- \n
- Un agent IA est plus qu’un chatbot : il re\u00e7oit une t\u00e2che, travaille de fa\u00e7on autonome et utilise pour cela une m\u00e9moire (memory) et des outils (tools), afin d’acc\u00e9der \u00e0 des syst\u00e8mes comme le CRM ou l’ERP.<\/li>\n
- Les agents sont r\u00e9ellement utilis\u00e9s – mais plus lentement et de fa\u00e7on plus faillible que le hype ne le sugg\u00e8re. Nous sommes dans la phase des essais, pas dans celle de l’automatisation totale de services entiers.<\/li>\n
- Bien d\u00e9marrer signifie : choisir des cas d’usage simples, \u00e0 faible exigence de pr\u00e9cision, et non des processus hautement critiques comme les formulaires fiscaux.<\/li>\n
- Il reste plus d’humains dans le processus (“human in the loop”) que beaucoup ne s’y attendent. Le contr\u00f4le et la tra\u00e7abilit\u00e9 sont centraux.<\/li>\n
- Seuls environ 15 pour cent des entreprises interrog\u00e9es ont des agents en production – qui commence maintenant fait partie de ceux qui bougent t\u00f4t.<\/li>\n<\/ul>\n<\/div>\n
![\"Comparaison](\"https:\/\/pletzenauer.com\/wp-content\/uploads\/2026\/06\/1493-1.png\")
Recommandation du CEO de crewAI, Joe Mora : commencer simplement et passer \u00e0 l’\u00e9chelle \u00e0 partir de l\u00e0.<\/figcaption><\/figure>\n Ce qu’est r\u00e9ellement un agent IA<\/h2>\n
Les grands mod\u00e8les de langage, comme ceux derri\u00e8re ChatGPT ou Claude, sont au fond tr\u00e8s bons pour pr\u00e9dire le mot suivant et produire des contenus. Ils r\u00e9digent un e-mail, le rendent plus d\u00e9contract\u00e9 sur demande et peuvent m\u00eame choisir entre deux variantes en motivant leur choix – une sorte d’\u00e9valuation rudimentaire.<\/p>\n
Un agent utilise exactement cette capacit\u00e9 pour r\u00e9fl\u00e9chir \u00e0 un probl\u00e8me de fa\u00e7on autonome. La diff\u00e9rence avec le chat : vous donnez une t\u00e2che \u00e0 l’agent et vous pouvez quitter la pi\u00e8ce. Il tente alors, seul, d’atteindre un objectif en plusieurs \u00e9tapes. Mora le r\u00e9sume ainsi : un agent a besoin d’agency<\/strong>, c’est-\u00e0-dire de capacit\u00e9 d’action.<\/p>\n
Deux composants sont typiques pour cela :<\/p>\n
- \n
- Memory (m\u00e9moire) :<\/strong> pour que l’agent conserve des informations d’une \u00e9tape \u00e0 l’autre – \u00e0 court et \u00e0 long terme.<\/li>\n
- Tools (outils) :<\/strong> des interfaces vers d’autres syst\u00e8mes comme le CRM, l’ERP ou des services de recherche, afin que l’agent puisse agir par procuration.<\/li>\n<\/ul>\n
Le test de r\u00e9alit\u00e9 : lent, mais utile en arri\u00e8re-plan<\/h2>\n
L’exemple retenu est “Operator” d’OpenAI, disponible dans la variante ChatGPT Pro pour environ 200 dollars US par mois. L’agent pilote un navigateur et peut par exemple rechercher des h\u00f4tels, des vols ou des restaurants. Le jugement port\u00e9 dans l’entretien est sobre : Operator est lent et parfois laborieux – environ dix fois plus lent qu’un humain sur la m\u00eame t\u00e2che.<\/p>\n
Le point d\u00e9cisif : pour des t\u00e2ches qui peuvent tourner en arri\u00e8re-plan, la lenteur ne joue gu\u00e8re de r\u00f4le. Mora d\u00e9crit comment il utilise des agents pour ses publications sur les r\u00e9seaux sociaux : saisir l’id\u00e9e, aller chercher un caf\u00e9, continuer \u00e0 travailler – et le brouillon est pr\u00eat \u00e0 son retour. Il exp\u00e9die ainsi r\u00e9guli\u00e8rement quelque chose qu’il laissait autrement de c\u00f4t\u00e9 faute de temps.<\/p>\n
Id\u00e9e centrale :<\/strong> la latence n’est pas critique lorsqu’une petite “arm\u00e9e” d’agents traite des t\u00e2ches en arri\u00e8re-plan pendant que vous vous consacrez \u00e0 plus important.<\/p><\/blockquote>\n
