Assistez \u00e0 n\u2019importe quelle conversation sur l\u2019IA en entreprise en 2025 et l\u2019\u00e9nergie est palpable. Les preuves de concept sont partout. Les d\u00e9monstrations sont soign\u00e9es. L\u2019enthousiasme est au rendez-vous. Demandez ensuite combien de ces pilotes tournent en production \u2013 traitant r\u00e9ellement de vraies d\u00e9cisions m\u00e9tier, \u00e0 volume r\u00e9el, avec une v\u00e9ritable responsabilit\u00e9 \u2013 et la salle se tait. Le rapport Tech Trends 2026 de Deloitte indique que seules 11 % des organisations ont des agents en production, alors que 38 % les pilotent ; 14 % font \u00e9tat de solutions pr\u00eates au d\u00e9ploiement. Une enqu\u00eate distincte de DigitalApplied sugg\u00e8re un univers de pilotes plus large, mais les chiffres de Deloitte constituent la source la plus solide concernant le foss\u00e9 de la production. La fraction qui a atteint l\u2019\u00e9chelle d\u00e9passe \u00e0 peine les dix pour cent.<\/p>\n\n\n\n
C\u2019est le foss\u00e9 de l\u2019adoption des agents, et ce n\u2019est pas un probl\u00e8me technologique. Les mod\u00e8les fonctionnent. Les d\u00e9monstrations sont r\u00e9elles. Ce qui ne fonctionne pas, c\u2019est l\u2019infrastructure organisationnelle, technique et de gouvernance n\u00e9cessaire pour transformer un pilote prometteur en un syst\u00e8me de production fiable. Cet article examine pourquoi \u2014 et ce que les organisations qui ont franchi ce foss\u00e9 ont r\u00e9ellement fait diff\u00e9remment.<\/p>\n\n\n\n
Le rapport State of AI in Business 2025 du MIT a document\u00e9 ce que les responsables technologiques des entreprises savent d\u00e9j\u00e0 intuitivement : 95 % des organisations \u00e9tudi\u00e9es n\u2019ont constat\u00e9 aucun retour mesurable de leurs initiatives d\u2019IA g\u00e9n\u00e9rative, tandis que seuls 5 % des pilotes int\u00e9gr\u00e9s ont d\u00e9gag\u00e9 une valeur significative. Ce chiffre n\u2019est pas une anomalie \u2013 c\u2019est une condition structurelle. Une recherche distincte de S&P Global Market Intelligence montre que le taux d\u2019abandon augmente fortement : la part des entreprises abandonnant la majorit\u00e9 de leurs initiatives d\u2019IA est pass\u00e9e de 17 % \u00e0 42 %, l\u2019organisation moyenne abandonnant 46 % de ses preuves de concept avant la production. Les chiffres sont frappants \u2013 et le sch\u00e9ma est suffisamment constant pour constituer un diagnostic.<\/p>\n\n\n\n
Ce ne sont pas de mauvais projets. Beaucoup \u00e9taient techniquement solides. Ce qui leur manquait, c\u2019est tout ce qui se situe entre une d\u00e9monstration fonctionnelle et un syst\u00e8me de production : l\u2019int\u00e9gration avec des donn\u00e9es en direct, la supervision en temps r\u00e9el, les protocoles de r\u00e9ponse aux incidents, la propri\u00e9t\u00e9 organisationnelle et des structures de responsabilit\u00e9 qui survivent \u00e0 la premi\u00e8re d\u00e9faillance.<\/p>\n\n\n\n
Les chiffres sont frappants \u2014 et le sch\u00e9ma est suffisamment constant pour constituer un diagnostic.<\/p>\n\n\n\n
L\u2019enqu\u00eate de DigitalApplied de mars 2026 aupr\u00e8s de 650 responsables technologiques d\u2019entreprise identifie cinq lacunes fr\u00e9quemment cit\u00e9es derri\u00e8re les \u00e9checs de passage \u00e0 l\u2019\u00e9chelle du pilote \u00e0 la production. S\u2019agissant d\u2019une enqu\u00eate publi\u00e9e par un fournisseur plut\u00f4t que d\u2019un r\u00e9f\u00e9rentiel acad\u00e9mique ou d\u2019analystes neutre, le chiffre exact de 89 % doit \u00eatre consid\u00e9r\u00e9 comme indicatif ; les cinq blocages eux-m\u00eames sont corrobor\u00e9s par des sources d\u2019analystes plus solides telles que Gartner, Deloitte, McKinsey et S&P Global :<\/p>\n\n\n\n
