans une étude METR, des développeurs expérimentés étaient 19 % plus lents avec l’IA, tout en pensant aller plus vite. Et le gain individuel n’est pas le gain de l’entreprise : selon McKinsey, 80 % des utilisateurs se disent plus productifs, mais 37 % seulement des organisations constatent un impact sur leur résultat.
Trois indicateurs simples suffisent pour démarrer :
- Le temps de traitement de bout en bout, de la demande à la livraison.
- Le volume traité à effectif constant.
- Le taux d’erreur, avant et après l’agent.
Pour aller plus loin sur la mesure de la valeur, lisez notre article « L’IA, levier de rentabilité ».
Autonomie et risques : encadrer plutôt qu’attendre
Qu’est-ce que le harnais d’un agent IA ?
Le harnais est le cadre qui dit à l’agent ce qu’il doit faire, et surtout ce qu’il ne doit pas faire. Pierre Girardeau utilise l’image du cocher : le cheval sait marcher, mais il faut le diriger. Une machine n’a pas de bon sens. Sans cadre, elle peut choisir une « solution » absurde pour atteindre son objectif.
Concrètement, il faut « instrumenter » ses agents pour les guider vers un meilleur résultat, conforme à l’attendu : des consignes claires, des outils autorisés, des limites explicites, des points de contrôle et lui montrer à quoi ressemble le résultat attendu (dans son format et ses données). Bonne nouvelle, selon Jean-Baptiste Juin : fixer des limites fonctionne très bien, car les agents respectent de mieux en mieux les contraintes qu’on leur donne.
Combien de travail l’agent fait-il seul ? Il n’existe pas de chiffre universel. Selon la tâche, il prend en charge 5 % ou 95 % du périmètre. C’est le cadrage amont qui fixe le bon curseur.
Quels sont les vrais risques des agents IA en entreprise ?
Deux risques sont propres aux agents, selon le référentiel OWASP publié en décembre 2025. D’abord, un agent peut obéir à une instruction malveillante cachée dans un mail ou une page web. Ensuite, un agent qui dispose des mêmes droits que son utilisateur peut faire beaucoup de dégâts en cas d’erreur.
La CNIL rapporte ainsi, dans une note du 20 juillet 2026, le cas d’un agent qui a supprimé une partie d’une messagerie professionnelle, et qu’il a été difficile d’arrêter en cours de route. Ces risques se maîtrisent avec quelques règles simples :
- Commencer en lecture seule, avant d’ouvrir des droits d’écriture.
- Garder un humain pour valider toute action irréversible : paiement, suppression, envoi externe.
- Tracer toutes les actions de l’agent.
- Prévoir un bouton d’arrêt.
AI Act et RGPD, ce qu’il faut savoir.
Les obligations lourdes de l’AI Act pour les systèmes à haut risque sont reportées au 2 décembre 2027. Un agent d’ADV ou de SAV n’est généralement pas concerné ; un agent de tri de CV l’est. Le RGPD, lui, s’applique dès qu’il y a des données personnelles : associez votre DPO dès le départ.
Au fond, le risque technique se maîtrise. Le retard concurrentiel, lui, se rattrape difficilement.
Aller trop vite ou attendre ? La grille de décision
Pourquoi tant de projets d’agents IA n’aboutissent pas ?
Parce que le projet était mal choisi, bien plus que parce que la technologie a échoué. Gartner prévoit que plus de 40 % des projets d’IA agentique seront abandonnés d’ici fin 2027 : valeur mal définie, coûts qui dérapent, risques mal maîtrisés. Trois causes qui se traitent au moment du cadrage, pas après le déploiement.
Comment savoir si votre entreprise est prête à lancer un agent IA ?
En deux temps. Cinq questions situent votre degré d’urgence et la bonne prochaine étape. Une dernière question tranche ensuite entre un agent et un simple assistant. Répondez d’abord par oui ou par non :
- Avez-vous identifié un process répétitif, documenté et coûteux ?
- Ce process est-il votre goulot d’étranglement ?
- Savez-vous mesurer son coût actuel ?
- Les actions de l’agent seraient-elles réversibles ou contrôlables ?
- Avez-vous un sponsor métier en interne volontaire pour porter le projet ?
Votre score | Zone | Ce qu’il faut faire |
4 ou 5 Oui | Vert | Lancer un pilote dans les 90 jours. |
2 ou 3 Oui | Orange | Cadrer d’abord, avec un atelier de qualification des cas d’usage (StartIA). |
0 ou 1 Oui | Gris | Acculturer les équipes et cartographier les process avant tout projet. |
Agent ou assistant : la question décisive. « Même si on répond oui à tout, on peut avoir besoin juste d’un assistant », prévient Pierre Girardeau. Un agent n’a d’intérêt que si le process peut se dérouler en autonomie, de bout en bout. D’où une dernière question, à poser quel que soit votre score :
Les informations que vous donnez à l’agent suffisent-elles pour dérouler tout le process, sans qu’il ait besoin de connaître ce que vous avez en tête ?
Prenons deux exemples :
- Rapprocher des factures et des bons de commande : tout est dans les documents, un agent peut s’en charger.
