Agents IA en entreprise : cadrer avant de passer à l’échelle

L’IA agentique s’installe dans les entreprises, mais la généralisation reste inégale malgré une adoption annoncée par environ 80 % des sociétés du Fortune 500. Arun Chandra, directeur des opérations chez NiCE, prône une approche structurée : appliquer les mêmes standards qu’aux humains, renforcer la gouvernance et relier la stratégie à la valeur. Il alerte sur le risque de fragmentation lié à des systèmes d’agents isolés et recommande de cibler des cas d’usage à fort impact et mesurables. Une architecture connectée pourrait, à terme, permettre à des agents proactifs de collaborer pour mieux servir les clients.

Éviter de nouveaux silos et hausser les exigences de gouvernance

Le déploiement d’agents IA à grande échelle peut entraîner une nouvelle fragmentation si chaque équipe développe des systèmes qui ne communiquent pas entre eux. À mesure que les agents prennent en charge des tâches plus importantes, la gouvernance, la confidentialité, la sécurité et la gestion du changement deviennent des enjeux majeurs. Arun Chandra estime que les agents IA devraient être soumis aux mêmes normes que les employés humains et que la main-d’œuvre doit être envisagée comme un ensemble composé d’humains et d’agents IA. Une architecture connectée pourrait permettre à ces agents d’agir de façon proactive et de collaborer pour répondre aux besoins des clients.

Un socle commun : données unifiées, contexte et intégrations

Afin d’atteindre une mise à l’échelle, il convient d’aborder l’IA agentique comme un ensemble intégré. Les agents requièrent un accès aux données, aux connaissances et au contexte indispensables pour prendre des décisions pertinentes, ainsi qu’aux systèmes sous-jacents pour intervenir. Lorsque l’information est dispersée, leurs possibilités se trouvent restreintes. Arun Chandra souligne que l’efficacité des agents dépend directement du contexte, des connaissances et des données qu’ils peuvent exploiter.

Méthode de déploiement : des workflows repensés et une stratégie claire

Arun Chandra met en avant l’importance de franchir le stade de l’expérimentation pour elle-même, tout en observant que de nombreuses entreprises cherchent encore à identifier les applications concrètes de l’IA agentique. Il préconise de relier la mise à l’échelle à la stratégie globale de l’entreprise, qu’il s’agisse d’accroître les revenus, de diminuer les coûts ou de viser tout autre objectif stratégique ou financier. Il est nécessaire de réorganiser les workflows afin d’y intégrer les agents, au lieu de simplement ajouter l’IA à des processus déjà existants. Il déconseille d’appliquer l’IA à des workflows obsolètes ou inefficaces. Pour réussir le passage des pilotes à l’échelle, il préconise de bâtir une stratégie connectée autour de cas d’usage à forte valeur, de workflows adaptés, d’évolutions de la main-d’œuvre et de résultats mesurables.

Un déploiement encore morcelé malgré une adoption déclarée

Environ 80 % des entreprises du Fortune 500 ont adopté l’IA agentique, mais la progression vers un déploiement à grande échelle reste inégale, beaucoup d’organisations se limitant à des pilotes isolés. L’IA agentique est en transition de l’expérimentation vers l’usage en production. Le principal défi consiste à faire collaborer les agents, à les relier aux systèmes et aux données nécessaires, et à garantir leur sécurité au sein des processus d’entreprise.