Gouvernance
Sylvain Duranton (BCG X) : « L’IA agentique rend visible le management qui ne manageait déjà plus grand-chose »
Par Thierry Derouet, publié le 25 mai 2026
À l’occasion de l’Agentforce World Tour Paris, organisé par Salesforce, une table ronde animée par Émilie Sidiqian, directrice générale de Salesforce France, a permis de dépasser le discours habituel sur les agents IA. Avec Barbara Lavernos, directrice générale adjointe de L’Oréal, Pascale Fung, cofondatrice d’AMI Labs, et Sylvain Duranton, Directeur mondial de BCG X, le débat a glissé de la promesse technologique vers une question plus structurante : que devient l’entreprise quand les agents ne se contentent plus d’assister les salariés, mais commencent à recomposer le travail, les architectures et les modèles de management ?
Depuis trente ans, l’entreprise numérique a surtout consisté à informatiser le travail. On a remplacé des formulaires par des interfaces, des courriers par des workflows, des réunions par des outils collaboratifs, des reportings par des tableaux de bord. Mais l’architecture profonde du travail a peu changé : des tâches, des validations, des silos, des managers pour coordonner, des systèmes pour enregistrer, des collaborateurs pour relancer.
L’IA agentique introduit une rupture d’une autre nature. Elle ne propose pas seulement une nouvelle interface. Elle rend possible une autre division du travail entre humains, logiciels et, demain, machines physiques. Dès lors, la question n’est plus seulement : quelles tâches automatiser ? Mais : quelles parties de l’organisation n’existent aujourd’hui que parce que le logiciel, jusqu’ici, ne savait pas agir ?
C’est précisément ce déplacement qu’a mis en scène l’Agentforce World Tour Paris, organisé par Salesforce le 21 mai 2026 à Paris Expo Porte de Versailles. Sous le mot d’ordre « L’IA agentique, de la promesse à la performance », l’éditeur entendait démontrer que l’IA bascule de l’expérimentation vers l’exécution, avec des agents connectés aux données métier, capables d’orchestrer des tâches et des processus aux côtés des collaborateurs.
Mais la table ronde « La nouvelle frontière de l’entreprise agentique », animée par Émilie Sidiqian, directrice générale de Salesforce France, a ouvert un champ plus large que le seul discours produit. Elle réunissait trois regards rarement superposables : celui de Barbara Lavernos, directrice générale adjointe de L’Oréal, confrontée au passage à l’échelle de l’IA dans un groupe mondial de plus de 95 000 collaborateurs ; celui de Sylvain Duranton, patron mondial de BCG X, qui observe les effets de l’IA sur les organisations et les modèles opérationnels ; et celui de Pascale Fung, cofondatrice d’AMI Labs, qui travaille sur une nouvelle génération de modèles capables d’apprendre du monde réel.
L’intérêt de cet échange tenait précisément à ce décalage. Dans un événement consacré à Agentforce, les intervenants n’ont pas seulement parlé d’agents, de CRM ou d’automatisation commerciale. Ils ont dessiné une question plus profonde : l’entreprise agentique ne sera-t-elle qu’une entreprise équipée de meilleurs assistants numériques, ou deviendra-t-elle une organisation reconstruite autour de capacités nouvelles ?
« La vision du travail post-IA relève d’abord du leadership, pas de la technologie »
La réponse qui s’esquisse est dérangeante. L’IA agentique ne remplacera peut-être pas d’abord les salariés. Elle remplacera les frictions organisationnelles que l’entreprise avait fini par prendre pour son fonctionnement normal.
L’erreur serait de croire que l’agentique est une simple couche logicielle
L’exemple de L’Oréal est éclairant non parce qu’il montre un grand groupe qui « utilise l’IA », mais parce qu’il rappelle une condition souvent oubliée : il n’y a pas d’entreprise agentique sans architecture agentique.
Barbara Lavernos le dit sans détour. Rien de ce que le groupe déploie aujourd’hui n’aurait été possible sans un travail engagé plusieurs années auparavant sur la replatformisation technologique et sur la donnée. Dans une entreprise de 115 ans, forte de plus de 50 marques et de 95 000 collaborateurs, l’IA ne se greffe pas par magie sur l’existant. Elle exige un socle.
« La plus grande responsabilité des dirigeants, c’est de faire que nos collaborateurs ne deviennent pas obsolètes »
« Rien de ce que je vais vous raconter ne serait possible sans le travail qu’on a démarré il y a quatre ou cinq ans », rappelle-t-elle, en évoquant la refonte de l’architecture tech et le travail sur les données. Pour L’Oréal, ce socle n’est pas un simple prérequis informatique. Il devient une arme concurrentielle.
Le groupe dispose d’un capital propriétaire rare : des données sur les ingrédients, les formulations, la peau, les cheveux, les usages, les marchés, les activations marketing et les comportements consommateurs. Dans une économie où les modèles génératifs deviennent largement accessibles, cette donnée devient le véritable patrimoine stratégique. « Notre trésor dans le monde de l’IA, ce sont nos données propriétaires », résume Barbara Lavernos.
Cette phrase devrait parler à tous les DSI. Beaucoup d’entreprises abordent encore l’IA agentique par l’interface : quel copilote, quel agent, quel outil ? Les plus avancées l’abordent par le dessous : quelles données, quels référentiels, quelles API, quels droits d’accès, quelle gouvernance, quelle qualité sémantique, quelle capacité à relier un signal faible à une décision opérationnelle ?
Chez L’Oréal, l’IA ne se limite déjà plus à l’optimisation de campagnes média. Elle commence à relier la marque, les contenus, la supply chain, la recherche, l’innovation et la relation consommateur. Lorsqu’un nano-influenceur coréen recommande une teinte de rouge à lèvres avant la Saint-Valentin et provoque une rupture mondiale pendant plusieurs mois, le sujet n’est plus seulement marketing. Il devient industriel.
Il faut capter le signal, le qualifier, anticiper la demande, reconnecter les prévisions aux stocks, aux usines, aux fournisseurs, aux distributeurs et aux plans d’activation marché. Ce qui ressemblait autrefois à une anecdote de social media devient un test grandeur nature de l’entreprise agentique.
Une première définition se dessine : une entreprise agentique est une entreprise capable de transformer un événement externe en action coordonnée, sans repasser par toute l’épaisseur bureaucratique habituelle.
La prochaine bataille de la visibilité sera la lisibilité par les agents
La deuxième rupture décrite par L’Oréal concerne le parcours consommateur. Pendant des années, les marques ont appris à vivre dans le monde du search. Il fallait apparaître en haut des résultats, structurer ses contenus, acheter des mots-clés, travailler son référencement. Cette logique ne disparaît pas, mais elle est en train d’être débordée par autre chose : la recommandation conversationnelle.
Barbara Lavernos décrit un monde où chaque consommateur pourra disposer d’un « personal shopper » numérique. Il photographiera sa peau, décrira son agenda, ses contraintes, son voyage, son type de cheveu, ses préférences, puis demandera quel soin, quel mascara ou quel produit utiliser. Pour une marque, le défi ne sera plus seulement d’être visible. Il sera d’être compréhensible, recommandable, contextualisable.
« On peut être totalement disrupté ou totalement gagner. Nous allons essayer de totalement gagner », prévient-elle.
Pour les DSI et les directions digitales, ce basculement est considérable. Il signifie que les contenus, les référentiels produits, les données scientifiques, les preuves d’usage, les avis, les formulations, les engagements de marque et les contraintes réglementaires devront être structurés pour être interprétés par des agents. La marque ne parlera plus seulement à des humains. Elle devra aussi parler à des systèmes capables de comparer, recommander, filtrer et argumenter.
C’est un changement profond de l’architecture de la présence numérique. Après l’ère des sites web, des plateformes sociales et du SEO, s’ouvre une nouvelle bataille : celle de la lisibilité agentique.
Des jumeaux numériques aux agents badgés
L’exemple le plus spectaculaire donné par L’Oréal concerne peut-être la recherche. Le groupe a construit des jumeaux numériques de huit types de cheveux, des cheveux très lisses aux cheveux très frisés. L’objectif : tester in silico des milliers d’actifs et de combinaisons d’actifs avant de passer au laboratoire.
Là où les équipes pouvaient tester une dizaine de nouveaux actifs avec les études cliniques associées, ces jumeaux numériques permettent de filtrer, d’accélérer et d’enrichir les hypothèses. Barbara Lavernos évoque une accélération d’un facteur cent.
Mais le plus intéressant n’est pas seulement le gain de vitesse. C’est la manière dont l’IA entre dans le travail scientifique. Elle ne remplace pas brutalement le laboratoire. Elle modifie la frontière entre hypothèse, simulation, expérimentation et validation. Elle déplace le moment où l’intelligence humaine intervient. Elle donne aux chercheurs une capacité d’exploration auparavant inaccessible.
L’Oréal va plus loin dans la représentation de ces agents. Barbara Lavernos explique que le groupe les considère comme une « vraie workforce ». Ils ont des badges, une fiche de poste, des tâches et font l’objet d’une observation attentive. « Ce sont vraiment des compagnons. Il faut les choisir avec soin, les observer de très près », précise-t-elle.
L’image peut faire sourire. Elle est pourtant très sérieuse. Donner un badge à un agent, ce n’est pas seulement une métaphore managériale. C’est reconnaître qu’un agent opérationnel doit avoir un périmètre, un rôle, une identité fonctionnelle, des droits, des limites, une supervision et une traçabilité.
Un agent n’est pas un chatbot décoratif. C’est une entité logicielle qui peut agir. À partir de là, les questions deviennent celles que les DSI connaissent déjà, mais avec une intensité nouvelle : qui lui donne accès ? à quoi ? pour faire quoi ? sous quel contrôle ? avec quelle capacité de reprise humaine ? avec quelle responsabilité en cas d’erreur ?
Le travail bascule des tâches vers les résultats
Sylvain Duranton apporte un deuxième déplacement. Il refuse l’idée d’un « tsunami » automatique sur l’emploi. Selon lui, les scénarios restent ouverts. La plupart des emplois ne disparaîtront pas à court terme. En revanche, une grande partie sera profondément recomposée.
Le point décisif est ailleurs : l’entreprise de demain sera moins organisée autour de tâches et de processus que d’« outcomes », c’est-à-dire de résultats produits. Une innovation, un contact client, une commande, une anomalie détectée, une décision préparée, un service rendu.
« Le sujet n’est pas seulement la productivité. C’est l’abondance : faire à coût marginal nul ce que l’entreprise ne pouvait pas faire auparavant »
Cette logique change la manière de penser le travail. Elle favorise ce que Sylvain Duranton appelle les « super-doers » : des professionnels qui produisent réellement, entourés d’agents capables d’accélérer leur travail, d’étendre leur capacité d’analyse, de préparer leurs décisions, de documenter leurs actions ou d’exécuter une partie des tâches périphériques.
Mais cette logique fragilise une autre figure : celle de l’orchestrateur. Dans beaucoup d’organisations, une partie du middle management consiste à distribuer le travail, vérifier son avancement, contrôler la qualité, consolider les informations et faire circuler les arbitrages. Or ce sont précisément ces fonctions de coordination que les agents peuvent absorber en partie.
« Il va y avoir une remise en question du rôle du middle management », estime Sylvain Duranton.
Le propos est sensible, mais il touche un point central. L’IA agentique ne menace pas seulement les tâches répétitives ou administratives. Elle interroge les rôles qui se sont construits autour de la complexité organisationnelle. Le manager qui crée de la valeur par la vision, l’arbitrage, l’accompagnement, la compréhension du terrain et le développement des personnes restera central. Le manager qui sert principalement de routeur humain entre des silos risque, lui, d’être exposé.
Autrement dit, l’IA agentique ne rend pas le management inutile. Elle rend visible le management qui ne manageait déjà plus grand-chose.
Le risque social n’est pas seulement l’automatisation
C’est ici que le débat bascule du logiciel vers la responsabilité des dirigeants. Barbara Lavernos le formule avec une force rare : la noblesse de cette génération de dirigeants est d’empêcher que les collaborateurs deviennent obsolètes.
« La plus grande responsabilité qu’on a en tant que dirigeants, c’est de faire que nos collaborateurs ne deviennent pas obsolètes », explique-t-elle. Elle parle de « l’ombre du futur » : cette capacité à anticiper ce que les métiers vont devenir, non pour remplacer le plus vite possible, mais pour former avant qu’il ne soit trop tard.
La formule est plus forte qu’elle n’en a l’air. Elle déplace le sujet de l’employabilité vers la responsabilité managériale. Dans une transformation aussi rapide, l’obsolescence n’est pas seulement un accident individuel. Elle peut devenir un risque organisé.
