Avant-propos
Depuis plusieurs années, la boîte de discussion constitue le principal point d’entrée de l’IA d’entreprise : les employés interrogent les modèles, génèrent du contenu, organisent les informations, puis réinjectent les résultats dans les logiciels et les workflows existants. Cette approche a amélioré la productivité individuelle, sans toutefois transformer fondamentalement la structure des logiciels d’entreprise. La prochaine évolution majeure à suivre est l’intégration des Agents IA directement dans les workflows. Ceux-ci ne se contentent pas de répondre aux questions : ils comprennent les objectifs, appellent des outils, consultent les données de l’entreprise, exécutent des tâches en plusieurs étapes et transmettent les exceptions à des collaborateurs lorsque cela est nécessaire. Selon le Work Trend Index 2026 de Microsoft, le nombre d’Agents actifs au sein de l’écosystème Microsoft 365 a été multiplié par 15 en un an, tandis que leur progression dans les grandes entreprises a atteint un facteur de 18. Dans le même temps, seuls 19 % des utilisateurs de l’IA sont considérés comme des utilisateurs « Frontier », c’est-à-dire qu’ils disposent à la fois de solides capacités individuelles et d’un niveau élevé de préparation organisationnelle. Ces chiffres montrent que le principal obstacle de l’IA se déplace de « Le modèle peut-il accomplir cette tâche ? » vers « L’entreprise peut-elle créer les conditions nécessaires à un fonctionnement fiable ? »
Points clés à retenir
-
La valeur fondamentale d’un Agent IA ne réside pas dans une nouvelle interface de discussion, mais dans le passage du logiciel de « l’enregistrement du travail » à « l’exécution du travail »
-
Dans l’IA d’entreprise, l’avantage concurrentiel défendable se déplace des capacités d’un modèle unique vers les données, les autorisations, les workflows, les connexions aux systèmes et les frameworks d’évaluation
-
À mesure que les Agents se généralisent, la tarification traditionnelle des logiciels par licence utilisateur pourrait intégrer de plus en plus des frais fondés sur l’utilisation, les tâches ou les résultats
-
Les entreprises qui souhaitent déployer des Agents à grande échelle doivent repenser les approbations, la responsabilité, le contrôle qualité et les transmissions entre l’humain et la machine, plutôt que d’ajouter simplement une fonctionnalité d’IA supplémentaire
-
Plus le modèle est performant, plus la gouvernance et l’observabilité deviennent essentielles. La sécurité de l’IA passera d’une exigence périphérique à une composante centrale de l’infrastructure logicielle d’entreprise
Le véritable changement des logiciels d’IA ne réside pas dans l’ajout d’une nouvelle boîte de discussion
La plupart des produits d’IA d’entreprise lancés ces dernières années reposent encore sur un modèle familier : le logiciel stocke les données et fournit des interfaces ainsi que des workflows ; les utilisateurs prennent les décisions, cliquent et exécutent les actions ; l’IA sert de nouvelle couche d’interaction pour accélérer certaines étapes. Qu’il s’agisse de rédiger des e-mails, de générer des synthèses commerciales, d’organiser des notes de réunion ou d’aider les programmeurs à écrire du code, le principe reste le même : les utilisateurs demeurent responsables du processus principal, tandis que le modèle améliore l’efficacité dans certains domaines. Ce modèle est facile à adopter, car il ne perturbe ni la chaîne de responsabilité ni l’architecture logicielle existantes de l’entreprise. Cette contrainte limite toutefois assez clairement sa valeur potentielle.
Les Agents changent cette dynamique en faisant passer l’IA du rôle d’« assistant » à celui d’« exécutant ». Lorsqu’un Agent peut consulter les informations client, vérifier les stocks, appeler un CRM, générer un devis, lancer une approbation et poursuivre le processus en fonction du résultat, il ne gère plus une tâche isolée : il prend en charge un workflow. Le Work Trend Index 2026 de Microsoft décrit cette évolution comme un passage de la collaboration à la délégation et à l’orchestration. Le rapport note que les entreprises les plus matures transforment les workflows des Agents, les transmissions entre l’humain et la machine et les normes de qualité en processus organisationnels reproductibles. Autrement dit, la valeur des logiciels commence à passer de « faciliter les opérations pour les utilisateurs » à « faire avancer le travail de manière autonome ».
