Sommaire5
Il y a deux ans, l’agent d’IA autonome était présenté comme l’étape suivante évidente : un logiciel qui reçoit un objectif, choisit ses actions et les exécute sans demander. Depuis, les dirigeants qui ont essayé sont devenus plus prudents. Les enquêtes le montrent, et on aurait tort de le lire comme un échec.
Une confiance qui baisse après les premiers essais, c’est souvent une confiance qui devient réaliste. Elle pousse à faire ce qu’il fallait faire dès le départ : poser les contrôles avant de donner l’autonomie.
En bref
Dans les grandes entreprises interrogées par Capgemini, la confiance dans les agents entièrement autonomes est tombée de 43 % à 27 % en un an.
Selon le BCG, 42 % des dirigeants interrogés attendent des agents autonomes d’ici 2030, mais 5 % seulement ont les contrôles adaptés.
La validation humaine des résultats des agents progresse fortement dans les grandes entreprises américaines.
Pour une équipe de 20 à 500 personnes, l’autonomie se règle tâche par tâche, avec un responsable nommé et un retour arrière possible.
Ce que montrent les enquêtes
Toutes les enquêtes citées ici portent sur de grandes entreprises, souvent au-dessus d’un milliard de dollars de chiffre d’affaires, et viennent de cabinets qui vendent du conseil et de l’intégration d’IA. Elles ne décrivent pas une entreprise de 80 personnes. Elles décrivent en revanche ce que vivent ceux qui ont essayé les premiers, et c’est instructif.
Capgemini, qui vend du conseil, de l’intégration et de l’externalisation d’IA, a interrogé en avril 2025 1 500 dirigeants d’organisations de plus d’un milliard de dollars de chiffre d’affaires, dans 14 pays dont la France (communiqué de Capgemini).
des dirigeants interrogés font confiance aux agents entièrement autonomes, contre 43 % un an plus tôt
déploient des agents d’IA à grande échelle, et 14 % ont commencé leur mise en œuvre
jugent l’implication humaine dans les processus d’agents positive ou neutre en coût
Le dernier chiffre est le plus intéressant. Près des trois quarts des mêmes dirigeants disent que les bénéfices de la supervision humaine dépassent son coût. Autrement dit, ceux qui ont mis un humain dans la boucle ne le regrettent pas.
Aux États-Unis, l’enquête trimestrielle de KPMG, qui vend de l’audit, du conseil et des services d’IA, va dans le même sens : au premier trimestre 2026, 63 % des grandes entreprises interrogées exigent une validation humaine des résultats de leurs agents, contre 22 % un an plus tôt (KPMG US, 31 mars 2026). Les questions et les échantillons changent d’une vague à l’autre, donc l’écart indique une tendance plus qu’une mesure précise. Au troisième trimestre, 49 % avaient défini les cas à haut risque où l’agent ne décide pas seul (KPMG US, 24 septembre 2026).
Quant au passage en production, il reste rare : selon Deloitte, qui vend du conseil, de l’audit et des services d’IA, 11 % des organisations interrogées ont des agents en production, et 38 % les testent ; l’échantillon compte 500 responsables technologiques américains (Deloitte, Tech Trends 2026).
L’écart entre l’ambition et les contrôles
Le BCG, qui vend du conseil en IA, a publié le 30 septembre 2026 une étude auprès de 1 330 dirigeants dont plus de la moitié travaillent dans des entreprises de plus de 5 milliards de dollars de chiffre d’affaires. Il y trouve que 42 % attendent des agents autonomes d’ici 2030, mais que 5 % seulement ont les contrôles adaptés (BCG, The Formula for Agentic AI Value, p. 12 à 15).
Le même document liste six contrôles qu’il juge nécessaires, par ordre de poids dans son modèle : la mémoire et le contexte de l’agent, son périmètre et sa supervision, l’évaluation et le retour arrière, les outils et l’intégration, un propriétaire nommé, puis la sécurité, les traces d’audit et les garde-fous de coût. Sa règle tient en une phrase : chaque agent qui compte doit avoir un propriétaire nommé.
À retenir
L’autonomie d’un agent ne se décrète pas. Elle se mérite, contrôle après contrôle : un responsable, un périmètre, une évaluation, un retour arrière possible.
Pourquoi c’est une bonne nouvelle
Une technologie qui inspire une confiance aveugle finit mal : on lui confie trop, trop vite, et le premier incident sérieux fait tout arrêter. Une technologie dont on mesure les limites s’installe plus lentement, mais elle reste.
La baisse de confiance oblige à poser trois questions qu’on aurait dû se poser d’emblée. Que peut faire l’agent sans demander ? Qui répond de ce qu’il fait ? Comment revenir en arrière s’il se trompe ? Ces questions n’ont rien de spécifique à l’IA : on les pose à tout nouveau collaborateur. Un agent n’est ni plus ni moins qu’un exécutant à qui l’on délègue, et la délégation se règle.
Cette prudence ne retire rien au travail des équipes. Elle le déplace : les personnes passent moins de temps à exécuter des tâches répétitives, et davantage à valider, arbitrer et traiter les cas que l’agent ne sait pas trancher. Leur jugement devient le contrôle.