Or la formation reste souvent le maillon faible. Sylvain Duranton souligne un écart préoccupant : lorsqu’on interroge les dirigeants, 90 % disent avoir formé leurs équipes à l’IA ; lorsqu’on interroge les salariés, 64 % estiment être insuffisamment formés. L’écart entre la formation déclarée et la formation vécue est abyssal.
C’est que former à l’IA agentique ne consiste pas à organiser une heure de sensibilisation sur Zoom. Cela suppose d’apprendre à travailler avec des systèmes probabilistes, à contrôler leurs productions, à définir des droits d’action, à documenter des intentions, à découper un processus, à identifier ce qui doit rester humain et à comprendre les risques de délégation.
Barbara Lavernos insiste : « Prompter, c’est un art. » Chez L’Oréal, 73 000 collaborateurs sur 95 000 ont été formés à la GenAI, avec plusieurs journées par personne. Et le groupe sait déjà que cette première vague ne suffira pas. Il faudra recommencer avec l’agentique, puis avec les prochaines ruptures.
Pour les DSI, le message est limpide. Le passage à l’échelle ne se joue pas seulement dans les plateformes. Il se joue dans le temps d’apprentissage accordé aux équipes. Une entreprise qui déploie des agents sans former réellement ses collaborateurs ne construit pas une organisation augmentée. Elle prépare une défiance.
Supprimer les juniors serait une erreur stratégique
La question des jeunes mérite un traitement particulier. Dans plusieurs secteurs, trouver un stage ou une alternance devient plus difficile. Une partie des tâches traditionnellement confiées aux juniors peut désormais être automatisée. La tentation existe donc : réduire les postes d’entrée, économiser sur les premières marches, considérer que l’IA absorbera la base de la pyramide.
Barbara Lavernos juge ce raisonnement « stupide ». Le mot est fort, mais il vise juste. Ne plus embaucher de jeunes, c’est priver l’entreprise de sa propre régénération. « C’est vous priver de la régénération de votre sang », dit-elle.
Sylvain Duranton ajoute une lecture contre-intuitive. On entend souvent que les jeunes seraient les premières victimes de l’IA. Il estime au contraire que les jeunes « AI native », habitués à ces outils, pourraient être moins menacés que certains professionnels plus expérimentés persuadés qu’après quelques heures passées avec un modèle génératif, ils peuvent tout faire seuls.
Le risque n’est donc pas seulement social. Il est stratégique. Une entreprise qui supprime ses juniors pour gagner en productivité détruit peut-être son futur vivier de seniors. Elle gagne quelques points d’efficacité immédiate et perd sa capacité de renouvellement.
Là encore, l’IA agit comme un révélateur. Elle force les entreprises à clarifier ce qu’elles attendent de leurs jeunes : de la production à bas coût, ou une capacité de régénération, d’apprentissage et de transformation culturelle.
L’abondance, l’autre visage de la productivité
L’IA est presque toujours abordée sous l’angle de la productivité : faire plus vite, moins cher, avec moins de ressources. Sylvain Duranton introduit une notion plus intéressante : l’abondance.
L’abondance signifie que certaines actions deviennent possibles parce que leur coût marginal tend vers zéro. Appeler tous les patients après une hospitalisation. Vérifier l’état de centaines de milliers de personnes âgées pendant une vague de chaleur. Produire des variantes de contenus à une échelle auparavant impossible. Tester des milliers d’hypothèses scientifiques avant de passer au laboratoire.
Ce changement est stratégique. Une entreprise conçue pour gérer la rareté n’est pas la même qu’une entreprise conçue pour exploiter l’abondance. Dans la première, on priorise, on rationne, on arbitre. Dans la seconde, on expérimente, on personnalise, on multiplie les interactions, on explore des options autrefois trop coûteuses.
C’est peut-être l’une des dimensions les plus prometteuses de l’entreprise agentique. Elle ne consiste pas seulement à enlever du travail humain. Elle consiste aussi à créer des services, des interactions et des capacités qui n’existaient pas parce qu’elles étaient économiquement impossibles.
La santé en donne un exemple frappant. Sylvain Duranton évoque des entreprises américaines capables de déployer des agents jouant le rôle d’infirmiers numériques pour appeler les patients sortant de l’hôpital. Ces agents connaissent le dossier médical, prennent le temps de vérifier que tout va bien, peuvent parler cinq minutes ou une demi-heure, et restent toujours disponibles.