La projection de Gartner saisit la trajectoire : plus de 40 % des projets d\u2019IA agentique seront annul\u00e9s d\u2019ici fin 2027 en raison de co\u00fbts croissants, d\u2019une valeur m\u00e9tier incertaine ou de contr\u00f4les des risques inad\u00e9quats. Gartner note \u00e9galement que l\u2019int\u00e9gration des agents dans les syst\u00e8mes existants peut \u00eatre techniquement complexe et co\u00fbteuse, perturbant souvent les flux de travail. Et cela, avant m\u00eame de prendre en compte les lacunes en mati\u00e8re de gouvernance, de talents et de supervision.<\/p>\n\n\n\n
Le d\u00e9ficit de gouvernance est le blocage le plus sous-estim\u00e9. \u00ab Les organisations ne peuvent pas gouverner ce qu\u2019elles ne voient pas \u00bb \u2014 et la recherche AI Trust OS de Bandara et al. (arXiv 2026) en documente la cause structurelle : les m\u00e9thodologies de conformit\u00e9 con\u00e7ues pour des logiciels d\u00e9terministes \u00ab n\u2019offrent aucun m\u00e9canisme pour d\u00e9couvrir ou valider en continu les syst\u00e8mes d\u2019IA qui \u00e9mergent au sein des \u00e9quipes d\u2019ing\u00e9nierie sans supervision formelle \u00bb.<\/p>\n\n\n\n
Il en r\u00e9sulte un d\u00e9ficit de confiance qui se creuse \u00e0 mesure que le d\u00e9ploiement s\u2019\u00e9tend. Le Connectivity Benchmark Report 2026 de Salesforce, relay\u00e9 par UC Today, constate que 89 % des organisations d\u00e9ploient des agents d\u2019IA dans la plupart ou la totalit\u00e9 de leurs \u00e9quipes, mais que seules 54 % disposent d\u2019un cadre de gouvernance formel pour ces d\u00e9ploiements. Par ailleurs, le rapport State of AI Agent Security 2026 de Gravitee r\u00e9v\u00e8le qu\u2019en moyenne, seuls 47,1 % des agents d\u2019IA d\u2019une organisation sont activement supervis\u00e9s ou s\u00e9curis\u00e9s. Un agent qui traite des exceptions dans la r\u00e9conciliation financi\u00e8re, prend des d\u00e9cisions de routage dans le service client ou signale des anomalies dans le contr\u00f4le de conformit\u00e9 op\u00e8re, dans la plupart des entreprises, avec moins de supervision qu\u2019un employ\u00e9 d\u00e9butant en p\u00e9riode d\u2019essai.<\/p>\n\n\n\n
Le cadre Agentic Risk & Capability (ARC) de Khoo et al. (2025) propose une taxonomie rigoureuse de ce qu\u2019exige r\u00e9ellement la gouvernance d\u2019entreprise des syst\u00e8mes agentiques : \u00e9valuation syst\u00e9matique des capacit\u00e9s, classification des risques par type d\u2019action et p\u00e9rim\u00e8tre d\u2019acc\u00e8s, et supervision continue par rapport \u00e0 des r\u00e9f\u00e9rentiels op\u00e9rationnels. La plupart des entreprises n\u2019ont rien de tout cela. Un r\u00e9f\u00e9rentiel plus solide est le constat du State of AI in the Enterprise 2026 de Deloitte selon lequel seules 21 % des organisations interrog\u00e9es d\u00e9clarent un mod\u00e8le de gouvernance mature pour l\u2019IA agentique ; McKinsey constate de m\u00eame qu\u2019environ un tiers seulement des organisations atteignent le niveau de maturit\u00e9 trois ou plus en mati\u00e8re de gouvernance et de gouvernance de l\u2019IA agentique.<\/p>\n\n\n\n
Les limites des donn\u00e9es figurent parmi les blocages les plus clairement valid\u00e9s au passage \u00e0 l\u2019\u00e9chelle de l\u2019IA agentique : McKinsey rapporte que huit entreprises sur dix citent les limites des donn\u00e9es comme un obstacle \u00e0 ce passage \u00e0 l\u2019\u00e9chelle. L\u2019agent n\u2019est pas n\u00e9cessairement d\u00e9faillant \u2013 les donn\u00e9es avec lesquelles il travaille le sont souvent. Les architectures de donn\u00e9es existantes des entreprises ont \u00e9t\u00e9 con\u00e7ues pour le reporting par lots et des sorties lisibles par l\u2019humain. Les agents ont besoin d\u2019un acc\u00e8s \u00e0 des donn\u00e9es propres, structur\u00e9es, en temps r\u00e9el, avec des permissions, un versionnage et une tra\u00e7abilit\u00e9 appropri\u00e9s.<\/p>\n\n\n\n
