En 2025, vous parliez de chatbots. En 2026, vos concurrents parlent d'agents. Et 80 % d'entre eux échouent à les mettre en production — pas par manque de technologie, par manque de gouvernance. Selon , plus de 40 % des projets d'IA agentique seront annulés d'ici fin 2027. Pourtant, McKinsey évalue le potentiel de l'IA générative à . Le delta se joue ici : sur la définition même de ce qu'est un agent IA en entreprise, sur ce qu'il sait faire, et sur la façon de le déployer sans casse.
Définition : agent IA, la version courte
Un agent IA en entreprise, c'est un système logiciel qui combine un grand modèle de langage (LLM), un accès à des outils (API, ERP, CRM, base documentaire), une mémoire (court et long terme) et une boucle de raisonnement, pour atteindre un objectif métier en autonomie supervisée.
Trois mots à retenir : objectif, outils, boucle.
- Objectif : on ne demande pas une réponse, on demande un résultat. « Réconcilie les 12 000 lignes de l'extranet avec le grand livre, signale les écarts > 500 €, prépare l'écriture de régularisation. »
- Outils : l'agent appelle des fonctions concrètes — lire un PDF, interroger Snowflake, créer un ticket ServiceNow, envoyer un mail Outlook. Le standard 2026 pour brancher ces outils, c'est le défini par Anthropic.
- Boucle : l'agent planifie, exécute, vérifie, recommence si besoin. Il n'est pas figé sur un script.
Voilà. C'est ça, un agent. Le reste, c'est de l'ingénierie.
Chatbot, RPA, agent : la confusion à dissiper
On voit encore en COMEX des slides qui mélangent chatbot, RPA et agent IA dans le même tableau. C'est trois mondes différents.
- Chatbot (2018-2023) : arbres de décision figés, mots-clés, mémoire de session courte. Cas type : FAQ niveau 1. Coût build 5-30 k€.
- RPA (UiPath, BluePrism) : règles déterministes record/replay, casse au moindre changement d'écran. Cas type : réconciliation Excel répétitive. Coût 30-150 k€ + maintenance lourde.
- Agent IA (2024+) : raisonnement probabiliste, langage naturel, MCP, mémoire court + long terme (RAG, vector DB), forte adaptabilité sous garde-fous. Cas type : triage sinistres multilingue, revue contractuelle. Coût 28-400 k€ selon profondeur.
Le chatbot répond. La RPA copie-colle. L'agent agit. Et c'est cette capacité d'action — sous gouvernance — qui rebat les cartes.
Les 4 capacités qui définissent un agent IA en 2026
1. Raisonnement long contexte
Un agent moderne traite 200 000 tokens en entrée chez , soit l'équivalent d'un dossier juridique de 500 pages. Il garde la cohérence sur l'ensemble. Ça change la nature des cas d'usage : on peut envoyer un contrat fournisseur entier, un guide de conformité interne, une politique tarifaire, et demander une décision argumentée — pas une réponse de 3 lignes.
2. Tool use (et MCP)
L'agent appelle des fonctions. Lire un mail, créer un ticket, interroger une base SQL, déclencher un workflow Salesforce. En 2026, le standard d'interconnexion s'appelle , publié par Anthropic et adopté par OpenAI, Google, Microsoft. Chez Koneetiv, on installe MCP par défaut : il sépare proprement la logique métier (orchestration) de la couche d'intégration.
3. Memory
Un bon agent mémorise. La mémoire court terme garde le fil d'une conversation (tickets liés, demandes en cours). La mémoire long terme — typiquement adossée à un RAG vectoriel — capitalise les décisions, les politiques, les profils clients. C'est ce qui permet à un agent de service client de reconnaître un client VIP, son historique, son contrat, sans qu'on le rappelle à chaque requête.
4. Multi-step planning
L'agent planifie en avance. Il décompose un objectif en sous-tâches, exécute, vérifie ses résultats, recommence si nécessaire. C'est ce qui distingue une simple complétion de texte d'un vrai agent : la boucle de contrôle. Sur les workflows complexes (clôture comptable, KYC enrichi, sourcing fournisseur), on parle aujourd'hui de 30 à 60 étapes orchestrées en autonomie, sous supervision humaine.
À retenir
Objectif, outils, boucle. C'est la trinité qui transforme un LLM en agent. Sans la boucle, vous avez une complétion. Sans les outils, vous avez un chatbot. Sans l'objectif, vous avez un assistant générique.