La question n’est plus seulement : combien d’emplois cela remplace-t-il ? Elle devient : quels services n’avons-nous jamais rendus parce qu’ils étaient trop coûteux à produire avec les moyens existants ?
Cette logique vaut pour la relation client, la maintenance, l’éducation, la recherche, la conformité, la prévention ou la supply chain. Elle oblige les dirigeants à penser l’IA non comme un outil de réduction des coûts, mais comme un moteur de nouveaux modèles opérationnels.
Après les modèles génératifs, les modèles du monde réel
Pascale Fung pousse la réflexion vers la frontière suivante. Cofondatrice d’AMI Labs, elle travaille sur ce que l’entreprise présente comme une forme d’« advanced machine intelligence ». Son diagnostic est sévère : les modèles génératifs actuels restent limités par leur objectif initial. Ils ont été entraînés pour générer du texte, des images, des pixels. Ils ont appris certaines tâches par effet secondaire. Mais ils n’ont pas été conçus pour comprendre le monde, raisonner comme un acteur situé ou saisir l’intention humaine.
« Les modèles génératifs ont appris à générer. La prochaine étape, c’est d’entraîner des machines à raisonner, comprendre le monde et saisir l’intention humaine »
« Aujourd’hui, on a l’impression de travailler pour la machine », observe-t-elle. Il faut apprendre à prompter, à programmer, à utiliser des outils qui changent tous les trois mois. L’ambition d’AMI Labs est inverse : construire une intelligence qui travaille pour nous, comprend nos intentions, anticipe nos besoins et ne nous demande pas en permanence de nous adapter à elle.
Pascale Fung oppose ainsi les systèmes actuels, souvent fondés sur l’imitation learning, à une intelligence capable d’apprendre davantage comme un stagiaire bien formé : avec une connaissance générale du monde, puis une capacité d’adaptation au contexte spécifique d’une entreprise.
« Aujourd’hui, la machine n’a pas suffisamment d’intelligence de base », estime-t-elle.
Cette distinction est capitale pour l’entreprise. Les agents actuels peuvent automatiser des workflows, exécuter des tâches, imiter des processus. Les modèles à venir devront comprendre des environnements, manipuler des objets, assister des scientifiques, des techniciens, des opérateurs, des logisticiens ou des soignants.
C’est le passage de l’IA conversationnelle à l’IA située. Et ce passage changera profondément le rôle des systèmes d’information.
La prochaine frontière sera physique
Sylvain Duranton voit dans cette évolution l’un des grands tournants à venir : le passage de l’IA software à l’IA physique. Dans le logiciel, les agents progressent vite. Mais dans le monde réel, les limites sont encore nombreuses : dextérité, repérage spatial, apprentissage, adaptation à des environnements non structurés.
C’est là que les modèles capables de comprendre le monde réel pourraient jouer un rôle décisif. Si la trajectoire de l’IA logicielle se transpose à l’IA physique, la rupture pourrait être considérable : gains de productivité dans les opérations industrielles, personnalisation accrue, médecine plus individualisée, assistance en laboratoire, aide à domicile, nouvelles formes de robotisation.
Pascale Fung rappelle que les robots peuvent déjà bouger, parfois danser, mais qu’ils manquent encore de connaissance du monde physique et de compréhension de l’intention utilisateur. C’est cette articulation entre le monde physique et le monde humain qui conditionnera leur utilité réelle.
Barbara Lavernos adopte une position pragmatique. Elle ne prétend pas savoir quand cette rupture se produira, ni à quelle échelle, mais elle considère qu’elle est désormais probable. Son conseil aux dirigeants : ne pas attendre. Faire des POC, tester, aller voir les fabricants de robots, intégrer progressivement ces technologies dans les centrales de distribution, les usines, les laboratoires.
Mais elle insiste sur un point essentiel : la réussite passera par le terrain. Comme lors des précédentes vagues d’automatisation industrielle, les collaborateurs « on the floor » seront souvent les mieux placés pour identifier les usages pertinents, les limites concrètes et les conditions d’acceptation.
Pour les DSI, cette frontière est majeure. L’IA physique ne relèvera pas seulement de la robotique. Elle exigera de connecter données industrielles, jumeaux numériques, capteurs, systèmes d’exploitation, cybersécurité, supervision, maintenance, qualité et gouvernance des risques. Elle fera entrer l’IA dans des chaînes de responsabilité beaucoup plus lourdes que celles du marketing ou du support.
