#Agentic101 : Bienvenue dans notre série de l’été pour rattraper les bases de l’agentification
David Guede a construit l’agent Sharlie : un agent vocal qui fait office de service client pru Sosh. Tout l’été il vous partage son expertise pour une session de rattrapage sur les bases de l’agentification.
Depuis dix-huit mois, une même scène se rejoue dans la plupart des organisations. On ouvre l’accès à une plateforme d’IA, on donne aux équipes la capacité de créer leurs propres agents, et les catalogues se remplissent : un agent qui résume, un agent qui rédige, un agent qui traduit, un agent qui fouille la base documentaire. Le compteur grimpe. La productivité, elle, bouge à peine.
Ce décalage entre le nombre d’agents créés et la valeur réellement produite est le point de départ de cette série. Notre conviction, forgée sur le terrain : l’avenir de la productivité en entreprise ne se jouera pas dans la multiplication des agents, ni dans un chatbot toujours plus intelligent, mais dans l’agentification des process complets, de bout en bout.
L’IA agentique, c’est quoi ?
Un mot de cadrage, car « IA agentique » recouvre des réalités très différentes. Nous la rangeons en trois familles :
- L’IA agentique au service de la productivité interne : des agents qui assistent vos collaborateurs dans leur travail, déclenchés par eux et à leur service.
- Le RPA 2.0 : des agents qui tournent en arrière-plan, en autonomie, pour automatiser des traitements de bout en bout, sans collaborateur aux commandes.
- L’IA agentique exposée à l’externe : des agents en contact direct avec vos clients, au service de la relation.
Ces trois familles n’obéissent ni aux mêmes règles de conception, ni aux mêmes exigences de gouvernance, ni à la même logique d’adoption. Cette série ne traite que de la première : l’IA agentique qui rend vos équipes plus productives, de l’intérieur.
Reste alors à s’entendre sur un mot que tout le monde emploie sans jamais le définir : process.
Agentification d’une tâche vs agentification d’un process : quelle(s) différence(s) ?
Prenez trois situations que vous connaissez tous, quel que soit votre secteur.
Le reporting mensuel : rassembler les données dans vos différents systèmes, calculer les indicateurs, repérer les écarts, en tirer un commentaire, assembler un support, le diffuser.
L’arrivée d’un nouveau collaborateur : créer ses comptes et ses accès, préparer son matériel, lui désigner un parrain, planifier sa première semaine, fixer ses objectifs à 30, 60 et 90 jours, envoyer les messages de bienvenue.
Le traitement d’une demande client : qualifier la demande, retrouver l’historique du client et la bonne réponse dans la base de connaissance, formuler une résolution, mettre à jour le ticket, rédiger la réponse.
Aucune de ces trois choses n’est une tâche. Ce sont des process : des suites d’étapes standardisées qui, mises bout à bout, produisent un livrable attendu. « Calculer le chiffre d’affaires par région » est une tâche. « Produire le reporting mensuel » est un process. La nuance paraît anodine. Elle commande pourtant tout le reste.
3 approches de l’automatisation par l’IA
Prenons le reporting et regardons les trois manières d’y appliquer l’IA aujourd’hui.
Première approche : créer un agent
Vous fabriquez un « agent reporting ». Mais que fait-il, exactement ? Au mieux une étape, comme sortir un tableau ou rédiger un paragraphe. Il rejoint alors le catalogue, à côté des dizaines d’autres, et finit le plus souvent inutilisé : personne ne sait précisément ce qu’il sait faire, ni quand l’appeler. On a créé un objet, pas un gain.
Deuxième approche : demander au chatbot relié à votre SI
Via ses connecteurs (souvent du MCP), votre assistant conversationnel est déjà branché sur vos données. Vous lui demandez « sors-moi le chiffre d’affaires par région », et il le fait très bien. Vous lui demandez ensuite le commentaire, puis le graphique, puis la mise en forme. Chaque étape fonctionne, mais c’est vous qui les enchaînez, une à une. Vous restez le chef d’orchestre. Et si l’agent dédié de la première approche est si souvent inutile, c’est précisément parce que le chatbot fait déjà la tâche sans qu’on ait rien eu à construire.
Troisième approche : agentifier le process complet
Vous exprimez une intention (« je veux le reporting de novembre ») et la chaîne se déroule : collecte des données, calculs, détection des écarts, rédaction des insights, assemblage, diffusion. Chaque étape est prise en charge par un agent qui passe la main au suivant, avec des points de validation aux moments qui comptent. À la fin, le support est prêt, là où il doit l’être.
La différence n’est pas dans les étapes : le chatbot savait déjà sortir un chiffre, un agent savait déjà rédiger un paragraphe. La différence est dans ce qui relie les étapes. Ce que l’agentification d’un process supprime, ce n’est pas le travail, c’est le coût de coordination que vous assumiez jusque-là à la main, en passant vous-même d’une étape à l’autre.
Productivité et adoption : pourquoi l’agentification change la donne ?
Ce déplacement change la donne sur deux plans à la fois.
Côté productivité, le gain n’est plus de quelques minutes grappillées sur une tâche isolée, mais des heures rendues sur un process entier, du déclenchement au livrable.
Côté adoption (le sujet dont on parle trop peu), un agent isolé suppose que l’utilisateur sache qu’il existe, pense à l’ouvrir et comprenne ses limites. À cinquante agents, le coût mental du « lequel fait quoi ? » dépasse souvent le gain. Un process agentifié, lui, se déclenche par une intention formulée comme on pense son travail : on ne se dit pas « je dois extraire le CA, puis rédiger, puis mettre en forme », on se dit « je veux mon reporting ». L’unité d’adoption, ce n’est pas la tâche. C’est l’intention.
Le véritable saut de productivité ne viendra pas d’un chatbot plus intelligent, mais bien de l’orchestration de vos flux de travail. Dans les prochains articles de cette série, nous verrons comment mettre cela en pratique, de l’adoption par les équipes jusqu’à la gouvernance des données.
Ce que vous lirez dans cette série #Agentic101
Cette conviction se construit pas à pas. Les quatre volets qui suivent en posent les fondations, l’un après l’autre :
- Le manifeste : pourquoi il faut agentifier le process et non la tâche, et comment savoir quand un agent se justifie… et quand il est superflu.
- De l’enablement au process : pourquoi donner à chacun le pouvoir de créer des agents est une première étape saine, mais pas une destination ; et ce qui fait vraiment décoller l’adoption.
- Le faire sérieusement : évaluations, supervision, dernier kilomètre : ce qui sépare une démo d’un process digne de confiance en production.
- Gouverner et nourrir la machine : registre des agents, accès aux données, et cette qualité de la donnée dont personne ne veut parler mais qui décide de tout.
Nous garderons le reporting comme fil rouge, du premier au dernier volet, pour que la démonstration reste concrète.
Une dernière chose, pour fixer le cap dès maintenant. Les plateformes, quelles qu’elles soient, savent désormais vous aider à créer, distribuer et répertorier des agents. C’est précieux, et c’est leur métier. Mais aucune ne décidera à votre place quel process mérite d’être agentifié, ne le décomposera, ne nettoiera vos données ni ne bâtira la confiance de vos équipes. Créer des agents, ce n’est pas agentifier vos process. Et c’est exactement là que se trouve la valeur.
Rendez-vous tous les jeudis pour une nouvelle session de rattrapage !