C’est pourquoi il ne faut pas évaluer la concurrence entre logiciels d’entreprise uniquement en fonction du produit doté de l’interface de discussion la plus aboutie ou du modèle fournissant les réponses les plus pertinentes. Les questions déterminantes sont les suivantes : l’Agent comprend-il le contexte métier ? Peut-il accéder aux bonnes données et aux bons systèmes ? Peut-il agir dans le cadre de ses autorisations, détecter les anomalies, acheminer les tâches vers les bonnes personnes et laisser une trace vérifiable tout au long du processus ? Le modèle est le moteur, mais le logiciel d’entreprise est finalement en concurrence en tant que véhicule complet, et non sur la seule base des spécifications de son moteur.
Les workflows deviendront l’actif produit le plus important à l’ère des Agents
Les principaux actifs des solutions SaaS traditionnelles sont souvent leur ensemble de fonctionnalités et leur interface utilisateur. Les entreprises achètent des logiciels de CRM, d’ERP, de service client et de gestion de projet parce que ces systèmes standardisent les processus métier et servent de registre numérique à l’organisation. L’arrivée des Agents ne réduit pas l’importance de ces systèmes. Elle pourrait même la renforcer : plus un Agent peut exécuter de tâches, plus il a besoin d’un environnement métier stable et structuré, doté d’autorisations clairement définies. Même l’accès au modèle le plus puissant ne transformera pas un Agent en moteur de productivité si l’entreprise ne dispose pas de données, d’interfaces et de règles fiables.
La concurrence logicielle à l’ère des Agents connaîtra donc une évolution significative. Par le passé, les éditeurs de logiciels voulaient que les utilisateurs passent autant de temps que possible sur leurs interfaces. À l’avenir, il pourrait être plus important que les Agents puissent appeler des fonctionnalités dans différents systèmes. Un Agent d’entreprise efficace n’a pas nécessairement besoin que les employés ouvrent son interface chaque jour. Il peut fonctionner en arrière-plan, consulter les e-mails, le CRM, les bases de connaissances, les systèmes financiers et les plateformes de tickets, puis exécuter une série d’actions. Le « trafic front-end » d’un produit ne reflète donc pas nécessairement sa « valeur back-end ». L’essentiel est de savoir s’il peut servir de nœud d’exécution fiable au sein d’un workflow.
Cette évolution redéfinira l’avantage défendable des logiciels d’entreprise. L’intégrité des données détermine la capacité d’un Agent à prendre des décisions pertinentes. Le système d’autorisations détermine ce qu’il peut faire. Les API et les connexions aux outils déterminent les systèmes auxquels il peut accéder. Les règles du workflow déterminent l’ordre dans lequel il doit agir. Les résultats historiques déterminent si le système peut continuer à s’améliorer. La concurrence dans le SaaS opposait autrefois fonctionnalité à fonctionnalité. Elle opposera de plus en plus workflow à workflow. Les acteurs qui contrôlent les processus métier critiques seront les mieux placés pour devenir une infrastructure des Agents, plutôt que d’être contournés par eux.
Les données, les autorisations et le contexte deviendront les nouveaux avantages défendables des logiciels
Une fois les Agents déployés dans les environnements de production des entreprises, le principal défi n’est généralement pas de générer du texte. Il consiste à déterminer précisément ce qu’un Agent doit savoir et ce qu’il est autorisé à faire. Un Agent commercial a besoin de l’historique d’un client, de l’état de son contrat et des autorisations tarifaires. Un Agent financier doit pouvoir accéder aux données comptables, mais ne doit pas pouvoir modifier librement les comptes de paiement. Un Agent informatique peut effectuer la maintenance des systèmes, mais ne doit pas contourner les approbations de sécurité. Le modèle lui-même ne résout pas automatiquement ces problèmes : il dépend de la gouvernance des données et du système d’autorisations de l’entreprise.
L’infrastructure d’IA d’entreprise développera donc progressivement une nouvelle « couche de contexte ». Celle-ci comprend non seulement les informations fournies au modèle, mais aussi la tâche en cours, l’identité de l’utilisateur, les politiques organisationnelles, les outils qu’il peut appeler, les actions nécessitant une approbation et les résultats qui doivent faire l’objet d’un contrôle humain. L’étude 2026 de Microsoft a montré que les facteurs organisationnels contribuaient plus de deux fois davantage que les facteurs individuels à l’impact de l’IA. Cela révèle un point essentiel : la productivité liée à l’IA dépend non seulement de la possession de comptes donnant accès aux modèles, mais aussi de la capacité de l’entreprise à créer un environnement dans lequel les modèles peuvent fonctionner de manière fiable.
