ven. Nov 20th, 2026

 L’agence Gartner prédisait en juin 2025 que plus de 40 % des projets d’IA agentique seraient abandonnés d’ici fin 2027. Coûts non maîtrisés, valeur introuvable : nombre de projets ont déjà été abandonnées et les causes ne sont pas nécessairement techniques. Le passage à l’échelle bute d’abord sur le choix du processus et sur la définition de la valeur.

Deux discours structurent, et saturent parfois, le débat sur les agents d’intelligence artificielle. L’un promet des organisations appelées à se piloter seules, l’autre annonce une perte de contrôle pour celles-ci. Tous deux s’interrogent sur ce que la technologie sait faire. Or, sur des tâches délimitées, les agents tiennent déjà leurs promesses : les pilotes réussissent la mission qui leur est allouée. C’est par la suite que tout se complique, car peu d’entre eux deviennent de réels produits. Face à ce constat, une conviction s’impose : ce n’est pas le modèle qui bloque, mais le processus qu’on a choisi d’adopter, voire plutôt celui qu’on a oublié de choisir…

Prototype, pilote, produit : trois étapes qu’on confond

Au sein d’une organisation, un prototype est là pour faire la démonstration selon laquelle une idée est réalisable. Le pilote la confronte au réel et le produit qui est créé s’inscrit dans la durée, maîtrisé par l’entreprise qui l’exploite. Entre le deuxième et le troisième stade de réalisation, la qualité du modèle compte moins que la nature du processus. Celui-ci doit présenter une forte valeur, et son exécution doit être maîtrisée de bout en bout, alimenté par des données.

Mais de quel processus parle-t-on ? Là est toute la question. C’est en effet en partant du parcours des clients et des utilisateurs, internes comme externes, que l’on repère les processus où un agent peut réellement faire la différence, et non en cédant à l’attrait de la nouveauté. Les priorités se fixent ensuite selon trois critères : la valeur attendue, la capacité à intégrer l’agent aux flux existants et la qualité des données disponibles.

Quand l’outil précède le besoin

 

L’expérience le montre : nombre de projets se heurtent à un défaut d’alignement avant même de rencontrer une difficulté technique. Que se passe-t-il ?

Les décideurs attendent des résultats visibles, et les équipes des réponses à leurs difficultés quotidiennes. Certes, ces attentes peuvent converger, à condition de définir ensemble le problème à résoudre. Sinon, le risque est grand de voir l’outil précéder le besoin. Dans ce cas, des licences sont déployées, mais les usages ne suivent pas. Un outil, aussi performant soit-il, ne crée aucune valeur s’il n’est pas utilisé.

En l’espèce, une méthode est bien connue, mais elle est rarement appliquée. Elle consiste à partir du problème posé, à préciser le résultat attendu, puis seulement à opter pour l’approche d’intelligence artificielle adaptée. Toutes les IA ne répondent en effet pas aux mêmes besoins, et l’agent n’est pas toujours la bonne solution.

Une heure gagnée n’est pas une économie

Les analyses de rentabilité sont porteuses de nombreuses illusions. La plus répandue consiste à considérer qu’une heure libérée grâce à l’IA se traduira nécessairement par une baisse des coûts, en lien avec le traitement de davantage de demandes et de l’amélioration du service rendu. Encore faut-il que l’organisation décide, en amont, du bénéfice qu’elle recherche et des moyens de le concrétiser. Faute d’opérer ce choix, le temps gagné se diluera dans l’activité.

Dans un tel contexte, la mesure à effectuer doit porter autant sur l’efficacité du processus que sur l’expérience du client ou de l’utilisateur. Un traitement plus rapide peut réduire les coûts sans améliorer le service : ce résultat reste légitime, pourvu qu’il corresponde à l’objectif fixé. On observe d’ailleurs que le prédictif déplace les modèles économiques des services managés, de la gestion du nombre de tickets traités vers les incidents évités en production. Dans tous les cas, le travail ne disparaît pas : il change de nature.

Le coût que les business cases oublient

Quel que soit le bénéfice visé, l’analyse de rentabilité doit intégrer l’ensemble des coûts. Parmi eux figure un poste presque toujours absent : le temps consacré à superviser l’agent et, en cas d’erreur, à rectifier ses résultats ou à réparer les conséquences de ses actions. Ce temps est le prix de l’autonomie qu’on lui accorde. L’ignorer, c’est surestimer le gain et préparer la déception qui conduit à l’abandon du projet.

Un pilote interrompu n’est pas, pour autant, un échec, s’il permet de mieux orienter la suite. L’échec véritable est d’industrialiser un outil sans avoir défini le processus qu’il transforme, ni la valeur qu’il doit produire. Ainsi, la question décisive n’est donc pas « que peut faire l’agent ? », mais « quel processus mérite d’être transformé, et que sommes-nous prêts à payer pour le superviser ? ».

Leila Kaoutar Benachour

Consultante en stratégie et transformation Data et IA

DEEP, filiale de POST Luxembourg

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *