Ne promptez plus vos agents, recrutez-les : le guide de l’entreprise agentique

Demandez à n’importe quel dirigeant d’entreprise de décrire l’un de ses agents IA et vous obtiendrez probablement une réponse claire : « Il synthétise des documents » ou « Il traite les tickets de support de premier niveau ». Mais demandez-lui comment cet agent est gouverné, évalué ou corrigé, et vous n’obtiendrez souvent aucune réponse. Ce silence résume bien la situation actuelle de l’IA agentique. 

J’échange régulièrement avec les responsables data et IA de grandes entreprises internationales sur le déploiement d’agents en production, pas de simples pilotes. Ce qui distingue les organisations qui prennent de l’avance, ce n’est ni un meilleur modèle ni un budget plus important. Elles ont cessé de voir les agents comme des prompts à optimiser : elles les considèrent comme des postes à pourvoir.

Les prompts décrivent des tâches ; les fiches de poste définissent des rôles

Un prompt indique à un agent ce qu’il doit faire à un instant donné. Une fiche de poste va plus loin : qu’exige ce rôle, comment s’intègre-t-il dans l’organisation et qui répond de ses résultats ?

De nombreuses entreprises ont sauté l’étape de la fiche de poste. L’une des principales préoccupations liées à l’IA agentique consiste à maintenir une supervision humaine et à éviter les actions incontrôlées. D’où une question essentielle : qui pilote les agents, et ceux qui le font, qui les a formés ?

Les responsables avec lesquels j’ai échangé construisent leurs programmes d’agents autour des trois étapes clés suivantes. Chacune correspond à une étape que les organisations suivraient pour toute nouvelle recrue.

Recrutez avec discernement

Avant d’écrire la moindre ligne de logique agentique, demandez-vous quelle tâche mérite d’être automatisée. Dans une entreprise de technologie musicale, cela a consisté à analyser les workflows pour repérer les tâches les plus répétitives et les plus volumineuses. Un agent de détection musicale fait désormais évoluer la classification des morceaux générés par l’IA à un niveau qu’aucune équipe humaine ne pourrait soutenir. 

Chez un constructeur automobile mondial, un AI lead au sein de chaque division stratégique recueille les cas d’usage lors de sessions d’idéation structurées, puis les évalue à l’aide d’un framework de priorisation avant tout développement. Comme l’explique un dirigeant : « Créer des agents est devenu si simple que les équipes commencent par là. Avez-vous défini un processus ? Des jalons de validation ? Des indicateurs ? La plupart des organisations n’en sont pas encore là. »

La conception compte autant que la priorisation. Pas plus que les collaborateurs, les agents ne travaillent en vase clos. Et la confiance se construit dès le départ. Dans une agence de marketing digital, un solution architect fait désormais le lien entre les équipes IA et les unités opérationnelles. Il veille à ce que les agents soient déployés sous forme de workflows gouvernés, alignés sur des objectifs concrets, plutôt que comme des outils isolés greffés sur un processus.

Préparez le manuel

Si la fiche de poste fait office de lettre d’embauche, les données constituent le manuel du collaborateur. Un agent qui n’accède pas à des données d’entreprise fiables, diversifiées et à jour ressemble à un collaborateur qui n’a jamais été intégré. Pourtant, la préparation des données reste le principal frein à l’adoption de l’IA en entreprise : selon une étude de Snowflake, 65 % des entreprises soulignent que décloisonner les données destinées à l’IA est difficile, voire très difficile. Elles sont 62 % à rencontrer les mêmes difficultés pour préparer en amont des données exploitables par l’IA.

La solution n’est pas d’ajouter davantage de données. Elle consiste à structurer les données. « On sous-estime souvent l’importance de la structure des données », explique un responsable d’une agence de marketing digital. « On suppose que les agents peuvent tout faire. Mais les modèles ne fonctionnent pas ainsi. Ils ne retiennent que certaines informations. Pour être efficaces, les agents ont besoin d’une intégration rigoureusement préparée. »

Une entreprise de solutions énergétiques en a fait l’expérience en créant un agent dédié à l’ingénierie de réparation. « Créer l’agent ne prend qu’une vingtaine de minutes », explique un responsable. « Mais rassembler les données provenant de sources dispersées et créer les intégrations nécessaires demande plusieurs semaines de travail d’ingénierie. » Un agent ne peut être meilleur que le manuel qui lui est fourni.

Pilotez activement

Le recrutement et l’intégration sont les étapes simples. C’est au stade du pilotage que les programmes peuvent dérailler, car gérer un agent n’a rien à voir avec manager une personne. Cela exige pourtant tout autant de rigueur.

La head of global data and AI d’une entreprise de technologie médicale décrit trois rôles émergents pour les personnes qui supervisent cette transition : le concepteur, qui construit le processus et l’agent chargé de l’exécuter ; le contrôleur, qui surveille l’exécution et valide les résultats ; et l’auditeur, qui atteste de manière indépendante la qualité du travail de l’agent dans les processus à forts enjeux. « Effectuer soi-même la tâche pourrait devenir de plus en plus facultatif, voire se transformer en loisir », me confie-t-elle. « Mais la responsabilité humaine ne disparaîtra pas. Les personnes doivent rester responsables des décisions intégrées à leurs conceptions, de l’autonomie accordée aux agents et des résultats produits par ces derniers. » Cette responsabilité doit être mesurée, et non présumée. 

Un constructeur automobile mondial soumet ses agents en formation à 170 questions réparties sur 5 séries avant leur déploiement, puis leur impose un critère simple : surpasser un humain, pas seulement égaler ses performances. Dans une entreprise de technologie musicale, l’équipe des opérations effectue une dernière vérification humaine de chaque résultat produit par un agent avant sa mise en production. Et tous les responsables que j’ai interrogés ont donné la même réponse lorsque je leur ai demandé qui assumait, en dernier ressort, la responsabilité des actions d’un agent : les humains.

C’est précisément là tout l’enjeu. Construire la confiance entre les collaborateurs et leurs nouveaux collègues agentiques prend du temps. Selon un responsable, il faut quatre semaines pour créer un agent, puis huit ou neuf mois pour parvenir à une véritable adoption, car la confiance se gagne au fil des itérations. Elle ne se décrète pas au lancement.

Le prochain organigramme fera une place aux managers d’IA

Un nouveau rôle émerge dans chaque fonction qui fait évoluer le déploiement des agents : le manager d’IA. « La prochaine étape consiste à gérer plusieurs agents d’IA », me confie un responsable d’une entreprise de technologie musicale. « Vous devenez alors manager, chargé de piloter ces IA pour améliorer leur efficacité. »

Les organisations qui avancent le plus vite avec les agents définissent clairement leur place, choisissent avec soin les données dont ils dépendent et contrôlent rigoureusement leur travail. La technologie progresse plus vite que la plupart des structures de management. L’écart entre « nous avons des agents » et « nous employons efficacement des agents » n’est pas technologique. C’est un problème de management. Pour le combler, il faut commencer par un simple changement d’approche : ne promptez plus, recrutez.

J’approfondis chacune des conversations évoquées ici, notamment la manière dont un fournisseur mondial de services d’information forme ses effectifs agentiques à partir de 175 ans d’expertise juridique et fiscale, dans l’eBook complet « Employez efficacement vos agents : le plan d’action d’un responsable data pour l’entreprise agentique. »