IA agentique : 11 cas d'usage à forte valeur ajoutée et implications pour le secteur

#### Introduction

L'évolution de l'IA d'entreprise entre dans une nouvelle phase. Après un cycle où l'IA générative est passée du bruit à une approche pragmatique, l'IA agentique (Agentic AI) devient le nouveau mot-clé de l'automatisation d'entreprise. Contrairement à l'IA générative qui se limite à la génération de contenu, l'IA agentique met l'accent sur la prise de décision autonome, l'exécution de tâches en plusieurs étapes et la capacité d'adaptation dynamique. Selon CIO.com, des organismes tels qu'Aflac, Atlantic Health System, Legendary Entertainment et le Jet Propulsion Laboratory de la NASA ont déjà entamé des explorations préliminaires, et des entreprises comme DeVry University, AT&T, AUM Biotech et Smarsh ont également mis en œuvre des cas concrets dans des scénarios spécifiques.

#### Contexte sectoriel : de l'inflation des attentes à la mise en œuvre pragmatique

Ces deux dernières années, l'IA générative a montré son potentiel dans des domaines tels que la rédaction de documents et les questions-réponses de connaissances, mais son ROI dans les flux de travail réels reste instable. Les entreprises ont besoin d'un système capable d'exécuter des tâches de manière proactive. L'IA agentique a justement émergé pour combler cette lacune. Rodrigo Madanes, responsable mondial de l'innovation en IA chez EY, souligne que les agents d'IA peuvent s'intégrer de manière transparente aux systèmes ERP, CRM et de business intelligence, automatiser les flux de travail, gérer l'analyse des données et générer des rapports. Contrairement au RPA basé sur des règles figées, les agents d'IA prennent des décisions en temps réel, traitent les entrées inattendues et ne nécessitent pas de supervision humaine continue. Cela fait de l'automatisation des processus leur valeur première.

#### Cas d'utilisation clés : quatre exemples représentatifs parmi onze orientations

Parmi les onze cas d'utilisation potentiels répertoriés par CIO.com, le développement logiciel, la mise à niveau du RPA, l'automatisation du support client et la gestion de la relation client ont déjà montré des trajectoires de valeur claires.

##### 1. Développement logiciel : du codage assisté à l'ingénierie autonome

Les assistants de codage IA évoluent vers de véritables agents d'ingénierie logicielle. Gartner prédit que dans les trois prochaines années, les agents d'IA rédigeront la majorité du code d'entreprise, ce qui exigera des ingénieurs qu'ils redéfinissent leur rôle. Sheldon Monteiro, de Publicis Sapient, explique que les agents de codage écrivent non seulement le code, mais que des agents indépendants sont également chargés de le relire. Grâce à l'intégration de la chaîne d'outils DevOps, les agents peuvent générer des cas de test à partir des spécifications et effectuer une acceptation automatique des artefacts répondant aux critères.

La pratique de MITRE constitue une référence concrète. Son CTO, Charles Clancy, explique que l'entreprise a développé des agents d'IA dédiés à la gestion des dépôts de code. Face aux codes sources obsolètes, l'agent télécharge automatiquement, tente la compilation, et en cas d'échec, répare le script de construction ou le code, puis renvoie le résultat au dépôt, tout en indiquant la source des modifications. Ce « bibliothécaire numérique » devient un besoin réel.

##### 2. La mise à niveau du RPA : de l'exécution de règles à la prise de décision intelligenteRPA a toujours été l'outil fondamental de l'automatisation d'entreprise, mais elle est limitée par les parcours basés sur des règles. Les agents d'IA élargissent considérablement les frontières des capacités de la RPA. Monteiro souligne que les agents d'IA peuvent comprendre les subtilités de la logique d'exception et traiter des problèmes complexes nécessitant des décisions de haut niveau. Shae Khan de l'IBM MIT AI Lab prédit que les agents d'IA renforceront, voire remplaceront partiellement, la RPA traditionnelle, tandis que la RPA continuera de servir les scénarios répétitifs à base de règles. Leur synergie permet de réaliser le saut de l'automatisation à l'autonomisation.

##### 3. Automatisation du support client : des chatbots aux agents d'intention

Le service client est l'un des terrains les plus matures de l'IA agentique. Glenn Nethercutt, CTO de Genesys, définit l'IA agentique comme une « capacité d'exécution de tâches multi-étapes fondée sur le raisonnement ». Les chatbots traditionnels ne peuvent qu'apparier des mots-clés, tandis que les agents d'IA peuvent comprendre des besoins complexes. Par exemple, un client de banque peut dire « transférez l'argent du compte ayant le solde le plus élevé vers le compte chèque » ; l'agent doit comprendre le concept dynamique de « compte ayant le solde le plus élevé » et exécuter une opération entre comptes.