La productivité déplace les métiers plus qu’elle ne les efface
L’un des passages les plus intéressants de l’intervention de Barbara Lavernos concerne la manière dont L’Oréal transforme les métiers. Elle ne nie pas les gains de productivité. Elle refuse simplement d’en faire une logique purement comptable.
Elle donne l’exemple des techniciens de laboratoire. Une partie de leurs tâches peut être automatisée. Mais beaucoup deviennent aujourd’hui des « data stewards », parce que ce sont eux qui savent quelles données sont importantes, comment elles sont produites, ce qu’elles signifient et comment les interpréter.
Le métier ne disparaît pas nécessairement. Il se déplace vers la qualité, la connaissance et la gouvernance de la donnée. Ce point est crucial. Dans beaucoup d’organisations, la donnée est encore traitée comme un sous-produit des systèmes. Dans l’entreprise agentique, elle devient une matière première opérationnelle. Ceux qui savent la produire, la qualifier, l’expliquer et la relier au réel gagnent en importance.
En revanche, Barbara Lavernos rejoint Sylvain Duranton sur un point : les fonctions intermédiaires d’orchestration, de contrôle et de coordination sont probablement les plus exposées. À l’échelle de la recherche de L’Oréal, qui compte 3 500 chercheurs, deux niveaux hiérarchiques ont déjà été supprimés par rapport à l’organisation précédente.
Le signal est fort. L’entreprise agentique ne touche pas seulement les fonctions opérationnelles répétitives. Elle peut conduire à aplatir les organisations, à rapprocher les experts du terrain, à réduire certains étages de contrôle et à redistribuer l’autorité.
La France face à son paradoxe : beaucoup de talents, peu d’adoption
Reste une question politique et culturelle : où se situe la France dans cette transformation ? Sylvain Duranton livre un constat brutal. Selon une étude récente de BCG sur l’adoption de l’IA en entreprise, la France serait aujourd’hui « lanterne rouge ».
Le paradoxe est connu. La France dispose de chercheurs, d’ingénieurs, de grands groupes mondiaux, de start-up, de scale-up, de talents reconnus. Pascale Fung, qui a vécu aux États-Unis, à Hong Kong, en Chine et en Europe, dit avoir choisi de venir en Europe précisément pour cette densité de talents et de créativité. Mais elle pointe aussi une différence culturelle : l’Europe parle beaucoup de risque quand d’autres régions parlent d’opportunité.
« Au Parlement européen, le mot qui revient le plus souvent, c’est risque, risque, risque », observe-t-elle. Bien sûr, les risques existent. Mais ailleurs, on regarde aussi l’avenir, l’adoption, l’usage, l’écosystème.
Sylvain Duranton résume les leviers en trois mots : courage, imagination, confiance. Le courage de reconnaître que l’IA fera mieux que l’humain dans certains domaines. L’imagination pour chercher de nouveaux gisements de croissance, d’innovation et de progrès scientifique. La confiance pour réduire l’anxiété et engager les équipes.
Barbara Lavernos ajoute une dimension plus française. Elle voit un problème de maturité collective, encore trop prisonnière du mythe, du fantasme ou de la peur. Mais elle refuse le défaitisme. La France dispose, selon elle, d’un génie propre : une capacité à articuler invention, valeurs, questionnement philosophique et passage à l’action. À condition de ne pas transformer ce questionnement en immobilisme.
La vraie décision reste humaine
Le débat sur l’IA agentique reste souvent prisonnier d’une alternative pauvre : accélérer ou réguler, innover ou protéger, adopter ou résister. Cette table ronde suggère une question plus exigeante : quelle forme d’entreprise l’IA agentique rend-elle possible, et laquelle voulons-nous construire ?
Car l’entreprise agentique ne se décrète pas avec un catalogue d’agents. Elle se construit par des choix très concrets. Quels agents peuvent agir ? Sur quelles données ? Avec quels droits ? Sous quel contrôle ? Avec quelle traçabilité ? Avec quelle formation ? Avec quel impact sur les managers ? Avec quelle place pour les jeunes ? Avec quelle responsabilité en cas d’erreur ?
Pour les DSI, le sujet est donc beaucoup plus vaste qu’un nouveau cycle technologique. Il touche à l’architecture du SI, à la gouvernance de la donnée, à l’identité numérique des agents, aux droits d’accès, à l’observabilité, à la cybersécurité, mais aussi au design organisationnel. Il exige de travailler avec les métiers, les RH, les directions juridiques, les directions industrielles et le comité exécutif.