La recherche de Tagliabue et al. (arXiv 2025) sur les lakehouses agentiques dignes de confiance rend cela concret : \u00ab M\u00eame si les capacit\u00e9s de l\u2019IA s\u2019am\u00e9liorent, la plupart des entreprises ne consid\u00e8rent pas les agents comme suffisamment fiables pour travailler sur des donn\u00e9es de production. \u00bb Le chemin vers la fiabilit\u00e9 en production commence par la r\u00e9solution du probl\u00e8me d\u2019infrastructure, pas du probl\u00e8me de mod\u00e8le. Un agent fonctionnant sur une couche de donn\u00e9es transactionnelle bien con\u00e7ue, avec contr\u00f4les d\u2019acc\u00e8s et pistes d\u2019audit, devient gouvernable. Un agent acc\u00e9dant \u00e0 des donn\u00e9es d\u2019entreprise non structur\u00e9es via des int\u00e9grations ad hoc ne l\u2019est pas.<\/p>\n\n\n\n
C\u2019est l\u00e0 que la plupart des pilotes sous-investissent. La d\u00e9monstration utilise un jeu de donn\u00e9es propre. La production h\u00e9rite de vingt ans de sch\u00e9mas incoh\u00e9rents, de champs manquants et de formats h\u00e9rit\u00e9s non document\u00e9s.<\/p>\n\n\n\n
Les lacunes en comp\u00e9tences et en mod\u00e8le op\u00e9rationnel restent des obstacles centraux au passage \u00e0 l\u2019\u00e9chelle des agents d\u2019IA. Le d\u00e9fi n\u2019est pas que les employ\u00e9s manquent d\u2019aptitudes techniques. C\u2019est que le d\u00e9ploiement d\u2019un agent autonome dans un processus m\u00e9tier change la mani\u00e8re dont ce processus est d\u00e9tenu, supervis\u00e9 et corrig\u00e9 \u2013 et la plupart des organisations n\u2019ont pas con\u00e7u cette transition.<\/p>\n\n\n\n
L\u2019analyse des pilotes d\u2019IA ayant \u00e9chou\u00e9 men\u00e9e par la Questrom School de l\u2019Universit\u00e9 de Boston conforte le diagnostic de conception organisationnelle : le foss\u00e9 entre un pilote r\u00e9ussi et une mise en \u0153uvre r\u00e9ussie est, fondamentalement, un foss\u00e9 de responsabilit\u00e9. Les pilotes \u00e9chouent \u00e0 l\u2019\u00e9chelle lorsque l\u2019\u00e9quipe qui a construit l\u2019agent et l\u2019\u00e9quipe qui op\u00e8re le processus concern\u00e9 sont des groupes diff\u00e9rents, avec des incitations diff\u00e9rentes et sans structure de responsabilit\u00e9 partag\u00e9e.<\/p>\n\n\n\n
Les organisations qui ont r\u00e9ussi \u00e0 franchir ce foss\u00e9 ont cr\u00e9\u00e9 des \u00e9quipes d\u00e9di\u00e9es aux op\u00e9rations d\u2019IA \u2014 non pas des \u00e9quipes de d\u00e9veloppement d\u2019IA, mais des \u00e9quipes d\u2019op\u00e9rations \u2014 responsables de la supervision en production, de la maintenance des harnais d\u2019\u00e9valuation, de la r\u00e9ponse aux incidents et des revues d\u2019extension de p\u00e9rim\u00e8tre. La distinction compte. Construire un agent et l\u2019op\u00e9rer en production ne sont pas le m\u00eame m\u00e9tier.<\/p>\n\n\n\n
Les organisations qui ont atteint l\u2019\u00e9chelle de la production partagent un sch\u00e9ma qui rel\u00e8ve moins des choix technologiques que de la conception op\u00e9rationnelle.<\/p>\n\n\n\n
Elles ont trait\u00e9 la gouvernance comme une exigence pr\u00e9alable au d\u00e9ploiement, et non comme un audit a posteriori. Les structures de responsabilit\u00e9, les tableaux de bord de supervision et les guides de r\u00e9ponse aux incidents ont \u00e9t\u00e9 construits avant la mise en service de l\u2019agent \u2014 et non ajout\u00e9s apr\u00e8s la premi\u00e8re d\u00e9faillance.<\/p>\n\n\n\n
Elles ont commenc\u00e9 par des processus \u00e0 haute fr\u00e9quence, \u00e0 faibles enjeux et enti\u00e8rement r\u00e9versibles \u2014 tri des alertes, classification de documents, validation de donn\u00e9es \u2014 o\u00f9 le co\u00fbt des erreurs de l\u2019agent \u00e9tait faible et la boucle de r\u00e9troaction pour l\u2019am\u00e9lioration rapide. Le d\u00e9ploiement d\u2019observabilit\u00e9 agentique d\u2019Adobe (Bharadwaj & Tu, arXiv 2026) l\u2019illustre : commencer par le tri des alertes informatiques, un domaine o\u00f9 les d\u00e9faillances sont visibles et corrigibles, avant d\u2019\u00e9tendre le p\u00e9rim\u00e8tre.<\/p>\n\n\n\n
