À retenir
- Une démo montre le chemin idéal ; la production est surtout faite de cas limites — concevez d'abord pour l'échec.
- Commencez par la tâche et sa valeur en euros, pas par le modèle ou le framework.
- Restreignez le périmètre : une tâche accomplie de manière fiable vaut mieux qu'un agent qui fait tout mal.
- Un agent qui ne peut pas agir sur vos vrais systèmes n'est qu'un chatbot.
- Mesurez par rapport à un indicateur métier dès le premier jour, sinon vous menez une expérimentation, pas une capacité.
Le piège de la démo
Chaque semaine, nous voyons la même chose : un agent bien léché qui répond parfaitement à trois questions soigneusement choisies, épate un conseil d'administration, puis meurt discrètement dès qu'il rencontre de vrais clients, des données désordonnées et des cas limites. La démo n'est pas le produit. C'est une pièce de théâtre. Et trop d'organisations confondent les applaudissements avec des progrès.
Un agent IA qui crée de la valeur métier a une autre allure. Il est souvent moins tape-à-l'œil, plus contraint, et bien plus utile. Il accomplit une tâche précise de manière fiable, s'intègre aux systèmes que les gens utilisent déjà, et se mesure à un indicateur qui compte pour un directeur financier. C'est la barre que nous nous imposons.
Commencer par la tâche, pas par le modèle
Avant de toucher à un modèle ou à un framework, nous posons une question sans détour : quel travail cet agent retire-t-il des mains de quelqu'un, et combien vaut ce travail ? Si nous ne pouvons pas répondre à cela en une phrase, chiffre en euros ou gain de temps à l'appui, nous ne sommes pas prêts à construire.
Les bons candidats pour un agent partagent un profil :
- Une tâche répétitive, riche en règles et à fort volume
- Une définition claire du « bien fait » qu'un humain peut vérifier
- Un accès aux données que la tâche requiert réellement
- Une tolérance à l'escalade occasionnelle vers un humain
Quand ces conditions manquent, aucune ingénierie de prompt ne vous sauvera. Nous préférons le dire à un client tôt plutôt que de lui vendre une démo.
Restreindre le périmètre, puis gagner le droit de l'élargir
L'instinct de construire un agent unique qui « gère tout » est là où la valeur va mourir. Les agents généralistes sont imprévisibles, difficiles à tester et impossibles à faire confiance. Nous restreignons délibérément le périmètre : un agent qui trie les tickets de support, rédige des réponses aux fournisseurs, rapproche des factures ou qualifie des prospects entrants. Une tâche, bien faite, mesurée, puis étendue.
Un périmètre restreint rend aussi l'agent auditable. Quand quelque chose tourne mal — et cela arrivera — nous pouvons retracer exactement quelle étape a échoué plutôt que de hausser les épaules devant une boîte noire.
Concevoir pour l'échec, pas seulement pour le succès
Les démos ne montrent que le chemin idéal. La production, c'est 80 % de cas limites. Nous concevons donc d'abord les modes de défaillance :
- Des seuils de confiance qui aiguillent les cas incertains vers un humain au lieu de deviner
- Des garde-fous qui encadrent ce que l'agent peut dire et faire
- Des points de contrôle avec intervention humaine pour tout ce qui est irréversible ou coûteux
- Une journalisation et une observabilité afin que chaque décision puisse être examinée
Un agent bien conçu connaît les limites de sa propre compétence. C'est cette humilité qui le rend déployable dans une véritable entreprise.
L'ancrer dans vos données et vos outils
Un agent qui ne peut pas agir n'est qu'un chatbot. La valeur vient de sa connexion aux systèmes où le travail se fait réellement — le CRM, l'ERP, la plateforme de tickets, la base de connaissances. Cela signifie une recherche sur des contenus fiables et à jour, ainsi que la capacité de déclencher de vraies actions avec les bonnes autorisations.
Ce travail d'intégration est ingrat et c'est précisément là que les démos coupent les coins. Nous le traitons comme le cœur du projet, pas comme une réflexion après coup.
Mesurer sérieusement
Nous instrumentons chaque agent par rapport à un indicateur métier dès le premier jour : tickets résolus sans escalade, heures économisées par semaine, hausse du taux de conversion, coût par transaction. Si ces chiffres ne bougent pas, le projet ne réussit pas — aussi bonne que soit la technologie.
Nous faisons aussi tourner les agents en mode fantôme avant qu'ils ne touchent un client, en comparant leur production aux décisions humaines jusqu'à ce que nous ayons confiance en leur précision. Ce n'est qu'à ce moment que nous les laissons opérer en direct, et même alors nous conservons un filet de sécurité humain.
Le gain cumulatif
La récompense de cette discipline n'est pas un succès ponctuel. Un agent restreint, fiable et bien mesuré devient une fondation. Une fois qu'une tâche est automatisée et digne de confiance, la suivante est plus rapide à livrer parce que la tuyauterie, les garde-fous et le suivi existent déjà. La valeur se cumule — discrètement, sans mise en scène.
C'est la différence entre une expérimentation IA et une capacité IA. L'une divertit une salle. L'autre change la façon dont l'entreprise fonctionne.
Si vous évaluez où un agent IA pourrait réellement faire ses preuves dans vos opérations, nous serions ravis d'en discuter — honnêtement, y compris là où il ne conviendrait pas. Cartographions d'abord la tâche à plus forte valeur.
