Agents IA : les cas d’usage qui tiennent en production

La démo était spectaculaire ; six mois plus tard, l’agent ne tourne plus. Ce scénario, la plupart des entreprises qui explorent les agents IA en entreprise l’ont vécu. Un agent — un système qui enchaîne des actions avec des outils pour atteindre un objectif, au lieu de simplement répondre à une question — ne survit en production que si le cas d’usage réunit quatre conditions : une tâche fréquente et bien définie, un résultat vérifiable, un coût d’erreur borné, et une supervision humaine placée au bon endroit.

Ces quatre critères ne sont pas théoriques : ils séparent, dans les déploiements que nous observons, les agents encore actifs après six mois de ceux qu’on a débranchés sans oser le dire en comité.

Pourquoi les démos d’agents meurent-elles en production ?

Une démo montre le cas nominal : des données propres, un scénario répété, un public bienveillant. La production, elle, envoie les cas tordus — le PDF scanné de travers, le client qui pose deux questions en une, le champ vide que personne n’avait prévu. Un agent conçu pour la démo traite 80 % des cas et échoue silencieusement sur le reste ; or, en entreprise, ce sont les 20 % restants qui définissent la confiance.

L’autre cause de mortalité est organisationnelle : personne n’est propriétaire de l’agent. Quand le process change, quand un outil connecté évolue, quand une erreur survient — qui corrige ? Sans propriétaire nommé et sans supervision définie, le premier incident sérieux suffit : l’agent est suspendu « temporairement », puis oublié.

Les quatre critères d’un cas d’usage agentique viable

Avant de construire quoi que ce soit, passez le cas d’usage envisagé au filtre de ces critères. Un seul manque, et l’agent ne passera pas l’hiver :

• Fréquence et définition : la tâche revient chaque jour ou chaque semaine, avec des règles explicites — un agent qui tourne trois fois par an ne justifiera jamais sa maintenance.
• Résultat vérifiable : on peut dire objectivement si la sortie est correcte — un rapprochement est juste ou faux ; un « conseil stratégique » ne se vérifie pas.
• Coût d’erreur borné : une erreur de l’agent coûte une correction, pas un client ou un contentieux — le brouillon interne se prête aux agents, l’engagement contractuel non.
• Supervision plaçable : il existe un point naturel du process où un humain peut valider en quelques secondes — si la vérification prend aussi longtemps que la tâche, l’agent ne fait rien gagner.

Les familles de cas d’usage qui tiennent

Dans les entreprises que nous accompagnons, les agents qui passent l’épreuve du temps appartiennent presque tous aux mêmes familles. Le tri et la qualification : catégoriser des tickets, qualifier des leads entrants, router des factures fournisseurs. La préparation de dossiers : rassembler l’historique d’un client avant un rendez-vous, compiler les pièces d’une réponse à appel d’offres, pré-remplir un rapport récurrent. La vérification systématique : contrôler la conformité d’un document à une checklist, relire du code aux standards de l’équipe, pointer des écarts entre deux sources.

Le point commun saute aux yeux : ce sont des tâches d’instruction, pas de décision. L’agent prépare, rassemble, vérifie, propose — et un humain tranche. Les cas qui échouent sont symétriques : objectifs flous (« améliore notre marketing »), actions irréversibles sans validation (envoyer, publier, payer), ou tâches si rares que personne n’entretient l’agent.

La supervision humaine : un point de contrôle, pas une surveillance

Superviser un agent ne veut pas dire regarder par-dessus son épaule à chaque étape — sinon autant faire la tâche soi-même. La supervision efficace se concentre en un point : là où l’action devient difficile à annuler. L’agent instruit librement en amont ; l’humain valide au moment de l’engagement — l’envoi au client, l’écriture comptable, la commande fournisseur.

Deux mécanismes complètent ce point de contrôle : des limites codées en dur dans les garde-fous — périmètres de données, actions interdites, seuils de montant — et une trace lisible de ce que l’agent a fait, pour qu’un incident se comprenne en minutes et non en jours. C’est cette architecture, bien plus que la qualité du modèle, qui décide de la durée de vie d’un agent.

Commencer petit, mais commencer structuré

Le bon premier agent est modeste : un cas qui passe les quatre critères, un propriétaire nommé, une mesure du temps gagné, un point de validation clair. Sa réussite crée le modèle que les suivants reproduisent — et c’est ce cadre, contextes, garde-fous et pilotage compris, que nous mettons en place avec les équipes avant d’écrire le moindre agent.