Directum : pourquoi les entreprises parlent beaucoup d'agents IA mais tardent à les déployer

Les chatbots qui répondent aux questions et rédigent des e-mails ne suffisent plus aux entreprises : elles veulent des systèmes d'IA capables de mener seuls une tâche jusqu'au résultat au sein des processus métier. Mais c'est précisément là où l'autonomie paraît la plus précieuse qu'apparaissent les principales limites : une infrastructure coûteuse, des erreurs lorsque l'agent travaille avec de nombreux systèmes et l'absence de responsabilité clairement établie pour ses décisions.

Directum propose de distinguer assistants et agents. Un assistant est en substance un interlocuteur évolué : il réagit à une requête, aide pour un texte, une recherche ou une suggestion, mais ne pilote pas lui-même le processus. L'agent fonctionne autrement : il décompose l'objectif en étapes, choisit des outils, passe d'un système à l'autre et renvoie le résultat à un humain. En entreprise, cela peut couvrir tout le cycle de traitement d'un document, d'une demande ou d'une tâche, de la classification à la transmission au collaborateur responsable.

Selon l'entreprise, l'engouement pour les agents n'a rien de fortuit. Après la vague de projets pilotes de 2024, les entreprises ont cessé de demander si l'IA peut rédiger un e-mail ou résumer une réunion et sont passées à l'étape suivante : peut-on confier à un modèle une partie d'un processus qui exige de collecter des données dans plusieurs systèmes et de prendre une décision opérationnelle ? Parallèlement, les LLM eux-mêmes sont devenus plus performants en planification et en exécution de tâches en plusieurs étapes, et des standards comme function calling et MCP ont simplifié la connexion d'outils externes, des ERP et CRM aux ECM, calendriers et scénarios RPA.

Le premier frein est l'infrastructure. Les grandes et moyennes entreprises veulent faire tourner ces solutions dans leur propre périmètre sécurisé, car elles touchent aux finances, aux données personnelles et au secret des affaires. Mais le déploiement local de modèles de milieu de gamme exige de lourds investissements en GPU, et l'approvisionnement, le prix et la disponibilité de ce matériel en Russie restent problématiques. Louer de la capacité auprès de centres de données est techniquement possible, mais soulève souvent des questions chez les responsables de la sécurité de l'information. Résultat : de nombreuses entreprises atteignent le stade de l'intérêt sans passer à la mise en production.

La deuxième limite tient à la qualité du travail de l'agent à mesure que le nombre d'intégrations augmente. En théorie, il devrait pouvoir travailler simultanément avec l'ERP, la gestion électronique de documents, le CRM, la messagerie, les bases de connaissances et les calendriers. En pratique, chaque nouvelle liaison ajoute un risque : le modèle peut choisir le mauvais outil, confondre les paramètres d'appel ou même « inventer » une API inexistante.

D'après les observations de Directum, au-delà d'environ 15 outils, la probabilité de ces défaillances augmente nettement ; il est donc plus sûr aujourd'hui de limiter l'agent à un domaine étroit ou à un ensemble de 5–7 systèmes éprouvés. Étendre l'agent à l'ensemble du système d'information d'une entreprise reste un problème d'ingénierie complexe.

Le troisième obstacle est la responsabilité. Même si l'agent sait exécuter seul une chaîne d'actions, la décision finale dans les scénarios sensibles reste confiée à un humain. Aucun dirigeant n'est prêt à donner à un modèle, sans réserve, le droit de signer un contrat important, de valider une opération risquée ou de virer de l'argent sans contrôle. Et il ne s'agit pas seulement d'une défiance envers la technologie : le cadre juridique n'a pas rattrapé le niveau d'automatisation. Si l'agent se trompe, on ne sait pas qui répond des conséquences : l'éditeur, l'intégrateur, le propriétaire du processus ou l'employé qui a configuré le scénario. Tant que cette question ne sera pas tranchée, l'autonomie restera limitée.

On en tire une conclusion assez sobre : le marché ne va pas vers le remplacement complet des salariés par des agents, mais vers un modèle intermédiaire où l'IA prend en charge des segments bien décrits du processus sous supervision humaine. C'est pourquoi les agents de workflow ont aujourd'hui le meilleur profil : des solutions aux cadres clairs, à l'éventail d'actions limité et au ROI prévisible. Pour les entreprises, ce n'est pas un renoncement à l'approche par agents, mais une façon de l'adopter sans risque excessif : commencer par des cas ciblés, vérifier la fiabilité et n'élargir qu'ensuite le périmètre d'automatisation.