Transformation par l'IA : la prochaine étape sera celle d'agents plus intelligents, et non de modèles plus volumineux.

Pour les organisations cherchant à obtenir un avantage concurrentiel en adoptant des outils d'IA , le débat et la décision ont principalement porté sur les grands modèles de langage.

Chaque nouvelle version promet de meilleures capacités de raisonnement, une précision accrue et des fonctionnalités qui surpassent celles de la version précédente.

Mais à mesure que les modèles de base deviennent plus puissants et plus largement disponibles, le véritable facteur déterminant pour les organisations ne sera pas le modèle choisi, mais l'efficacité avec laquelle elles déploient l'IA par procuration pour résoudre de véritables problèmes commerciaux.

Jay Florence

Ingénieur solutions chez Digital Modus.

Lors du récent Gartner Data & Analytics Summit 2026, le message des analystes était clair : les modèles d’IA autonomes deviennent obsolètes, et les agents d’IA autonomes et interconnectés représentent l’avenir. Mais pour tirer pleinement parti de l’IA agente, les responsables informatiques doivent privilégier les cas d’usage répétitifs et peu complexes, mettre en œuvre des mesures de contrôle préventives et développer les compétences de leurs équipes.

J'aimerais ajouter à cette affirmation que la prochaine phase de l'IA d'entreprise ne consiste pas à parvenir au modèle le plus grand, mais à construire de meilleurs agents.

Cela signifie qu'il faut dépasser la vision de l'intelligence artificielle comme un simple chatbot de plus et la considérer comme une capacité opérationnelle capable de soutenir les employés, d'automatiser les tâches répétitives et d'améliorer l'efficacité à tous les niveaux de l'organisation.

La plus grande opportunité pour l'intelligence artificielle ne se trouve pas dans le débat.

Pour beaucoup, l'intelligence artificielle se résume encore à poser une question sur ChatGPT et à recevoir une réponse. C'est certes une application parmi d'autres, et les interfaces conversationnelles ont largement contribué à rendre l'IA accessible. Mais ce n'est qu'une infime partie de son potentiel.

Certaines des applications les plus précieuses des agents d'IA se concentrent sur les processus opérationnels plutôt que sur la conversation. Par exemple, dans l'enseignement supérieur, les agents d'IA aident les étudiants à s'orienter parmi les services de soutien en répondant à des questions courantes concernant l'inscription, les infrastructures du campus ou les procédures administratives, ce qui permet au personnel de se consacrer à des problèmes plus complexes.

Dans le secteur des transports, les agents peuvent intégrer les informations de planification, les options de voyage ultérieures et l'assistance clientèle en une seule interaction, évitant ainsi aux utilisateurs d'avoir à effectuer des recherches parmi plusieurs services.

Dans d'autres domaines, les organisations utilisent des agents d'IA pour qualifier les demandes de renseignements commerciaux, résumer des documents complexes et extraire des informations des contrats – des tâches qui nécessitaient auparavant des heures de travail manuel.

Le point commun n'est pas seulement que ces agents peuvent répondre aux questions, mais qu'ils suppriment également les charges administratives et permettent aux gens de se concentrer sur un travail qui exige du jugement, de l'expertise et une interaction humaine.

Les meilleurs agents commencent par de meilleurs problèmes.

L'une des plus grandes idées fausses concernant l'IA par procuration est que les organisations pensent devoir commencer par identifier où elles souhaitent déployer un proxy d'IA.

En réalité, pour les organisations qui cherchent à développer leurs offres d'IA, la première question ne devrait pas être : « Où pouvons-nous déployer l'IA ? » mais plutôt : « Quel problème commercial essayons-nous de résoudre ? »

Se concentrer d'abord sur la technologie conduit souvent les organisations à créer des outils peu performants, car ils automatisent les mauvais processus. Les organisations qui obtiennent les meilleurs résultats sont celles qui identifient d'abord leurs faiblesses opérationnelles, notamment là où les employés consacrent trop de temps à des tâches administratives répétitives, à la recherche d'informations ou au transfert manuel de données entre systèmes.