- Préparer la négociation avec un client historique : le contexte est surtout dans votre tête, un assistant vous aidera mieux.
Donc si la réponse est oui, un agent a du sens. Si c’est non, commencez par un assistant : il fait gagner du temps à un collaborateur qui garde la main et apporte ce que l’outil ne peut pas deviner. Et en écrivant ce savoir implicite au fil des usages, vous préparez souvent le terrain pour un agent.
La plus grande erreur n’est ni d’aller trop vite, ni d’attendre. C’est de déployer sans objectif mesurable.
L’écart n’est pas une menace, c’est un espace de choix
L’IA ira toujours plus vite que les organisations. Le dirigeant n’a pas à courir derrière chaque nouveauté. Son rôle est de choisir où l’IA crée de la valeur dans son organisation, et de décider de ce qui reste humain. Gartner prévoit qu’au moins 15 % des décisions de travail quotidiennes seront prises par des agents d’ici 2028. Mieux vaut choisir lesquelles dès maintenant.
Par où commencer ?
Un process, un indicateur, un harnais, sur 90 jours.
À retenir
- Partez du problème métier, pas de l’outil : un agent n’est utile que s’il agit sur un process qui compte.
- Visez votre goulot d’étranglement et mesurez le gain de bout en bout, avant et après.
- Encadrez l’agent dès le départ : lecture seule, validation humaine des actions irréversibles, traçabilité, bouton d’arrêt.
- Utilisez la grille en cinq questions pour savoir s’il faut lancer un pilote, cadrer ou d’abord acculturer.
Commencez par les bonnes questions
Vous avez répondu « oui » à deux ou trois questions de la grille ? Vous avez sans doute un bon cas d’usage, mais pas encore le cadrage pour le lancer sereinement. StartIA vous aide à identifier et qualifier vos cas d’usage, à fixer les bons indicateurs et à décider ce que vous confiez à l’IA, avant d’engager un budget.
FAQ spéciale décideurs
Non. La bascule a eu lieu fin 2025, début 2026 : les agents sont désormais fiables sur des tâches bien délimitées. Attendre n’est donc plus neutre, d’autant que l’écart se creuse avec les grands groupes. Mais lancer sans cadrage n’est pas mieux : la grille en cinq questions indique la bonne étape, et la question décisive dit s’il vous faut un agent ou un simple assistant.
Pas au sens strict. L’agent prend une partie du travail et fait évoluer les tâches, parfois le périmètre du poste. La relance de factures s’automatise à 90 %, mais l’appel au client qui ne paie pas reste humain. Klarna, qui avait misé sur le remplacement, a dû réembaucher après une baisse de qualité
Par un process répétitif, documenté, coûteux, et si possible situé sur votre goulot d’étranglement. Dans une ETI industrielle, le contrôle des commandes entrantes, le SAV technique ou le rapprochement entre ERP, CRM et facturation sont de bons candidats. Deux vérifications ensuite : savez-vous mesurer son coût actuel, et l’agent disposera-t-il de toutes les informations utiles ? Si le process dépend de ce que vous avez en tête, un assistant sera plus adapté.
En mesurant avant et après, sur trois indicateurs : le temps de traitement de bout en bout, le volume traité à effectif constant et le taux d’erreur. Méfiez-vous du gain ressenti. Selon McKinsey, 80 % des utilisateurs se disent plus productifs, mais 37 % seulement des organisations voient un impact sur leur résultat.
Rarement, pour les usages les plus courants. Les obligations lourdes visent les systèmes à haut risque et sont reportées au 2 décembre 2027. Un agent d’ADV ou de SAV n’est généralement pas concerné, un agent de tri de CV l’est. Le RGPD s’applique dès qu’il y a des données personnelles : associez votre DPO.
Oui, à deux niveaux. Sur les droits d’abord : limiter les accès de l’agent, commencer en lecture seule, tracer ses actions. Sur l’hébergement ensuite : un modèle peut être hébergé en interne, comme le fait l’université citée par Jean-Baptiste Juin, avec un investissement amorti sur deux à trois ans.
Sources
- Interview Cross Data du 29 septembre 2026, Pierre Girardeau et Jean-Baptiste Juin
- Anthropic, Labor market impacts of AI, 5 mars 2026 ; lecture Euronews ; lecture critique de René Bohnsack, The Quiet Displacement
- METR, Time Horizon 1.1, 29 janvier 2026 ; étude METR sur les développeurs (lecture The Decoder)
- McKinsey, The state of AI in 2026, août 2026
- Insee Première n° 2120, juillet 2026 ; lecture Laboussolesociale
- Gartner, communiqué du 25 juin 2025 ; lecture Forbes, juillet 2026
- Maginative, revirement de Klarna
- OWASP, Top 10 for Agentic Applications 2026
- Donneespersonnelles.fr, omnibus IA ; IA agentique et RGPD (note CNIL du 20 juillet 2026)
- Atheia, AI Act : exemples par niveau de risque
Pierre Girardeau - Directeur Data Science
Ingénieur Docteur en Mathématiques, il suit et encadre les équipes techniques.
Ingénieur Docteur en Mathématiques, il suit et encadre les équipes techniques.