Field Notes · Note 003 · Agents IA
Agents IA : ce que montrent
36 cas documentés.
Les recherches « agent IA » ont plus que doublé en un an en France. Les annonces parlent d’agents qui travaillent seuls. Les cas publiés racontent autre chose : des agents supervisés, sur un flux précis, avec un humain au moment qui compte. Lecture de 36 cas d’agents documentés dans Acolyte, le catalogue de cas d’usage de HOCUS.
La question
Que fait vraiment un agent IA en production aujourd’hui, et comment juger un cas qu’on vous présente comme un succès ?
Ce que nous avons observé
Agent entièrement autonome parmi les 36 cas. Le plus autonome agit dans un périmètre borné.
Des cas décrivent une validation humaine explicite avant une action conséquente.
Des résultats sont déclarés par l’entreprise ou son éditeur. Aucun n’est audité de façon indépendante.
Des agents ont une faisabilité organisationnelle faible, contre 18 % de l’ensemble des cas documentés.
Comptages sur le catalogue Acolyte au 24 octobre 2026. « Estimé » : grille d’évaluation d’Acolyte, appliquée de la même façon à chaque fiche, pas une mesure.
Les données
Acolyte réunit 160 cas d’usage de l’IA en entreprise. 119 sont documentés par une source publique (étude de cas, article, publication de l’éditeur) ; les autres sont des cas types. Parmi les cas documentés, 36 sont des agents : des systèmes qui enchaînent plusieurs étapes et agissent dans un outil, pas seulement des assistants qui répondent.
- Chaque fiche décrit le problème, le niveau d’autonomie, les étapes du flux (qui fait quoi : l’humain ou l’agent), les résultats annoncés et leurs sources ;
- aucun résultat n’est rehaussé au-delà de ce que dit la source : un « gain de productivité » reste un gain déclaré.
La méthode
Quatre questions suffisent pour lire un cas d’agent sans se laisser porter par l’annonce :
- Qui le raconte ?L’entreprise, son éditeur, un journaliste, un auditeur. Près d’un tiers des sources de notre corpus (11 sur 38) sont des études de cas d’un même éditeur.
- Jusqu’où va l’agent ?Proposer, préparer, exécuter après validation, ou exécuter seul dans un cadre. Ce n’est pas le même risque, ni le même projet.
- Où est l’humain ?Le point du flux où quelqu’un relit, corrige ou décide. S’il n’est pas décrit, il manque une information essentielle.
- Qu’est-ce qui est mesuré ?Un délai, un volume traité, un taux de résolution. 26 des 36 cas citent un chiffre ; 10 n’en donnent aucun.
Ce que la lecture montre
Niveau d’autonomie des 36 agents documentés
1. Un agent en production est un agent supervisé
La moitié des agents exécutent une action seulement après validation, et trois sur quatre décrivent un point de contrôle humain explicite. Le schéma type : l’humain décrit le besoin, l’agent prépare, l’humain corrige et décide, l’agent exécute. Une proposition commerciale passe ainsi d’une journée à deux heures, sans que l’agent fixe le prix.
2. Le service client ouvre la voie
20 des 36 agents touchent au service client, devant les opérations (13) et l’informatique (12). Ce sont des flux répétitifs, bien décrits, où une erreur se rattrape. C’est aussi là que l’AI Act impose depuis le 2 août 2026 de dire au client qu’il échange avec une IA.
3. Les preuves restent déclaratives
Les 38 sources des cas d’agents rapportent des résultats annoncés par l’entreprise ou son fournisseur, souvent dans une étude de cas commerciale. Les ordres de grandeur sont plausibles ; ils ne sont pas vérifiés. Un cas sans chiffre ni point de contrôle décrit est une intention, pas une preuve.
4. La difficulté est dans l’organisation, pas dans le modèle
Selon la grille d’Acolyte, près d’un agent sur deux demande un effort d’organisation important (droits d’accès, règles, responsabilités, contrôle), contre moins d’un cas sur cinq pour l’ensemble des usages. Et 19 des 36 cas viennent de grandes entreprises ou de groupes, 4 seulement de PME ou de TPE : là où les équipes et les processus sont déjà formalisés.
Les limites
Un corpus publié. Les entreprises publient leurs succès, rarement leurs abandons : la proportion d’agents qui fonctionnent est surestimée.
Un classement fait par HOCUS. Le niveau d’autonomie et la faisabilité sont lus dans chaque fiche avec les mêmes règles ; une autre grille donnerait d’autres pourcentages, pas une autre tendance.
36 cas. Assez pour voir un schéma dominant, pas pour comparer finement des secteurs.
Ce qu’il faut en faire
Commencer petit, et écrire le contrôle avant l’agent. Concrètement :
- Choisir un fluxRépétitif, documenté, où une erreur se voit et se corrige : une demande client, une relance, une première version de document.
- Écrire les étapesQui fait quoi, l’humain ou l’agent, et où se trouve la validation avant toute action qui engage.
- Donner des droits minimauxLire ce qui est nécessaire, écrire là où c’est prévu, garder un journal de chaque action.
- Mesurer un seul chiffreAvant et après : un délai, un volume, un taux. C’est ce chiffre qui décide d’élargir l’autonomie, pas l’enthousiasme.
Questions fréquentes
Quelle différence entre un assistant IA et un agent IA ?
Un assistant répond ou rédige quand on le sollicite. Un agent enchaîne plusieurs étapes et agit dans des outils (créer un ticket, envoyer une réponse, mettre à jour une fiche), avec un niveau d’autonomie qu’il faut fixer.
Un agent IA peut-il travailler sans supervision ?
Dans un périmètre étroit et réversible, oui : 4 des 36 cas agissent seuls dans un cadre fixé. Pour une action qui engage l’entreprise (un prix, un remboursement, une décision sur une personne), les cas publiés gardent une validation humaine.
Par où commencer dans une PME ?
Par un flux répétitif déjà bien décrit, avec un outil que l’équipe utilise déjà. Un agent supervisé sur une seule tâche, mesuré pendant quelques semaines, apprend plus qu’un grand projet.
Baptiste Pigaux fonde HOCUS après plus de 20 ans à transformer la data et le machine learning en décisions métier, auprès de plus de 30 organisations. Profil LinkedIn