La gouvernance : pourquoi 80 % des projets cassent
Anthropic le dit, McKinsey le confirme, : la barrière numéro 1 au passage en production, ce n'est plus la qualité du modèle, c'est la gouvernance. Quatre angles morts récurrents :
- Pas de zones de confiance — l'agent agit en tout-ou-rien, sans seuil de validation humaine.
- Pas d'escalades définies — quand l'agent doute, personne ne sait qui décide.
- Pas de kill switch — impossible de couper proprement en cas de drift.
- Pas de mesure — on ne sait pas si l'agent dérive, ni à quelle vitesse.
Notre méthodologie (Living Oversight & Operations Protocol) adresse ces quatre points en standard :
- 4 zones de confiance : Vert (>90 % — auto-run), Orange (70-90 % — human review), Rouge (<70 % — human decision), Noir (no-go / policy violation).
- 3 niveaux d'escalade : N1 valideur métier (≤ 4h), N2 manager/lead (≤ 24h), N3 COPIL IA + Juridique (≤ 48h).
- Alignement : ISO 42001, NIST AI RMF, AI Act EU.
- Audit-ready dès la phase pilote.
3 cas d'usage concrets, déployés en 2026
Cas 1 — Customer Agent Suite chez un retailer CAC 40
Contexte : 850 magasins, 32 millions de clients actifs, 6 canaux de support (chat, email, voix, ticket, WhatsApp, social), 14 langues européennes. Avant : 500 conseillers, temps moyen de résolution 8 min, NPS 32.
Après déploiement du module en 8 semaines : 86 % d'auto-résolution sur les requêtes niveau 1, −62 % de temps de résolution, +28 points de NPS, conseillers redirigés vers des cas à forte valeur (réclamations, fidélisation, vente conseil).
Cas 2 — Document Intelligence dans une banque mid-market
Contexte : 1 200 collaborateurs, 45 juristes, dossiers de crédit corporate de 80 à 400 pages. Le module ingère les dossiers, extrait les clauses pertinentes (covenants, garanties, ratios), pré-remplit le scoring, et propose une note de crédit motivée. Le juriste valide, ajuste, signe.
Résultat : un dossier qui prenait 6 jours est traité en 4 heures. Les juristes traitent 3× plus de volume sans recrutement, et basculent sur des dossiers complexes ou litigieux.
Cas 3 — Compliance & Legal Agent dans l'assurance
Contexte : groupe d'assurance européen, monitoring réglementaire continu (EIOPA, ACPR, Solvabilité II, AI Act, DORA, RGPD). Le module surveille les sources officielles, détecte les changements impactants, qualifie l'impact par ligne d'activité, propose les mises à jour de procédures, alerte le RCCI.
Résultat : 4× plus de textes monitorés, délai de qualification d'impact divisé par 5, conformité AI Act audit-ready avant l'échéance d'août 2026.
Le pré-requis qu'on oublie : l'AI Act
Échéance : 2 août 2026. Tous les systèmes IA classés haut risque doivent être conformes à l' — registre, gestion des risques, journalisation, supervision humaine, transparence, robustesse. La CNIL a publié sur le volet RGPD x IA.
Un agent IA en service client n'est généralement pas haut risque. Un agent en RH (recrutement, évaluation), en scoring crédit, en biométrie, oui. Pour eux, la conformité n'est pas optionnelle : c'est un prérequis de mise en production. C'est exactement ce que couvre notre offre : audit de classification, gap analysis, plan de remédiation, gouvernance LOOP™ alignée AI Act.
Comment commencer
L'erreur classique, c'est de partir directement sur un POC technique sans cadrer le terrain. Trois étapes recommandées :
- Cadrer — un audit (4-6 semaines) qui livre 3-5 quick wins activables, une roadmap 12-24 mois, une note de gouvernance LOOP™ et une stack technique validée.
- Exécuter — déploiement (programme 5 phases : Discovery → Build → Shadow → Canary → Production → Run) ou (kickstart 6 semaines pour équiper les équipes).
- Piloter — , Chief AI Officer externalisé en retainer, pour faire tenir l'effort à l'échelle.
Cadrer · Exécuter · Piloter. Trois temps, six portes. C'est l'architecture commerciale Koneetiv et c'est aussi, accessoirement, ce qui sépare un projet IA qui passe en production d'un projet qui finit en PowerPoint.
Prochain pas : réservez un audit Claude Ignite. Livrable concret : roadmap 12-24 mois + 3-5 quick wins chiffrés + note de gouvernance LOOP™ audit-ready AI Act.