Les scénarios vocaux sont également en pleine mutation. L'AI Receptionist de RingCentral peut répondre automatiquement, prendre des rendez-vous, router les appels et capturer des informations. Après l'adoption de cette solution par Integral Recruiting Services, 93 % des appels sont traités automatiquement par l'IA, ce qui réduit considérablement les interruptions de l'équipe de recrutement.

##### 4. Gestion de la relation client : un moteur de croissance piloté par les agents

Dans le domaine de la réussite client, des cas de collaboration multi-agents ont vu le jour. Le système multi-agents développé par la société de données Monte Carlo gère des dizaines de comptes sans équipe client dédiée. Le système analyse en continu l'utilisation des produits, les données CRM, les conversations clients, les calendriers de renouvellement, etc., et détermine automatiquement s'il faut lancer une assistance à l'intégration, saisir des opportunités d'expansion, effectuer un contact de renouvellement ou escalader le traitement.

Dans le domaine du commerce électronique, Bloomreach fusionne la génération de contenu et l'analyse de données en un agent marketing. La marque de distribution 260 Sample Sale utilise l'agent marketing Loomi pour cibler avec précision les clients à forte intention, générer automatiquement des communications personnalisées, optimiser l'exécution des campagnes, pour finalement parvenir à une multiplication par 2,4 du taux de conversion, avec une précision de ciblage de l'audience de 82 %.

#### Impact sur le marché : un changement de paradigme dans la logique de l'automatisation

Le point commun de ces cas d'usage est que les agents d'IA commencent à assumer le rôle de « sujet responsable ». Pour les entreprises, cela signifie une réduction des coûts d'exploitation, une amélioration de la rapidité de réponse, ainsi qu'une réaffectation des ressources humaines vers des travaux créatifs à haute valeur ajoutée. Pour les clients, la disponibilité des services et le degré de personnalisation s'amélioreront. Pour les investisseurs, l'IA agentique est en train de changer le point d'ancrage de la valeur des logiciels d'entreprise, passant des « systèmes d'enregistrement » aux « systèmes d'action ».

Cette transition se répercutera également sur la couche d'infrastructure : les besoins de l'IA agentique en matière de raisonnement en temps réel, d'appel d'outils et de mémoire à long terme stimuleront la croissance à grande échelle de la puissance de calcul, des services cloud et des API de modèles.#### Paysage concurrentiel : qui en profite, qui subit des pressions

Les bénéficiaires comprennent trois catégories : premièrement, les éditeurs de logiciels applicatifs qui détiennent les points d’entrée des données, comme les CRM, ERP et SaaS verticaux ; deuxièmement, les fournisseurs d’infrastructures IA, y compris les fournisseurs de cloud, les fabricants de GPU et les fournisseurs de modèles ; troisièmement, les cabinets de conseil et intégrateurs de systèmes, tels qu’EY et Publicis Sapient, qui obtiendront de nombreuses commandes dans la refonte des processus et l’orchestration des agents.

Les principaux sous pression sont les fournisseurs traditionnels de RPA. S’ils ne parviennent pas rapidement à passer des règles à l’intelligence, ils pourraient être remplacés par des solutions nativement IA. De plus, les postes qui dépendent fortement du travail manuel pour le tri des tickets, la vérification des données et le support client de premier niveau devront également être ajustés.

Il convient de noter que des applications d’agents IA sont déjà apparues dans des secteurs comme l’aérospatiale et la défense, ce qui pourrait constituer la prochaine source de diffusion de l’innovation.

#### Conseils aux entreprises : trois actions prioritaires

Les entreprises devraient envisager en priorité trois actions :

1. Commencer par des scénarios à forte valeur ajoutée et à faible risque, comme la correction de code, le routage du support client et l’identification des leads marketing, en se concentrant sur un retour sur investissement (ROI) mesurable. 2. Décloisonner l’intégration et la gouvernance des données, en garantissant que les agents puissent accéder à des données unifiées sur les clients, les processus et l’activité, et en établissant des normes d’utilisation des données. 3. Mettre en place des mécanismes de vérification humaine et de limites de permissions, afin de valider la fiabilité tout en conservant une soupape de sécurité pour les situations anormales.

#### Perspectives : des 12 prochains mois à 3 ans

Au cours des 12 prochains mois, l’IA agentique sera déployée à grande échelle dans le génie logiciel, le support client, les opérations informatiques, etc., mais il s’agira globalement encore d’une phase d’amélioration de l’efficacité.

Au cours des 24 prochains mois, les agents passeront de processus ponctuels à une collaboration interservices ; des scénarios complexes comme la chaîne d’approvisionnement et la finance verront émerger des applications matures. Parallèlement, des mécanismes réglementaires tels que l’AI Act de l’UE renforceront les exigences d’explicabilité pour les agents autonomes.

Au cours des 3 prochaines années, l’IA agentique pourrait devenir la couche standard des systèmes d’exploitation d’entreprise ; le code, les processus et les interactions clients pourraient tous être pilotés par des agents. La compétitivité des entreprises dépendra de plus en plus de la qualité de leurs actifs de données et de leur capacité d’orchestration des agents.