Altman, Zuckerberg, Musk… à écouter la Silicon Valley en début d’année, nous allions tous avoir un super assistant numérique, capable d’agir pour nous dans le monde réel : faire nos courses, gérer nos mails, organiser nos vies. Pas encore une super intelligence, mais au moins un sparring partner qu’on brieferait en deux lignes avant de le laisser travailler en autonomie.

Un an plus tard, soyons honnêtes : on en est loin. Et ce n’est pas forcément une mauvaise nouvelle : la vraie révolution des agents IA ne se joue pas chez le grand public, mais dans les organisations.

La déception des agents grand public

Côté grand public, les agents sont surtout une belle promesse marketing. L’Operator de ChatGPT, censé faire nos achats à notre place, reste lent, limité, peu fiable. Les navigateurs IA (Genspark, Atlas de ChatGPT, Comet de Perplexity… ) ne sont, dans la plupart des cas, qu’une version web de leur IA habituelle. Dès qu’on leur demande de vraiment naviguer, cliquer, remplir des formulaires à notre place, tout devient lent, buggé, ou carrément bloqué (Amazon refuse par exemple les agents de Perplexity).

Même chose pour nos emails ou nos fichiers : pour de bonnes raisons de sécurité, ces agents ont rarement un vrai accès profond à nos données. Et si on leur donnait, ils deviendraient des cibles rêvées pour le piratage. Bref, l’agent autonome grand public, ce n’est pas pour demain. Mais ce n’est peut-être pas là que se joue la vraie révolution.

La Silicon Valley nous aurait menti ?

L’IA progresse vite, mais beaucoup moins vite que ne le vend la Silicon Valley pour faire rêver des investisseurs à qui l’on réclame désormais des centaines de milliards de dollars.

Non, les capacités de l’IA ne vont pas exploser de façon exponentielle sur tous les cas d’usage. Contrairement au mythe de l’IA qui “s’auto-améliore”, les modèles actuels ont un problème très simple : ils ne savent pas vraiment quand ils ont raison ou tort, sauf si on leur fournit un feedback massif, coûteux et humain.

Résultat : L’IA écrit déjà des premiers jets d’applications et fera bientôt des tutos ou des romans “corrects”. Elle pourra générer des films de Noël entiers, tout à fait regardables, mais elle aura encore du mal à produire des blagues vraiment originales, à comprendre finement le contexte, à enchaîner des décisions causales complexes dans le monde réel. En attendant de nouvelles formes d’IA capables de mieux comprendre le monde, les super-agents généralistes resteront donc limités. Ce n’est pas grave : ce n’est tout simplement pas là que se trouve l’avenir à court terme pour les pros.

L’agent est mort, vive les agents !

Les premiers agents utiles sont déjà en train d’entrer dans nos outils métier. Très spécialisés, branchés à un CRM, à un outil financier, à un back-office e-commerce, ces agents ne cherchent pas à “tout faire”, mais à faire très bien une poignée de tâches répétitives et structurées. Demain, on pourra briefer directement son CRM ou son outil d’analytics pour obtenir un rapport solide, adapté à son organisation, plutôt qu’un dashboard standard.

Problème : ces surcouches IA sont souvent fermées, limitées à quelques usages génériques et ne reflètent pas les spécificités de chaque entreprise. L’avenir, ce sont donc des agents spécialisés, conçus pour une organisation donnée, branchés à ses données structurées ou non, et guidés par une vraie définition de ce qui est “important” pour elle. Quitte à réintroduire, sur certains sujets, de bonnes vieilles arborescences de règles et de causalité, quand le pur LLM ne suffit pas.

Tous chefs d’orchestre

En 2025, l’offre d’outils pour orchestrer des agents explose : n8n, Dust, Zapier, Bedrock chez AWS, et bien d’autres. 2026 verra leur généralisation dans les organisations les plus agiles. Contrairement à ce que l’on pourrait croire, le principal frein ne sera pas technique. Même si connecter des outils, structurer la donnée et les droits d’accès n’est pas à la portée de tous, le vrai blocage sera ailleurs : dans l’absence de processus clairs pré-existants dans l’entreprise.

Dans cette “agentification”, il ne faudra surtout pas commencer par des cathédrales. Il faudra identifier quelques agents simples, à très forte valeur ajoutée, et les monter progressivement en puissance.

Par exemple, côté sales et marketing, on peut imaginer un agent extracteur de listes de cibles pertinentes dans le CRM ; un détecteur des signaux de chaleur commerciale ; un enrichisseur de profils via des recherches en ligne, un rédacteur d’emails ultra-personnalisés…

Au début, chaque agent sera déclenché manuellement séparément. Puis au moment venu, on les laissera s’orchestrer entre eux : un “agent chasseur” pourra, à partir d’un brief général, aller chercher dans le CRM les bons prospects, prioriser les plus chauds, enrichir leurs profils et préparer les séquences d’emailing.

Avec, évidemment, des moments de contrôle humain bien définis : validation des listes, validation des messages, etc. Car en 2026, vous entendrez autant parler d’“agents IA” que de “human-in-the-loop” : l’indispensable garde-fou qui garantit la qualité… et évite que le système n’explose.