Data / IA
L’IA agentique est inutile sans contexte métier
Par Guillaume Perissat, publié le 18 mai 2026
L’intelligence artificielle ne génèrera pas de ROI tant qu’elle ne sera pas en mesure de comprendre le contexte de l’entreprise, son fonctionnement. Tel est l’enseignement d’une étude de l’éditeur allemand Celonis. Dans des environnements cloisonnés, l’IT et les directions métiers ne sont pas alignées, impossible d’exploiter le plein potentiel des agents IA.
La semaine dernière, Celonis a annoncé mettre la main sur Ikigai Labs, une jeune pousse américaine spécialisée dans l’IA, et en a profité pour lancer Context Model. Cette solution se veut un jumeau numérique des opérations des entreprises utilisateurs. Mais un jumeau qu’une IA peut appréhender.
Concrètement, il s’agit pour la plateforme d’exploiter les données des processus et des connaissances métier de l’entreprise, de ses « systèmes, applications, appareils et interactions de l’entreprise ». Le tout harmonisé dans un « langage compréhensible par l’IA ».
L’IA nécessaire pour rester compétitif
Le rachat d’Ikigai Labs viendra saupoudrer Context Model d’intelligence décisionnelle. Comprendre par là que la plateforme sera enrichie de capacités de planification, de simulation et de prévision afin de modéliser divers scénarios.
Pour autant, c’est moins cette annonce qui nous intéresse aujourd’hui qu’une étude publiée par Celonis en mars dernier. Passée sous nos radars au moment de sa sortie, elle est néanmoins riche d’enseignements en matière d’usage de l’IA agentique dans les entreprises.
Menée par Insight Avenue auprès de 1 649 décideurs dans cinq régions, on apprend dans cette étude que 89% des dirigeants interrogés affirment que l’IA est leur principal levier pour rester compétitifs sur le marché. Rien de vraiment neuf sous le soleil.
L’agentique en manque de concret
Cependant, on y découvre également que l’agentique n’est pas (encore) une réalité pour bon nombre d’entreprises. 85% des répondants utilisent la GenAI, ChatGPT et consorts, pour faciliter le travail quotidien, et 61% déploient des chatbots. Mais dès qu’il est question de créer des assistants IA spécialisés, ce chiffre dégringole à 27%, 21% même pour les agents « sophistiqués ».
Ainsi, l’intelligence artificielle va être mise à profit par les services IT pour, surtout, la résolution de pannes de base ou réponses aux tâches IT courantes et l’amélioration de la surveillance de la cybersécurité et détection des menaces. Les équipes Supply Chain, elles, l’utiliseront pour automatiser la gestion des stocks et des commandes, tandis que les services Finances se concentreront sur « l’automatisation des tâches répétitives » et la détection de la fraude.
Un « manque de préparation opérationnelle »
Bref, de grandes ambitions mais peu de réalisations concrètes pour l’agentique. Pourquoi cet écart, s’est interrogé Celonis. Tous services confondus, c’est le manque d’expertise interne en IA qui s’avère le principal obstacle. Pour les services IT et Finances, l’autre point bloquant s’incarne dans les préoccupations quant à la sécurité, la conformité ou la gouvernance IT.
Mais, pour les équipes Supply Chain et les équipes Opérations et processus, le défaut d’alignement entre l’IT et les directions métiers, ainsi que les difficultés pour l’IA à appréhender le contexte métier, sont clairement les deux obstacles principaux, loin devant le manque de compétence interne.
En cause, le cloisonnement des différents services, déploré par 54% des interrogés. En conséquence de quoi plus des trois quarts des répondants déclarent que « la vision d’un même processus varie d’un département à l’autre au sein de l’organisation ». Or, pour être efficace, les agents IA ont besoin de comprendre le contexte de l’entreprise, son fonctionnement réel.
L’IA doit être en mesure de comprendre la complexité de l’entreprise
Dans plus de la moitié des entreprises, les différents services « manquent d’une compréhension commune du fonctionnement de l’entreprise et des leviers pour l’améliorer ». Difficile alors de demander à un modèle d’IA d’effectuer un travail sur lequel personne ne s’accorde. Les répondants sont conscients de ce problème : 89% estiment qu’il est crucial « que l’IA comprenne le contexte opérationnel de l’entreprise pour être déployée efficacement ».
Evidemment, l’étude de Celonis prêche pour sa paroisse et insiste sur l’intérêt du process mining, justifiant l’utilisation de Context Model. Pourtant, elle rejoint nos discussions, au sein de la rédaction et avec l’écosystème. Une entreprise est un système complexe et il n’existe pas deux entreprises parfaitement identiques.
Pour que l’IA agentique puisse évoluer dans l’environnement de l’entreprise, et ne pas se limiter à la simple exécution de tâches isolées, elle a besoin d’un langage commun à l’ensemble des services. Langage qui transmet la réalité métier à l’IA. Ou, comme l’écrit le président de l’éditeur allemand, Carsten Thoma, « pour que l’IA fonctionne vraiment dans l’entreprise, elle a besoin de plus que de simples données : elle a besoin de contexte ». Et sans contexte, pas de ROI de l’IA.
À LIRE AUSSI :
À LIRE AUSSI :
