Les agents d'IA : faciles à montrer, difficiles à opérer.

Si vous avez assisté à une démonstration logicielle au cours des dix-huit derniers mois, vous en avez probablement vu une : un agent d'IA effectue une recherche, passe d'un outil à l'autre, rédige le courriel et ferme le billet — sous les applaudissements. Puis le pilote démarre, et six semaines plus tard, personne ne sait trop ce que l'agent a changé. Cet écart entre ce que les agents font sur scène et ce qu'ils font en production est devenu le problème central de l'IA d'entreprise. Le modèle n'a jamais été la partie difficile.

Le fossé entre le pilote et la production

Les chiffres sont sans appel. Selon le rapport « State of AI in Business » du projet NANDA du MIT, 95 % des initiatives d'IA générative en entreprise ne génèrent aucun rendement. Pour les outils d'IA d'entreprise sur mesure, c'est encore plus net : 60 % des organisations qui les ont évalués n'ont jamais dépassé l'étape de l'évaluation, 20 % seulement ont atteint le stade du pilote, et 5 % sont arrivées en production. Gartner, pour sa part, prévoit que plus de 40 % des projets d'IA agentique seront annulés d'ici la fin de 2027 — victimes de coûts qui explosent, de valeur commerciale incertaine ou de contrôles de risque insuffisants.

Rien de tout cela ne s'explique par un arrêt des améliorations des modèles. Les démonstrations échouent en production pour des raisons structurelles : une démo est une exécution unique devant un juge indulgent, alors qu'un agent en production fonctionne sans surveillance, conserve un état sur des heures, touche des systèmes réels avec de vrais identifiants et finit par être jugé par la direction financière. Les modes de défaillance signalés — flux de travail fragiles, absence de mémoire du processus réel, dérive par rapport à la façon dont le travail se fait vraiment — sont des problèmes d'ingénierie, pas des problèmes de modèle.

Ce dont un agent de production a réellement besoin

Un modèle mental utile : le LLM est la plus petite couche de la pile. Autour de lui, cinq couches déterminent si l'agent est fiable ou simplement impressionnant :

Les équipes qui sautent les couches intermédiaires ne construisent pas des agents — elles construisent des démonstrations avec une garde de rotation.

Des garde-fous : le privilège minimum pour des travailleurs non déterministes

Vous ne donneriez pas à un nouveau sous-traitant des accès de production sans aucune révision. Un agent mérite moins de confiance, pas plus, car son comportement est probabiliste. Voici le modèle que nous appliquons dans nos mandats clients :

• Des identifiants délimités par agent — une identité de service par agent, avec des permissions limitées aux outils exigés par sa tâche.
• Des actions permises par liste blanche — l'agent peut appeler ce que nous avons répertorié, pas ce que sa prochaine complétion suggère.
• Des budgets et des limites de débit — des plafonds sur les coûts, les appels et le rayon d'impact par tâche, appliqués à l'extérieur du modèle.
• Des portes d'approbation humaine — les actions irréversibles comme les paiements, les suppressions ou les courriels externes attendent une personne.
• Une piste d'audit complète — chaque prompt, appel d'outil et sortie est consigné et révisable, parce que « pourquoi a-t-il fait ça? » est une question de production, pas une question philosophique.

Les évaluations sont la nouvelle suite de tests

Personne ne livre de code sans tests, pourtant la plupart des équipes livrent des agents sans évaluations. Une suite d'évaluation ressemble beaucoup à une suite de régression : un ensemble de scénarios, des résultats attendus et une note calculée à chaque changement — modification de prompt, mise à niveau de modèle, remplacement d'outil. Ajoutez un déploiement canari et un chemin de retour arrière, et « nous avons mis à niveau le modèle » cesse d'être un acte de foi pour devenir un déploiement.

C'est là que la discipline DevOps traditionnelle se transfère directement : prompts et configurations versionnés, intégration continue qui exécute la suite d'évaluation, observabilité qui capture les trajectoires des agents en production, et un processus d'incident qui traite un agent qui se conduit mal comme n'importe quelle autre régression.

Le modèle opérationnel compte plus que le modèle

Le dernier fossé est organisationnel. Un agent en production a besoin d'un responsable, d'une garde, d'un journal des changements et d'une définition du succès mesurée dans les unités de l'entreprise — pas « la démo fonctionnait ». La prévision de Gartner selon laquelle le tiers des logiciels d'entreprise intégreront l'IA agentique d'ici 2028 aggrave la situation plutôt qu'elle ne l'améliore : les fonctionnalités rebaptisées « agentiques » ajouteront des comportements autonomes à des systèmes que personne n'opère comme des agents. Décidez de ce qui s'exécute de façon autonome, de ce qui attend un humain et qui en répond — avant que l'agent ne décide à votre place.

Les organisations du bon côté du fossé de l'IA générative ne sont pas celles qui ont les meilleures démonstrations. Ce sont celles qui ont traité les agents comme des logiciels : évalués, protégés, observés et incarnés par des responsables. C'est un travail peu spectaculaire — et c'est précisément celui que nous faisons chez Code Enrichi, des fondations DevOps et infonuagiques jusqu'à la livraison de projets de données et d'IA. Si vous avez un pilote qui mérite d'atteindre la production, parlons-en.