Régler l’autonomie processus par processus
La bonne question n’est pas « faut-il des agents autonomes ? », mais « pour quelle tâche, avec quel niveau d’autonomie ? ». La réponse change d’un processus à l’autre.
Trois niveaux d’autonomie pour une même tâche
- L’agent propose
Il prépare un brouillon, une personne décide et agit.
- L’agent agit sous validation
Il exécute ce qui est sûr, et soumet à une personne ce qui est à risque.
- L’agent agit seul
Sur un périmètre étroit, avec des traces et un retour arrière.
Un tri d’e-mails entrants peut passer vite au troisième niveau : une erreur se corrige en un clic. Une écriture comptable, un virement ou un message envoyé à un client restent au deuxième niveau tant que l’agent n’a pas fait ses preuves, et parfois pour toujours. Beaucoup de tâches, enfin, n’ont pas besoin d’IA du tout : une règle fixe suffit, et elle ne se trompe jamais de la même façon deux fois. Nous en parlons dans notre article sur l’automatisation sans IA.
Sur le terrain
Notre agent de dépenses ne comptabilise rien seul
Notre agent de saisie de dépenses tourne en production sur Telegram depuis juillet 2026. Il lit la photo d’un ticket et en extrait les informations, mais il n’écrit dans le système comptable qu’après une validation humaine. Il est au deuxième niveau, et il y restera tant qu’une erreur de comptabilité coûtera plus cher que le clic de validation.
Concrètement, pour une équipe de 20 à 500 personnes :
- Choisir un processus, pas un agent.
Une tâche précise, fréquente, dont on sait mesurer le résultat.
- Nommer un responsable.
Une personne qui répond de ce que fait l’agent, et qui peut l’arrêter.
- Écrire le périmètre.
Ce que l’agent peut lire, ce qu’il peut faire seul, ce qu’il doit soumettre.
- Prévoir le retour arrière.
Chaque action garde une trace, et une erreur se défait sans tout reconstruire.
- Monter d’un niveau quand les chiffres le permettent.
Après quelques semaines de validations sans correction, pas avant.
Pour comprendre ce qu’est réellement un agent et ce qu’il n’est pas, commencez par notre article de définition. Pour ce que change un agent qui travaille plusieurs heures d’affilée, lisez notre analyse sur les agents autonomes pendant des heures. Et si vous voulez régler vos premiers processus avec ces garde-fous, notre offre d’automatisation part d’un processus mesuré, avec la validation humaine là où elle compte ; nos bots Telegram et WhatsApp en sont souvent la porte d’entrée.
Questions fréquentes
Qu’est-ce qu’un agent d’IA autonome ?
Un logiciel qui reçoit un objectif, choisit lui-même les étapes et les exécute avec des outils (envoyer un message, écrire dans un logiciel, consulter des données), sans demander de validation à chaque étape. Son degré d’autonomie se règle : il peut aussi proposer, ou agir sous validation.
Pourquoi les dirigeants font-ils moins confiance aux agents autonomes ?
Parce que les premiers déploiements ont montré leurs limites : erreurs difficiles à repérer, comportement parfois difficile à expliquer, contrôles absents. Les enquêtes de Capgemini et du BCG portent sur de grandes entreprises, mais la leçon vaut à toute taille : un agent sans responsable ni périmètre écrit inquiète à juste titre.
Faut-il toujours une validation humaine ?
Non, pas pour tout. Une tâche dont l’erreur se corrige facilement peut passer en autonomie. Une action coûteuse ou irréversible, comme un paiement ou un message à un client, garde une validation tant que l’agent n’a pas fait ses preuves, parfois définitivement.
Par quoi commencer avec les agents d’IA ?
Par un processus précis et mesurable, un responsable nommé et un périmètre écrit. L’agent commence par proposer, puis agit sous validation, et ne gagne en autonomie qu’au vu des résultats, mesurés sur quelques semaines.
Sources
- Communiqué de Capgemini (nouvel onglet)capgemini.com
- KPMG US, 31 mars 2026 (nouvel onglet)kpmg.com
- KPMG US, 24 septembre 2026 (nouvel onglet)kpmg.com
- Deloitte, Tech Trends 2026 (nouvel onglet)deloitte.com
- BCG, The Formula for Agentic AI Value, p. 12 à 15 (nouvel onglet)web-assets.bcg.com
Jim · fondateur de Brain Plus AI
À lire aussi en automatisation et bots
Choisir et chiffrer10 min
Automatisation sans IA : quand une règle suffit
Toutes les automatisations n'ont pas besoin d'IA. Une règle fixe coûte moins cher et donne toujours le même résultat : voici comment repérer les étapes où l'IA rapporte vraiment, et celles où elle n'ajoute que du coût.
Comprendre6 min
Agent IA autonome pendant des heures : ce qui change pour une équipe
Google Cloud a lancé le 8 octobre 2026 un agent qui reçoit un objectif, crée ses propres sous-agents et tourne pendant des heures. La question n'est plus ce que l'IA sait faire, mais qui elle est, ce qu'elle a le droit de toucher et qui valide son travail.
Guide pratique13 min
Gouvernance de l'IA en entreprise : qui accède à quoi
Un assistant d'IA lit ce que vos droits d'accès lui laissent lire, erreurs de partage comprises. Voici comment découper vos bases par service, garder un socle commun et décider qui écrit dans la mémoire partagée.