La révolution de l’agentique IA en marche  

Nous assistons aujourd’hui à la première vague de déploiement d’agents IA dans les entreprises. Les agents se caractérisent par leur capacité à « raisonner », déclencher des actions, et s’améliorer au fil des interactions. C’est une rupture majeure par rapport aux logiques de co-pilote et d’automatisation classique : l’agent IA doit être considéré telle une ressource (Persona) de l’organisation. Une parfaite intégration des agents IA dans les processus bout en bout apparaît être une condition du succès pour porter toute la valeur attendue auprès du client et de l’entreprise. Notre observatoire de l’IA générative, basé sur plus de 2700 répondants (CxO, CTO, CMO), révèle un élément clé : pour 22 % des répondants, le premier facteur de succès est l’intégration de l’agentique dans les processus métiers et le quotidien des équipes.   

Cela suppose une réflexion de fond sur les rôles, et les responsabilités des agents : quelle valeur attendue ? Quelle exposition vis-à-vis des clients et de l’interne ? Quelle montée en puissance et contrôle humain dans le dispositif ? Ces questions structurent assurément les cas d’usages et la trajectoire des programmes d’adoption à la révolution agentique. 

4 tendances observées sur les plus de 30 Proofs of Concept réalisés dans le réseau en au premier trimestre 2025  

Deloitte Digital a accompagné plus de 30 Proofs of Concept d’Agentforce, l’agent conversationnel développé sur la plateforme Salesforce. Voici quelques apprentissages remontés à travers ces projets : 

• Plus de 15 cas d’usage identifiés soulignent le champ des possibles avec les agents et surtout l’adéquation nécessaire avec le contexte spécifique à chaque entreprise. Cf. illustration : 2 cas sont prédominants : la gestion de demande (représentant 15 %) et la gestion de dossiers client (avec 25 %), les autres cas étant autour de 5 %. 
• Plus de 70 % des agents sont orientés service, marquant une emphase forte des entreprises sur ce périmètre avec des leviers d’efficience et de valeur additionnelle aux activités humaine. 
• 35 % des agents sont exposées clients pour des activités à périmètre faiblement risqué, marquant une forme de précaution et d’apprentissage nécessaire pour passer à un stade plus avancé. C’est la raison pour laquelle une boucle humaine est parfois conservée. 
• Des initiatives sont présentes sur l’ensemble des industries de manière assez égales : automobile, consommation grand public, énergie, finance, science de la vie, vente de détail, etc. 

Envie d’en savoir plus sur ces Proof of Concept ? Ecoutez Arnaud Le Pestipon en parler dans le Podcast Expériences. 

Deux exemples concrets :  

Les cas d’usages se multiplient dans tous les secteurs. Voici deux exemples pour les illustrer :  

Banque – Canada 

Un acteur du crédit proposait à son public (par exemple : nouveaux arrivants sur le territoire, étudiants, etc.) une page web pour sélectionner une carte de crédit, avec cette contrainte pour le client de beaucoup cliquer et de balayer de manière laborieuse les conditions générales. Pour offrir une interaction dans un langage plus naturel, un agent a été positionné pour gérer les demandes des clients, recommander des solutions et initier la demande de carte. Si le client est intéressé, la demande est prise en compte et dans une 1ère version du dispositif, un agent appel pour valider le dossier.  

Retail – États-Unis 

Un distributeur confronté à une forte volumétrie d’emails concernant les commandes (suivi, retards, livraison) a mis en place un agent pour automatiser la réponse. 6 000 emails par mois ont ainsi été pris en charge avec, dans un premier lot, une boucle de validation humaine conservée.  

Premier défi identifié : poser une vision de l’agentique  

Deux constats majeurs émergent des retours terrain : 

1. La vision agentique est encore floue dans de nombreuses directions générales. Cela freine l’identification des cas d’usage prioritaires. 
2. Le besoin d’accompagnement au changement est supérieur aux transformations digitales classiques. L’agent IA modifie en profondeur les logiques de travail et de responsabilité.  

Pour réussir, il est essentiel de structurer une trajectoire exploratoire en trois temps : 

• Définir une vision et des cas d’usage périmétrés et offrant un bénéfice concret et mesurable 
• Chercher un équilibre entre ROI court terme et structuration long terme 
• Travailler en co-construction avec les métiers dès l’idéation pour intégrer l’agent dans une logique bout en bout 

Deuxième défi : adapter les méthodes sur projet 

Un constat issu des projets réalisés : le défi de la précision implique de repenser le modèle de travail. L’enjeu n’est pas dans les plus de 70 % de précision, l’agent vous y emmènera assez rapidement, mais dans le fait de toucher les plus de 90 %. Cela a des implications concrètes : on passe d’un cycle de TESTING à un cycle de TUNNING. Le temps des phases de test classique est révolu avec un agent. Les ratios de pilotage sont répartis équitablement à 50/50 entre la conception et le tunning.   

Pour réussir cette adaptation, quelques adaptations concrètes s’imposent :  
 

• Mettre l’emphase sur la donnée d’exploitation :  
  L’agent délivre un contenu selon la manière dont on l’alimente. C’est le grand retour des chantiers de connaissance. Il faut structurer le contenu et s’appuyer sur des méthodes KCS (Knowledge Centered Service).   
• Structurer les fondamentaux d’implémentation : 
  • Définir précisément le périmètre de l'agent 
  • Configurer et checker soigneusement les permissions de l'agent 
  • Bien définir la gestion des escalades… et peut être privilégier le contrôle humain au démarrage pour sécuriser une étape vers l'automatisation complète vis-à-vis du client  
• Professionnaliser la phase de Tunning : 
  • Avancer par affinage successif (le modèle en entonnoir ne marche plus) 
  • Prévoir plus de temps d’experts sur le phasing (là ou avant on cherchait à limiter la charge des internes) 
  • Organiser une boucle courte entre développeurs et testeurs 

Trois impératifs pour sécuriser la valeur de l’agent IA 

1. Conformité règlementaire : il est impératif de gérer une conformité stricte au règlement européen sur l’intelligence artificielle (EU-AI Act) depuis février 2025, toute fonctionnalité jugée « inacceptable » (exploitation de vulnérabilités, inférence émotionnelle, reconnaissance faciale, etc.) Est strictement interdite sous peine de sanctions pouvant atteindre 7 % du chiffre d’affaires. 
2. Business case : il est nécessaire de clarifier le business case, la rentabilité d’un agent doit être appréciée à l’aube de la volumétrie et de la valeur réellement créée, notamment si celui-ci est exposé coté client.  L’effet levier sur la rentabilité lié à un cas d’usage mal apprécié peut s’avérer être un bloqueur pour poursuivre l’activité de l’agent. 
3. Maîtrise du contenu : il faut mettre des garde-fous dans l'agent lui-même dans ce qu'il peut faire et ne pas faire. Notamment, il faut bien définir la gestion des escalades… et privilégier le contrôle humain au démarrage pour sécuriser une étape vers l'automatisation complète vis-à-vis du client.