L’IA agentique : un défi pour les entreprises face à des ambitions démesurées
Une étude menée par HBR Analytic Services avec le soutien de Cribl révèle un écart important entre les ambitions des entreprises autour de l’IA agentique et leur capacité réelle à s’industrialiser.
L’IA agentique s’impose progressivement comme une nouvelle étape dans l’adoption de l’intelligence artificielle en entreprise. Contrairement aux outils génératifs classiques, capables de produire du texte, du code ou des synthèses, les agents IA peuvent planifier, exécuter des workflows en plusieurs étapes, apprendre de leur environnement et agir de manière plus autonome. Cette évolution ouvre de nouvelles perspectives pour repenser les processus métiers et créer de la valeur, mais elle impose aussi de nouvelles exigences en matière d’infrastructure data.
Les résultats de l’étude montrent que 96 % des répondants estiment que l’IA agentique sera très ou assez importante pour la stratégie de leur organisation d’ici deux ans. Pourtant, seuls 23 % déclarent que leur entreprise dispose déjà d’une stratégie dédiée. Ce décalage illustre une difficulté majeure : les ambitions progressent plus vite que les cadres opérationnels nécessaires à leur déploiement.
Les entreprises ne peuvent donc pas aborder l’IA agentique comme un simple ajout applicatif. Pour produire des résultats fiables, les agents doivent accéder en continu à des données de qualité, issues de plusieurs systèmes, tout en respectant des règles de gouvernance claires. Or, de nombreuses organisations constatent que leur architecture data n’est pas encore prête à soutenir ce niveau d’autonomie et de complexité.
Les obstacles identifiés sont multiples. Les répondants citent notamment les risques liés à la confidentialité, le manque de compétences, l’absence de feuille de route solide, des workflows encore inadaptés et des architectures data insuffisamment préparées. Ces freins montrent que le succès de l’IA agentique ne dépend pas seulement de la performance des modèles, mais aussi de la capacité des entreprises à construire un socle data robuste, gouverné et exploitable en temps réel.
Pour Cribl, cette transformation replace la télémétrie au cœur de la stratégie IA. Les données de télémétrie ne doivent plus être vues comme un simple sous-produit technique des systèmes IT, mais comme une source d’information essentielle pour comprendre comment les applications, les utilisateurs et les agents se comportent. À me que les agents IA prennent davantage d’initiatives, cette visibilité devient indispensable pour suivre leurs actions, analyser leurs décisions et ajuster les processus.
L’étude montre aussi que l’IA agentique transforme la manière dont les organisations doivent penser la performance. Sans infrastructure adaptée, les projets risquent de rester bloqués au stade de l’expérimentation, avec des difficultés à mer le retour sur investissement, à passer à l’échelle ou à garantir la sécurité des données. Pour les entreprises, l’enjeu est donc de relier plus étroitement stratégie IA, gouvernance des données, intégration des systèmes et observabilité.
Avec cette étude, Cribl défend l’idée que l’IA agentique ne pourra pas tenir ses promesses sans une infrastructure data capable d’accompagner son passage à l’échelle. La prochaine étape de l’IA en entreprise ne se jouera pas uniquement dans les modèles, mais dans la capacité à fournir aux agents les données, le contexte et la visibilité dont ils ont besoin pour agir de manière fiable.
(Source : HBR Analytic Services, Cribl)