Lorsque ces défis sont clairement compris, l'IA par procuration devient un outil opérationnel efficace plutôt qu'une simple technologie à la recherche d'une application.

L'importance de la mise en œuvre prime sur celle du modèle.

Les principaux modèles d'IA évoluent aujourd'hui à un rythme exceptionnel. Ils deviennent de plus en plus performants, rapides et rentables, ce qui modifie l'avantage concurrentiel.

Il est peu probable que les organisations surpassent leurs concurrents en choisissant simplement un modèle de base plutôt qu'un autre. En réalité, le succès dépendra de plus en plus de tout ce qui entoure ce modèle.

La qualité des données est un facteur de différenciation majeur. Un agent d'IA n'est performant que si les informations sur lesquelles il s'appuie sont de qualité. Une documentation contradictoire, des politiques incohérentes ou une mauvaise gestion des connaissances nuisent inévitablement à la qualité de ses résultats.

L'ingénierie des sinistres est une compétence souvent négligée. Former un agent ne se résume pas à lui donner des instructions et à espérer des résultats constants. Des procédures de gestion des sinistres bien conçues définissent clairement les limites, les responsabilités de l'agent et garantissent qu'il reste concentré sur son objectif.

Il en va de même pour la gouvernance. Un bon agent ne doit pas répondre à toutes les questions qui lui sont posées. Il doit plutôt comprendre son rôle, savoir refuser les demandes qui dépassent son champ de compétences et n'agir qu'avec les informations et les autorisations strictement nécessaires. Appliquer le principe du moindre privilège est non seulement une bonne pratique de sécurité, mais cela améliore également l'efficacité en minimisant les traitements inutiles et en maîtrisant les coûts.

Au final, la qualité de l'exécution est bien plus importante que la taille du modèle de base.

La confiance se construit par la répétition, et non par l'ambition.

Une autre idée fausse répandue consiste à supposer que l'IA par procuration devrait être déployée dans le cadre de programmes de transformation à grande échelle. En réalité, c'est généralement le contraire.

Les organisations qui obtiennent des résultats significatifs commencent généralement par un cas d'usage clairement défini qui génère une valeur mesurable. Cela favorise la confiance des employés, démontre le retour sur investissement et permet une meilleure gouvernance avant d'étendre les processus à des flux de travail plus complexes.

L'IA des agents doit être considérée comme un produit évolutif, et non comme un projet finalisé le jour de son lancement. Cependant, cela modifie également la manière dont les organisations abordent les tests.

Les logiciels traditionnels sont conçus pour fournir un résultat identique à chaque exécution. Les agents d'IA, en revanche, sont probabilistes par nature ; la cohérence devient donc aussi importante que la fonctionnalité. Par conséquent, les tests, la surveillance et l'optimisation continus sont essentiels à la réussite du déploiement.

Il est tout aussi important que les employés participent à cette démarche. Instaurer la confiance ne consiste pas à dévoiler un agent d'IA une fois celui-ci finalisé ; il s'agit d'impliquer les équipes tout au long du processus de développement, de les aider à comprendre comment les décisions sont prises, où se trouvent les mécanismes de protection et comment la technologie est censée enrichir, et non remplacer, leur expertise.

Des agents plus performants définiront la prochaine phase de l'intelligence artificielle.

Il est inévitable que l'industrie de l'IA continue de produire des modèles de base plus rapides, moins chers et plus performants. Ce qui n'est pas certain, en revanche, c'est que les organisations soient capables de transformer ces capacités en une véritable valeur commerciale.

La prochaine course à l'IA ne sera pas remportée par ceux qui possèdent le modèle le plus imposant, mais par ceux qui conçoivent des agents fiables et bien gérés, capables de résoudre des problèmes opérationnels concrets.