De ce point de vue, la valeur des logiciels d’entreprise proviendra de plus en plus de la combinaison de quatre couches : les données, les autorisations, le contexte et l’exécution. Les fournisseurs de modèles peuvent continuer à améliorer leurs modèles, mais les données métier internes, les règles de processus et les structures d’autorisations ne se migrent pas facilement. Les avantages défendables les plus durables ne se trouveront donc pas nécessairement chez les entreprises qui disposent des meilleures capacités de modélisation. Ils pourraient plutôt appartenir aux entreprises qui comprennent le mieux les workflows d’entreprise, contrôlent des données métier de haute qualité et peuvent connecter les Agents de manière sécurisée aux systèmes centraux.
Les modèles économiques des logiciels pourraient passer de la « vente de licences utilisateur » à la « vente de charges de travail »
Les Agents pourraient avoir un impact plus profond sur le modèle économique du SaaS que sur les fonctionnalités des produits. Les logiciels d’entreprise traditionnels facturent généralement par licence utilisateur, car leur valeur est liée au temps que les employés consacrent à leur utilisation et aux autorisations associées à leurs fonctionnalités. Mais si un Agent peut exécuter en continu des tâches en arrière-plan, le « nombre de personnes qui se connectent » ne sera plus le seul indicateur de valeur. Les entreprises pourraient davantage s’intéresser au nombre de demandes clients traitées, de contrôles effectués, de prospects qualifiés générés, de tickets résolus et de tâches de programmation terminées.
La tarification des logiciels pourrait donc intégrer de plus en plus l’utilisation, le volume de tâches, le volume d’appels et même la valeur des résultats. Des tendances similaires apparaissent déjà : certaines entreprises de logiciels d’entreprise associent les services d’IA à l’utilisation, plutôt que de traiter les Agents comme un module complémentaire illimité inclus dans chaque forfait. Les discussions autour de la tarification de l’IA fondée sur l’utilisation, encouragées par des entreprises telles qu’Atlassian, reflètent la même question fondamentale : lorsque le logiciel commence à effectuer le travail d’une entreprise, le modèle traditionnel de tarification « un compte par personne » devient de moins en moins adapté pour décrire la valeur du produit.
Bien entendu, une tarification fondée sur les résultats ne signifie pas que le SaaS disparaîtra du jour au lendemain ni que tous les logiciels d’entreprise deviendront exclusivement fondés sur la consommation. Les entreprises auront toujours besoin de systèmes logiciels stables, de stockage des données, de gestion des autorisations et de fonctionnalités de conformité. L’évolution la plus réaliste sera probablement un modèle hybride : la plateforme de base continuera à être facturée par abonnement, les Agents seront facturés en fonction de l’utilisation ou du volume de tâches, et les automatisations à forte valeur ajoutée feront l’objet d’une tarification fondée sur les résultats. Pour les éditeurs de logiciels, ce modèle pourrait ouvrir de nouvelles perspectives de revenus, mais aussi complexifier la gestion de la volatilité des revenus, du contrôle des coûts et du ROI client.
Plus les Agents gagneront en puissance, plus les entreprises devront repenser leur organisation
Une erreur fréquente des entreprises lors du déploiement de l’IA consiste à considérer un Agent comme un nouvel employé, ou comme un Copilot plus performant, tout en conservant la structure organisationnelle et les KPI existants. Mais dès qu’un Agent commence réellement à exécuter du travail, les anciens processus peuvent eux-mêmes devenir le principal goulot d’étranglement. Une entreprise peut, par exemple, autoriser l’IA à organiser automatiquement les informations clients tout en continuant à demander aux employés de copier manuellement les données dans cinq systèmes. L’IA peut effectuer un premier contrôle, mais l’organisation peut continuer à appliquer des niveaux d’approbation conçus pour des collaborateurs humains. Le résultat est un modèle plus rapide, mais pas une organisation plus rapide.
Le « paradoxe de la transformation » mis en évidence dans le Work Trend Index 2026 de Microsoft est particulièrement révélateur : 65 % des utilisateurs de l’IA craignent de prendre du retard s’ils ne l’utilisent pas, mais seuls 13 % des répondants ont déclaré avoir été récompensés pour avoir repensé leur travail. Cela révèle une contradiction structurelle au sein des entreprises : les employés sont censés utiliser l’IA, sans être réellement habilités à modifier la manière dont le travail est effectué. La valeur des Agents dépendra en définitive de la volonté des organisations de redéfinir les rôles, les responsabilités et les transmissions, plutôt que d’acheter simplement davantage d’outils.