Elles ont investi dans une infrastructure d\u2019\u00e9valuation \u2014 des harnais de test syst\u00e9matiques capables de v\u00e9rifier la qualit\u00e9 des sorties de l\u2019agent par rapport aux distributions de donn\u00e9es de production, et pas seulement aux sc\u00e9narios pilotes. La qualit\u00e9 \u00e0 grand volume n\u2019est pas acquise ; c\u2019est un livrable d\u2019ing\u00e9nierie qui exige sa propre infrastructure de test.<\/p>\n\n\n\n
Et elles ont r\u00e9alis\u00e9 l\u2019investissement dans les donn\u00e9es en amont. Un acc\u00e8s \u00e0 des donn\u00e9es propres, structur\u00e9es et gouvern\u00e9es \u00e9tait un pr\u00e9requis au d\u00e9ploiement, et non une t\u00e2che report\u00e9e \u00e0 la \u00ab phase 2 \u00bb.<\/p>\n\n\n\n
Le foss\u00e9 de l\u2019adoption des agents est un probl\u00e8me soluble, mais pas un probl\u00e8me technologique. De nombreux pilotes fonctionnent en conditions contr\u00f4l\u00e9es. Le foss\u00e9 est organisationnel : des cadres de gouvernance con\u00e7us pour des travailleurs humains appliqu\u00e9s \u00e0 des agents autonomes, des architectures de donn\u00e9es ant\u00e9rieures aux sch\u00e9mas d\u2019acc\u00e8s qu\u2019exigent les agents, et des approches de conduite du changement qui traitent le d\u00e9ploiement de l\u2019IA comme un d\u00e9ploiement technique plut\u00f4t que comme une refonte op\u00e9rationnelle.<\/p>\n\n\n\n
Les entreprises qui combleront ce foss\u00e9 au cours des 18 prochains mois n\u2019y parviendront pas en trouvant de meilleurs mod\u00e8les ou des fen\u00eatres de contexte plus grandes. Elles y parviendront en construisant l\u2019infrastructure de production \u2014 supervision, gouvernance, acc\u00e8s aux donn\u00e9es et propri\u00e9t\u00e9 op\u00e9rationnelle \u2014 qui rend s\u00fbr le fonctionnement des agents \u00e0 grande \u00e9chelle.<\/p>\n\n\n\n
La vraie question pour les dirigeants d\u2019entreprise est de savoir si la strat\u00e9gie d\u2019IA de leur organisation inclut un mod\u00e8le d\u2019op\u00e9rations de production, ou seulement une feuille de route de pilotes. L\u2019un m\u00e8ne vers le petit groupe qui atteint la production. L\u2019autre m\u00e8ne \u00e0 une \u00e9ni\u00e8me preuve de concept annul\u00e9e.<\/p>\n\n\n\n
Le point de vue de Novelis<\/strong><\/p>\n\n\n\n Chez Novelis, nous travaillons directement avec les \u00e9quipes d\u2019entreprise qui naviguent \u00e0 la fronti\u00e8re entre pilote et production. Les blocages d\u00e9crits ici \u2014 d\u00e9ficits de gouvernance, maturit\u00e9 des donn\u00e9es, fragmentation de la conduite du changement \u2014 sont ceux que nous rencontrons le plus r\u00e9guli\u00e8rement sur le terrain. Franchir ce foss\u00e9 exige une m\u00e9thodologie structur\u00e9e, et pas seulement des comp\u00e9tences techniques. Si votre organisation se situe quelque part entre une d\u00e9monstration impressionnante et un syst\u00e8me de production fiable, c\u2019est exactement le territoire sur lequel nous op\u00e9rons.<\/p>\n\n\n\n Si les d\u00e9fis d\u00e9crits ici font \u00e9cho \u00e0 la situation actuelle de votre organisation, nous sommes toujours ouverts \u00e0 un \u00e9change. Les probl\u00e8mes sont r\u00e9els, les solutions \u00e9voluent vite, et les \u00e9quipes qui les traversent ensemble vont g\u00e9n\u00e9ralement plus loin.<\/p>\n","protected":false},"featured_media":12159,"template":"","categories":[510],"custom_tag":[87,88],"class_list":["post-12163","research-lab","type-research-lab","status-publish","has-post-thumbnail","hentry","category-lab-news-2","custom_tag-ia","custom_tag-intelligenceartificielle"],"acf":{"externel_link":"","summary":"","filter_opacity":"70","subtitle":"","reading_time":"","authors":"","document_to_download":{"upload_a_file":false,"download_without_form":false,"file":false,"url":""},"show_recent_block_on_the_bottom_of_the_page":false},"yoast_head":"\nPour aller plus loin<\/h2>\n\n\n\n
\n