Confiance et contr\u00f4le : pourquoi l’humain doit rester visible<\/h2>\n
Une question centrale des agents autonomes est la logique d’utilisation : l’agent doit-il simplement signaler une r\u00e9servation de restaurant comme “faite”, ou doit-on pouvoir le regarder travailler ? Operator mise sur le fait de laisser l’agent travailler visiblement et de pouvoir intervenir \u00e0 tout moment.<\/p>\n
Cela tient \u00e0 deux raisons : la s\u00e9curit\u00e9 et la confiance. On voit ce qui se passe et on peut corriger. Un exemple d’avertissement tir\u00e9 de l’entretien : un premier agent de messagerie ne devait cr\u00e9er que des brouillons, mais s’est mis \u00e0 envoyer de lui-m\u00eame des courriels parfois curieux. En entreprise justement, la r\u00e8gle vaut : qui automatise un processus critique veut pouvoir le visualiser, le contr\u00f4ler et le v\u00e9rifier ensuite.<\/p>\n
Bien d\u00e9marrer : la faible pr\u00e9cision d’abord<\/h2>\n
La recommandation sans doute la plus pratique concerne le choix des premiers cas d’usage. Mora distingue faible et forte exigence de pr\u00e9cision :<\/p>\n
- \n
- Faible pr\u00e9cision (environ 90 pour cent d’exactitude suffisent) :<\/strong> par exemple un agent qui produit, \u00e0 partir de transcriptions d’entretiens ou de donn\u00e9es CRM, des brouillons de pr\u00e9sentations commerciales. Les erreurs sont ici supportables et faciles \u00e0 corriger.<\/li>\n
- Forte pr\u00e9cision (99,99 pour cent n\u00e9cessaires) :<\/strong> par exemple le remplissage de formulaires fiscaux ou administratifs. Mora \u00e9voque des formulaires de plus de 70 pages et des manuels de 620 pages – ici, rien ne doit d\u00e9railler.<\/li>\n<\/ul>\n
Le message est clair : ne commencez pas par la forte pr\u00e9cision, sinon vous vous br\u00fblerez les doigts.<\/strong> Commencez simplement et passez \u00e0 l’\u00e9chelle \u00e0 partir de l\u00e0.<\/p>\n
Quatre lignes directrices pour se lancer<\/h3>\n
- \n
- Adopter t\u00f4t :<\/strong> prenez de l’avance au lieu d’attendre.<\/li>\n
- Ne pas attendre les cas d’usage des autres :<\/strong> ne regardez pas ce que fait le groupe X – trouvez votre propre point de d\u00e9part, simple.<\/li>\n
- Commencer simplement :<\/strong> d\u00e9composez un r\u00f4le en t\u00e2ches individuelles et saisissez celles qui ont une faible exigence de pr\u00e9cision.<\/li>\n
- \u00c9tendre vers le “low risk, high impact” :<\/strong> \u00e9largissez progressivement aux cas \u00e0 faible risque et \u00e0 fort b\u00e9n\u00e9fice.<\/li>\n<\/ul>\n
Un conseil pratique tir\u00e9 de l’entretien : prenez un r\u00f4le concret – celui d’un commercial (BDR), par exemple – et faites r\u00e9partir ses t\u00e2ches entre faible et forte pr\u00e9cision. Ce sont pr\u00e9cis\u00e9ment les t\u00e2ches \u00e0 faible pr\u00e9cision qui constituent des terrains d’exp\u00e9rimentation id\u00e9aux. Pour construire, plusieurs voies existent aujourd’hui : des plateformes no-code pour les utilisateurs moins techniques, tout comme des frameworks pour les d\u00e9veloppeurs qui programment des agents en Python.<\/p>\n
Comment les entreprises utilisent les agents \u00e0 bon escient<\/h2>\n
La mauvaise approche consiste \u00e0 construire des agents comme la copie pure et simple d’un poste humain. Il est plus efficace d’automatiser des micro-t\u00e2ches isol\u00e9es, de sorte que les personnes se lib\u00e8rent pour des choses plus importantes – une forme de promotion : la responsabilit\u00e9 du r\u00e9sultat final reste chez l’humain, l’agent prend en charge le travail pr\u00e9paratoire.<\/p>\n