La question n’est plus seulement de savoir si l’entreprise doit adopter l’IA agentique. Elle le fera, directement ou indirectement, par ses propres projets ou par les logiciels qu’elle utilise déjà. La vraie question est de savoir si elle veut la subir comme une couche d’automatisation supplémentaire ou l’utiliser pour reconstruire une organisation plus lisible, plus apprenante, plus rapide et peut-être plus humaine.
L’entreprise agentique ne commence pas avec un agent. Elle commence avec une décision de management : regarder le travail réel, distinguer ce qui mérite d’être automatisé de ce qui doit être augmenté, former les collaborateurs avant qu’ils ne deviennent obsolètes, et accepter que certaines strates de l’organisation n’étaient peut-être que des prothèses de coordination.
Ce n’est pas l’IA qui décidera si l’entreprise de demain sera plus productive, plus créative ou plus brutale. Ce sont les dirigeants. Les agents, eux, ne feront qu’exécuter la stratégie qu’on leur aura donnée – ou révéler l’absence de stratégie que l’on croyait pouvoir leur cacher.
Parker Harris : « Les jours où l’on disait aux utilisateurs comment Salesforce devait fonctionner sont en train de disparaître »
Pour Parker Harris, cofondateur de Salesforce, l’IA agentique ne se résume ni aux modèles, ni aux protocoles, ni aux prouesses de génération de texte. Le vrai basculement se joue ailleurs : dans la capacité des entreprises à transformer l’IA en résultats opérationnels mesurables. « On parle souvent trop des protocoles ou de la technologie. On descend très vite dans les aspects techniques, alors que l’on ne parle pas assez de la raison pour laquelle c’est important », estime-t-il.
Salesforce veut évidemment se présenter comme l’un des laboratoires de cette bascule. Parker Harris cite d’abord son propre site web, où le chatbot classique a cédé la place à un agent capable de répondre aux clients, mais aussi de reconnaître leur compte, leurs achats, leurs incidents passés et leur historique, une fois l’authentification réalisée. Même logique sur la voix : l’entreprise déploie aux États-Unis, avant une arrivée annoncée en France, un agent vocal capable de répondre 24 heures sur 24, dans une vingtaine de langues.
Mais le point le plus intéressant est peut-être ailleurs : dans la disparition progressive de l’interface comme passage obligé. Avec Slack, Salesforce voit émerger une nouvelle couche de travail où les salariés n’ont plus nécessairement besoin d’ouvrir l’application métier. « Vous pouvez peut-être ne jamais vous connecter à Salesforce, tout en utilisant Salesforce », résume Parker Harris. C’est, selon lui, la première manifestation de la stratégie dite headless : Salesforce reste là, mais il vient à l’utilisateur sous une autre forme, par la conversation, l’analytique, les notifications ou des fragments d’interface générés au bon moment.
Cette logique bouleverse aussi le modèle historique des grands logiciels d’entreprise. « Les jours où je construis quelque chose en disant : voilà comment Salesforce doit fonctionner et voilà comment vous devez l’utiliser, sont en train de disparaître », affirme-t-il. Dans ce monde, l’utilisateur ne s’adapte plus seulement au logiciel ; c’est le logiciel qui se recompose autour de l’intention exprimée par l’utilisateur.
Pour autant, Parker Harris refuse l’idée d’un modèle unique. Plateformes verticales, agents spécialisés, grands environnements généralistes : selon lui, la victoire se jouera plutôt dans un mélange de ces approches. L’enjeu, pour Salesforce, consiste donc à déconstruire sa propre plateforme en services, API, métadonnées, capacités d’interface et briques agentiques que d’autres IA pourront appeler.
Reste la question économique, encore largement instable. Parker Harris le reconnaît : comme avec le cloud à ses débuts, les clients veulent savoir ce qu’ils consomment, ce que cela leur coûte et quelle valeur business en sort réellement. La facturation à l’usage devra donc gagner en lisibilité. « Nous sommes encore dans les premiers jours », admet-il. Mais une certitude se dessine déjà : dans l’entreprise agentique, la valeur ne se mesurera plus seulement au nombre de licences déployées, mais à la capacité des agents à produire des résultats observables, contrôlables et acceptables par les métiers.
À LIRE AUSSI :
