La démo que toute la salle a applaudie
Plus tôt cette année, j'ai assisté à la démo d'un agent IA devant un comité de direction. L'agent lisait une demande entrante, fouillait le wiki interne, ouvrait un ticket, rédigeait une réponse et proposait une action de suivi. La salle a adoré. En cinq minutes, on parlait déjà budget et calendrier de déploiement.
Puis l'équipe a branché le même montage sur une vraie file de support, et la magie s'est vite dissipée.
La démo tournait sur un cas bien rangé : contexte riche, aucun cas limite gênant, et un ingénieur juste à côté pour rattraper le moindre faux pas. La production, elle, était plus sale. Les permissions n'étaient configurées qu'à moitié. En un seul après-midi, l'agent a répondu à partir d'une doc dépréciée depuis des mois, fusionné deux politiques clients distinctes dans une même réponse pleine d'assurance, et escaladé deux fois le mauvais type de ticket. Rien de tout ça ne prouve que les agents sont du vent. Ça met simplement à nu le même écart que j'évoquais dans le nouveau visage de la dette technique : une sortie qui paraît finie mais que personne ne comprend assez pour lui faire confiance.
Ce que j'ai retenu de cet après-midi-là : l'industrie quitte enfin le mode tour de magie pour le travail ingrat du design de workflow.
Ce qui change quand un agent rejoint le vrai travail
Une démo se contente d'une formule du genre « l'agent raisonne à travers vos outils ». Un vrai workflow vous oblige à répondre aux questions que la démo n'a jamais posées : quelle tâche exacte est-ce que je délègue ? De quel contexte l'agent a-t-il besoin pour l'exécuter sans danger ? Où s'arrête son autorité et où commence celle d'un humain ? Que se passe-t-il quand il n'est pas sûr, et qui assume quand la sortie est fausse ? Ces questions constituent l'essentiel du produit.
C'est aussi pour ça que la prochaine vague vraiment utile de l'IA sera moins théâtrale que la première. Elle sera plus modeste et plus réfléchie. Le guide d'Anthropic sur la construction d'agents efficaces(lien externe, nouvel onglet) défend la même idée côté ingénierie : les motifs simples et composables battent souvent l'autonomie sophistiquée. Les agents qui s'imposeront ne seront pas ceux qui ont l'air les plus malins, mais ceux qui s'insèrent proprement dans un travail déjà inscrit au planning de quelqu'un.
Là où les agents gagnent déjà leur place
En engineering, c'est un agent qui ouvre une PR de mise à jour à la Dependabot, qui résume des logs bruyants avant le triage d'astreinte, ou qui avale une migration de code répétitive. En support, c'est regrouper les tickets similaires, rédiger la première réponse qu'un humain corrigera ensuite, ou router les cas quand la confiance dépasse un seuil. En opérations, c'est enrichir des dossiers ou rassembler le contexte dont une personne a besoin avant de trancher. Le fil rouge : un travail borné avec un endroit évident où un humain peut regarder. Dans chaque cas, l'agent ne remplace pas le jugement. Il comprime le travail de préparation qui l'entoure.
C'est là que beaucoup d'organisations trébuchent encore. Elles demandent si un agent peut « gérer le support » ou « aider les développeurs », mais ce sont des départements, pas des tâches. La vraie unité d'adoption, c'est une seule tâche bornée avec un passage de relais propre, pas une case de l'organigramme.
Quatre conditions avant de confier un workflow à un agent
D'abord, une surface d'exploitation étroite. Donnez une tâche vague à un agent et il improvisera, ce qui charme sur scène et coûte cher en production. Précisez les entrées autorisées, les outils auxquels il peut toucher, et à quoi ressemble vraiment un bon résultat.
Ensuite, un modèle de contexte que vous pouvez voir et maîtriser. Les agents échouent en silence quand leur contexte manque, est périmé ou se contredit. Il vous faut une source de vérité claire pour la documentation, les politiques et les schémas qu'ils consultent, et un moyen de savoir quand ils travaillent sur quelque chose qui n'est plus à jour.
Troisième condition, une porte de revue placée selon le rayon d'impact. Plus l'erreur coûte cher, plus l'humain reste près de l'action finale. Toutes les tâches n'exigent pas le même point de contrôle, mais tout workflow qui mérite d'exister en a un quelque part. « Human in the loop » n'est pas un slogan, c'est un choix de conception, et de plus en plus une décision de gouvernance intégrée au produit.
Enfin, de l'observabilité. Quand un agent choisit une trajectoire, appelle un outil ou déclenche un travail en aval, quelqu'un doit pouvoir reconstituer ce qui s'est passé. C'est la même discipline de monitoring que la pratique SRE de Google(lien externe, nouvel onglet) impose aux systèmes de production depuis des années. Sautez-la et vous achetez de l'automatisation sans aucune responsabilité attachée.
Rien de tout ça n'est anti-innovation. C'est la frontière entre un système sérieux et une performance convaincante.
La question du coût qu'on ne peut plus esquiver
Dès que les agents touchent au vrai travail, la conversation sur l'argent bascule. Un agent de workflow doit gagner sa place face au temps économisé, aux reprises évitées et au coût des erreurs qu'il introduit.
Les équipes scrutent donc beaucoup plus attentivement les usages, le coût de la revue humaine et la dépense totale. C'est la facture complète de l'IA qui dépasse largement le coût des tokens. Plus personne de sérieux ne compte les prompts ; la vraie question est de savoir si le workflow s'est assez amélioré pour justifier son empreinte. L'adoption devient ici inégale : une équipe au travail structuré et révisable obtient un vrai effet de levier, tandis qu'une équipe au process ambigu et politiquement chargé récolte surtout du bruit plus rapide.
Par où commencer si vous êtes une équipe produit
Ne vous jetez pas sur votre workflow le plus chaotique. Prenez le plus propre, et traitez l'agent comme tout autre outil d'IA générative qu'un product owner adopte, pas comme une exception magique.
Cherchez une tâche avec un travail préparatoire répétitif, une définition de succès claire et une boucle de revue peu coûteuse. Réglez la limite d'approbation avant d'écrire le moindre prompt. Suivez la vitesse et la reprise ensemble, parce que la vitesse seule ment, et notez les échecs tôt au lieu de les enterrer. Posez ensuite la seule question qui compte : le travail s'est-il vraiment amélioré, ou la démo est-elle juste devenue plus divertissante ?
Le takeaway
Les agents deviennent intéressants précisément parce qu'ils deviennent moins magiques. Ils quittent la conversation ouverte pour entrer dans des systèmes de travail bornés, là où se trouve justement la valeur, et la responsabilité avec elle.
Les équipes qui gagneront ne seront pas celles aux démos les plus tape-à-l'œil. Ce seront celles qui transforment des workflows étroits et supervisés en levier qu'elles peuvent répéter, sans faire semblant qu'un agent dispense d'assumer le résultat.