Un exemple issu de la pratique : une entreprise de t\u00e9l\u00e9communications automatise l’analyse de contrats. Avant qu’un contrat n’arrive au service juridique, des agents livrent d\u00e9j\u00e0 des recommandations et des modifications signal\u00e9es (“red lines”). On peut ainsi passer \u00e0 l’\u00e9chelle des choses qui \u00e9taient auparavant trop co\u00fbteuses.<\/p>\n
Quant \u00e0 l’ancrage dans l’entreprise, un sch\u00e9ma se dessine : on s’\u00e9loigne des collaborateurs isol\u00e9s qui utilisent ChatGPT en cachette, livrant peut-\u00eatre au passage des donn\u00e9es sensibles et enfermant le savoir dans des silos – pour aller vers un pilotage central, souvent sous la responsabilit\u00e9 du CIO, du CTO ou d’un Head of AI. Cela cr\u00e9e du contr\u00f4le sur les mod\u00e8les utilis\u00e9s et sur la mani\u00e8re dont les donn\u00e9es personnelles sont trait\u00e9es. Ce sont les \u00e9quipes techniques qui d\u00e9gagent la vraie grande valeur ajout\u00e9e, parce que les automatisations complexes doivent \u00eatre profond\u00e9ment raccord\u00e9es aux donn\u00e9es non structur\u00e9es et aux syst\u00e8mes propres \u00e0 l’entreprise.<\/p>\n
Des cas d’usage concrets en marketing et en vente<\/h2>\n
Trois exemples tir\u00e9s de l’entretien montrent ce \u00e0 quoi les agents servent aujourd’hui :<\/p>\n
- \n
- Enrichissement de leads avec hypoth\u00e8ses :<\/strong> lorsque quelqu’un s’inscrit pour la premi\u00e8re fois sur un site web, des agents recherchent la personne et l’entreprise. Ils formulent en outre des hypoth\u00e8ses sur la mani\u00e8re dont cette personne pourrait utiliser le produit, structurent le r\u00e9sultat en JSON et le renvoient vers HubSpot et la base de donn\u00e9es produit. R\u00e9sultat : des e-mails hyperpersonnalis\u00e9s et des aper\u00e7us produit ajust\u00e9s.<\/li>\n
- Pr\u00e9paration commerciale :<\/strong> des agents \u00e9tudient les clients en amont – par exemple via des outils de recherche comme Sonar de Perplexity. Un commercial ne se pr\u00e9pare ainsi pas forc\u00e9ment plus vite, mais mieux dans l’ensemble, et peut honorer davantage de rendez-vous. L’id\u00e9e de r\u00e9pliquer la fa\u00e7on de faire du meilleur vendeur, de sorte que tous soient pr\u00e9par\u00e9s \u00e0 ce niveau, est \u00e9galement s\u00e9duisante.<\/li>\n
- Optimisation SEO et conversion :<\/strong> des agents r\u00e9alisent des captures d’\u00e9cran du site, analysent les textes et les concurrents et en d\u00e9duisent des hypoth\u00e8ses sur ce que l’on pourrait changer. L’apport humain reste l\u00e9ger : son propre site, une description du secteur et l’objectif d’optimisation. Les agents font le reste et livrent des propositions de tests A\/B.<\/li>\n<\/ul>\n
L\u00e0 o\u00f9 attente et technique divergent<\/h2>\n
Selon Mora, le plus grand d\u00e9calage entre le hype et la r\u00e9alit\u00e9 tient \u00e0 deux points :<\/p>\n
- \n
- Plus d’humain dans le processus qu’on ne le pense :<\/strong> en ce moment pr\u00e9cis\u00e9ment, il faut nettement plus de “human in the loop”. L’automatisation int\u00e9grale de bout en bout – surtout pour des processus de haute pr\u00e9cision – n’en est pas encore l\u00e0. Les agents \u00e9chouent encore souvent en cours de route.<\/li>\n
- L’int\u00e9gration est plus lourde que pr\u00e9vu :<\/strong> dans les entreprises, il y a beaucoup de “colle” entre les syst\u00e8mes. Pour que les agents puissent naviguer ces chemins, il faut du code clair et des instructions claires. Ce n’est pas un hasard si le secteur commence par le navigateur – il y existe une interface commune. Beaucoup d’entreprises utilisent pourtant des logiciels de bureau qui ne sont m\u00eame pas en ligne.<\/li>\n<\/ul>\n