Les entreprises matures accorderont donc une plus grande importance aux « protocoles de collaboration entre l’humain et la machine ». Quelles tâches doivent être entièrement automatisées ? Lesquelles nécessitent une confirmation humaine ? Dans quelles circonstances un Agent doit-il s’arrêter ? Qui est responsable du résultat final ? Comment les exceptions doivent-elles être transmises ? Comment les erreurs doivent-elles être examinées ? Toutes ces questions doivent être clairement définies dans le workflow. Dans les secteurs à haut risque, ces mécanismes pourraient même devenir des critères d’achat essentiels. Un Agent ne remplace pas simplement un rôle : il redessine les limites des tâches associées à ce rôle.
La sécurité de l’IA passera d’une fonctionnalité supplémentaire à une infrastructure des logiciels d’entreprise
Lorsqu’un Agent se contente de répondre à des questions, une erreur se manifeste généralement sous la forme d’un texte inexact. Lorsqu’un Agent peut accéder à des systèmes et exécuter des actions, la nature de l’erreur change complètement. Il peut modifier des données de manière incorrecte, envoyer des informations au mauvais destinataire, déclencher une transaction de manière inappropriée, voire provoquer un incident de sécurité si les autorisations sont mal configurées. Les entreprises n’ont donc pas besoin d’un modèle « toujours exact », mais d’un système capable de maintenir les erreurs dans des limites contrôlables.
Le renforcement des capacités de l’IA entraînera donc des exigences accrues en matière de gouvernance. En septembre 2026, le scientifique en chef d’OpenAI, Jakub Pachocki, a publiquement averti dans An Alien Mind que les modèles de pointe actuels pouvaient déjà utiliser des ordinateurs, collaborer avec des humains et d’autres systèmes d’IA et mener des travaux de recherche. Il a estimé que le secteur devait aborder avec davantage de prudence la poursuite des progrès rapides de l’intelligence artificielle. Des recherches antérieures d’OpenAI soulignaient également qu’à mesure que les Agents prennent en charge des tâches plus complexes et autonomes, le besoin d’une supervision fiable continuera de croître. Les entreprises ne doivent pas se concentrer sur un scénario extrême tel que « L’IA deviendra-t-elle soudainement incontrôlable ? », mais sur une question d’ingénierie concrète : à mesure que les capacités des systèmes augmentent, l’entreprise dispose-t-elle de capacités de surveillance, d’autorisation et d’audit à la hauteur de ces capacités ?
L’infrastructure des Agents ressemblera donc de plus en plus à celle des services financiers traditionnels ou du cloud computing. La vérification de l’identité, le contrôle des accès, les journaux, l’évaluation, la détection des anomalies, la reprise en main par un humain et les politiques de sécurité devront tous devenir des composants standard. Lors de l’achat d’Agents, les entreprises pourraient demander non seulement « Que peut-il faire ? », mais aussi « Pourquoi a-t-il fait cela ? Qui peut l’arrêter en cas de problème ? Qui a approuvé cette opération ? Le système peut-il être entièrement vérifié a posteriori ? » Cela donnera naissance à une nouvelle génération de produits de gouvernance, d’évaluation et de sécurité de l’IA, tandis que ces capacités s’intégreront progressivement aux logiciels d’entreprise courants.
La véritable concurrence passera des capacités des modèles aux capacités des systèmes
L’analyse de l’ensemble de la pile d’un Agent d’entreprise révèle une structure plus complexe que la simple concurrence entre modèles. La puissance de calcul et les modèles constituent la base ; les données, le contexte, l’identité, les autorisations et les connexions aux outils forment la couche intermédiaire ; les workflows et les applications spécifiques se situent au sommet. Le marché s’est concentré sur les modèles fondamentaux, car leurs capacités déterminent si l’IA peut accomplir des tâches. Mais à mesure que ces capacités deviennent une infrastructure largement disponible, les domaines pour lesquels les entreprises sont réellement disposées à payer se rapprocheront de plus en plus de l’exécution métier.
Cela ne signifie pas que les entreprises spécialisées dans les modèles perdront leur valeur. Au contraire, les modèles restent le cœur intelligent du système, et leurs capacités de raisonnement, leur vitesse, leur coût et leur fiabilité influencent directement l’économie des Agents. Toutefois, l’avantage d’un modèle pourrait finir par ressembler à celui des ressources informatiques à l’ère du cloud computing : il est important, mais ne suffit pas nécessairement à déterminer toute la valeur du produit final. La récente restructuration par Microsoft de ses informations financières en catégories telles que « Agents and Infra » suggère également que l’IA recombine des capacités auparavant distinctes liées aux logiciels, au cloud et aux Agents afin de former un système commercial plus complet.