Le chiffre d’adoption est notable : sur environ 4 000 \u00e0 4 500 personnes interrog\u00e9es, seules 15 pour cent environ avaient des agents en production, et environ 23 pour cent dans les grandes entreprises. Comme ces r\u00e9pondants sont de toute fa\u00e7on technophiles, le chiffre est probablement plus bas dans l’ensemble de l’\u00e9conomie. Le message pour les d\u00e9cideurs : il est tr\u00e8s t\u00f4t – et qui d\u00e9marre maintenant fait encore partie de ceux qui bougent vite.<\/p>\n
Les agents comme futur crit\u00e8re d’embauche<\/h2>\n
Une perspective qui fait dresser l’oreille : le CEO de Microsoft, Satya Nadella, a esquiss\u00e9 l’id\u00e9e que les gens pourraient \u00e0 l’avenir \u00eatre embauch\u00e9s aussi pour les agents qu’ils se sont construits – et non plus seulement pour des certificats et une exp\u00e9rience professionnelle ant\u00e9rieure. Mora est d’accord, moins \u00e0 cause des agents eux-m\u00eames que parce qu’ils disent quelque chose de la personne. Chez crewAI, les candidats ont express\u00e9ment le droit d’utiliser tous les outils d’IA lors de l’entretien technique – qui ne le fait pas \u00e9choue. La mani\u00e8re dont quelqu’un se sert de ces outils p\u00e8se fortement dans la d\u00e9cision d’embauche.<\/p>\n
Conclusion<\/h2>\n
Nous sommes actuellement dans la phase o\u00f9 beaucoup d’entreprises essaient des agents et les mettent en production – mais pas dans la phase o\u00f9 les agents prennent en charge les effectifs. La r\u00e9alit\u00e9 sobre : les agents sont aujourd’hui souvent plus lents que les humains, ont besoin de supervision et \u00e9chouent encore r\u00e9guli\u00e8rement. Leur valeur se d\u00e9ploie sur les t\u00e2ches de fond, sur les micro-t\u00e2ches \u00e0 l’int\u00e9rieur d’un r\u00f4le et partout o\u00f9 les erreurs sont supportables. Pour les d\u00e9cideurs de PME, cela signifie : d\u00e9marrer petit et simple, commencer l\u00e0 o\u00f9 l’exigence de pr\u00e9cision est faible, garder l’humain visiblement dans la boucle et \u00e9tendre progressivement vers des cas peu risqu\u00e9s et \u00e0 fort effet. Qui proc\u00e8de ainsi accumule aujourd’hui de l’exp\u00e9rience pratique – sans c\u00e9der au hype.<\/p>\n
- L’int\u00e9gration est plus lourde que pr\u00e9vu :<\/strong> dans les entreprises, il y a beaucoup de “colle” entre les syst\u00e8mes. Pour que les agents puissent naviguer ces chemins, il faut du code clair et des instructions claires. Ce n’est pas un hasard si le secteur commence par le navigateur – il y existe une interface commune. Beaucoup d’entreprises utilisent pourtant des logiciels de bureau qui ne sont m\u00eame pas en ligne.<\/li>\n<\/ul>\n
- Pr\u00e9paration commerciale :<\/strong> des agents \u00e9tudient les clients en amont – par exemple via des outils de recherche comme Sonar de Perplexity. Un commercial ne se pr\u00e9pare ainsi pas forc\u00e9ment plus vite, mais mieux dans l’ensemble, et peut honorer davantage de rendez-vous. L’id\u00e9e de r\u00e9pliquer la fa\u00e7on de faire du meilleur vendeur, de sorte que tous soient pr\u00e9par\u00e9s \u00e0 ce niveau, est \u00e9galement s\u00e9duisante.<\/li>\n
- Ne pas attendre les cas d’usage des autres :<\/strong> ne regardez pas ce que fait le groupe X – trouvez votre propre point de d\u00e9part, simple.<\/li>\n
- Forte pr\u00e9cision (99,99 pour cent n\u00e9cessaires) :<\/strong> par exemple le remplissage de formulaires fiscaux ou administratifs. Mora \u00e9voque des formulaires de plus de 70 pages et des manuels de 620 pages – ici, rien ne doit d\u00e9railler.<\/li>\n<\/ul>\n
- Tools (outils) :<\/strong> des interfaces vers d’autres syst\u00e8mes comme le CRM, l’ERP ou des services de recherche, afin que l’agent puisse agir par procuration.<\/li>\n<\/ul>\n
- Memory (m\u00e9moire) :<\/strong> pour que l’agent conserve des informations d’une \u00e9tape \u00e0 l’autre – \u00e0 court et \u00e0 long terme.<\/li>\n