Du point de vue de la concurrence sectorielle, la question essentielle ne sera pas de savoir qui construit l’Agent capable de tenir la meilleure conversation, mais qui peut transformer un Agent en système de production stable. Celui-ci doit comprendre les données de l’entreprise, exécuter des actions dans plusieurs systèmes, connaître les limites de ses autorisations, assurer des transmissions claires entre l’humain et la machine et s’améliorer continuellement grâce aux résultats du travail réel. Lorsqu’un tel système entre dans les processus centraux d’une entreprise, les coûts de changement sont élevés et sa valeur est plus durable que celle d’un produit de discussion autonome.
La destination à long terme des Agents IA est de redéfinir les logiciels eux-mêmes
Le thème central de l’industrie logicielle au cours des dernières décennies a été la numérisation progressive du travail humain : d’abord en intégrant les informations dans des bases de données, puis en transformant les processus en logiciels, et enfin en reliant ces logiciels grâce à Internet et au cloud computing. Les Agents pourraient entraîner la prochaine étape. Les logiciels ne se contenteront plus de stocker des informations et de fournir des outils ; ils commenceront à comprendre les objectifs et à accomplir les tâches de manière proactive. En d’autres termes, les logiciels évolueront progressivement d’un « outil utilisé par les personnes » vers un « système qui participe au travail ».
Cette évolution pourrait modifier la manière dont les entreprises mesurent la valeur des logiciels. Par le passé, elles achetaient des logiciels pour rendre leurs employés plus productifs. À l’avenir, elles pourraient acheter des systèmes d’Agents en s’attendant directement à ce qu’une tâche donnée soit accomplie par moins de personnes et en moins de temps. La distance entre la valeur des logiciels et les résultats métier se réduira donc. Si un CRM aide simplement les commerciaux à enregistrer les informations clients, sa valeur provient principalement de l’efficacité de la gestion. Si un Agent peut identifier automatiquement les clients à fort potentiel, planifier les prises de contact, mettre à jour les dossiers, préparer les devis et suivre les résultats, il commence à participer directement au processus de génération de revenus.
L’opportunité à long terme des Agents IA ne consiste donc pas à ajouter une fenêtre de discussion à chaque produit SaaS. Elle consiste à réorganiser la couche d’exécution du travail en entreprise. Les acteurs capables de combiner les capacités des modèles, les données d’entreprise, les workflows, les autorisations et la gouvernance seront davantage susceptibles de devenir une infrastructure essentielle des logiciels d’entreprise de nouvelle génération. Pour les investisseurs et les dirigeants, l’évaluation de la valeur à long terme d’un produit d’IA devra progressivement passer de « Quelle est la puissance du modèle ? » à « A-t-il changé la manière dont le travail est effectué ? » Il pourrait s’agir de la variable sectorielle la plus importante à suivre à l’ère des Agents.
FAQ
Quelle est la différence entre un Agent IA et un Copilot ?
Un Copilot met l’accent sur l’assistance de l’IA aux actions d’une personne au sein d’un logiciel, tandis qu’un Agent met l’accent sur la capacité de l’IA à exécuter de manière autonome des tâches en plusieurs étapes autour d’un objectif. Les deux ne constituent pas des catégories de produits totalement distinctes. Il est plus pertinent de les considérer comme des points situés sur un continuum d’évolution, allant de l’assistance à la délégation, puis à l’orchestration.
Pourquoi les entreprises ne peuvent-elles pas simplement acheter le modèle le plus puissant pour résoudre le problème des Agents ?
Parce qu’un modèle ne constitue qu’une partie de la capacité intelligente. Les entreprises ont également besoin de données, d’autorisations, de connexions aux systèmes, de règles de workflow, de mécanismes d’évaluation et de capacités de reprise en main par un humain. Sans cette infrastructure, plus le modèle est puissant, plus l’impact potentiel d’une exécution incorrecte est important.
Les Agents remplaceront-ils complètement le SaaS traditionnel ?
Une restructuration est plus probable qu’un simple remplacement. Les produits SaaS qui intègrent les données centrales, les processus métier et les systèmes d’autorisations resteront l’infrastructure permettant aux Agents d’effectuer leur travail, mais leurs interfaces et leurs modèles tarifaires pourraient évoluer.
Quels éléments compteront le plus à l’avenir pour évaluer la valeur d’une entreprise spécialisée dans les Agents IA ?
Les principaux facteurs comprennent le volume de tâches réelles effectuées, la fidélisation et l’expansion de la clientèle, le coût par tâche, la profondeur de l’intégration aux workflows, les avantages défendables liés aux données et aux autorisations, ainsi que la capacité de l’Agent à générer en continu des résultats métier vérifiables, et pas seulement la qualité de ses démonstrations de modèle.
