Agents IA : 8 cas d'usage concrets pour les directions métiers (et pourquoi plus de 40 % des projets seront abandonnés)

Les agents IA changent la nature du travail avec l'IA. En effet, on ne leur demande plus une réponse : on leur confie un objectif. Concrètement, ils planifient les étapes, consultent les outils de l'entreprise, agissent, puis rendent compte. Pour une direction financière, achats ou service client, la question devient donc très concrète. Quelle partie de mon processus puis-je déléguer, et avec quel contrôle ?

Le mouvement est réel, mais inégal. D'un côté, les grandes organisations accélèrent. À l'inverse, la majorité des entreprises explorent encore. De plus, une partie des projets lancés en 2025 sera abandonnée. Voici donc où en sont les entreprises, huit cas d'usage concrets et la méthode pour choisir ceux qui tiendront en production.

Assistants, automatisations, agents IA : trois outils, trois usages

D'abord, un assistant répond à une demande. Par exemple, il résume un document, rédige un courriel ou retrouve une information. Une automatisation, elle, exécute un enchaînement fixe et prévisible. C'est notamment le cas d'un robot logiciel qui recopie des données d'un écran à l'autre. Enfin, un agent combine les deux. Il reçoit un but, choisit ses actions et utilise des outils comme la messagerie, l'ERP ou le CRM. Surtout, il s'adapte à ce qu'il rencontre.

Cette distinction compte donc. Gartner conseille en effet d'utiliser les agents quand une décision est nécessaire. En revanche, l'automatisation convient aux flux routiniers, et l'assistant à la simple recherche d'information. Or beaucoup de projets échouent pour cette raison : ils mobilisent un agent, plus coûteux et plus difficile à contrôler, là où une règle suffisait. Bref, le cabinet le dit clairement : de nombreux cas présentés comme agentiques n'en ont pas besoin.

Par ailleurs, le marché entretient la confusion. Gartner parle d'« agent washing » : des éditeurs rebaptisent agents des chatbots ou des outils d'automatisation existants. Ainsi, sur des milliers d'acteurs qui revendiquent le terme, environ 130 seulement proposeraient de vrais agents. Avant toute démonstration, posez donc trois questions. Que décide l'outil seul ? Avec quelles données ? Et que fait-il quand il se trompe ?

Où en sont les entreprises avec les agents IA en 2026

L'enquête mondiale de McKinsey, publiée en août 2026, montre une accélération nette. Elle porte en effet sur 1 719 répondants interrogés en mai et juin 2026. Ainsi, 40 % des répondants issus d'entreprises de plus d'un milliard de dollars de chiffre d'affaires passent des agents IA à l'échelle. Pourtant, un an plus tôt, ils n'étaient que 27 %. Dans les organisations plus petites, en revanche, la part stagne à 22 %.

L'informatique montre la voie. Aujourd'hui, environ deux répondants sur dix passent à l'échelle des agents de développement logiciel. Dans les grandes entreprises, ils sont même 31 %, notamment pour le développement. De plus, 32 % des répondants ont renoncé à acheter au moins un logiciel, car ils pouvaient le construire en interne.

Une minorité industrialise, la majorité teste

À l'échelle de toutes les entreprises, le tableau reste prudent. Ainsi, le Capgemini Research Institute a interrogé 1 500 dirigeants dans 14 pays. Or seules 2 % des organisations ont déployé des agents à grande échelle. Par ailleurs, 12 % les ont déployés à échelle partielle et 23 % en sont aux pilotes. Enfin, 61 % explorent encore.

Certes, ces deux enquêtes ne mesurent pas la même chose. Elles convergent pourtant sur un point : l'écart se creuse entre ceux qui industrialisent et ceux qui testent. En outre, la valeur financière ne suit pas encore. Par exemple, chez McKinsey, 37 % des répondants attribuent un effet sur l'EBIT à l'IA, un chiffre stable. Quant aux entreprises les plus performantes, elles plafonnent à environ 6 %.

8 cas d'usage concrets des agents IA, direction par direction

Les cas qui tiennent en production ont un point commun. En effet, ils combinent un volume élevé, des règles explicites, des données accessibles et une action réversible. Le tableau ci-dessous en présente donc huit. Pour chacun, il indique ce que fait l'agent et ce qui doit rester humain.

Direction	Ce que fait l'agent	Ce qui reste humain
Service client	Qualifie la demande, résout les cas simples (suivi, modification, remboursement standard), transmet les autres avec le contexte	Les réclamations sensibles, les gestes commerciaux au-delà d'un seuil, l'accès garanti à un conseiller
Finance	Rapproche paiements et factures, prépare les relances graduées des impayés, signale les anomalies	La mise en contentieux, les décisions sur les comptes clés
Achats	Compare les offres fournisseurs selon une grille, vérifie les pièces et attestations, prépare la synthèse	Le choix du fournisseur et la négociation
Ressources humaines	Répond aux questions courantes (congés, mutuelle, paie), orchestre l'arrivée d'un collaborateur	Toute décision qui concerne une personne : recrutement, évaluation, mobilité
Commercial	Prépare les rendez-vous (historique, actualité du client), met à jour le CRM après la réunion, propose une relance	La relation, l'envoi des messages au client, la proposition commerciale
Supply chain	Surveille les risques de rupture, propose une replanification ou une commande de réassort	La validation des commandes au-delà d'un montant ou d'un risque défini
Juridique et conformité	Fait une première lecture des contrats face à une grille de clauses, signale les écarts	L'analyse finale et l'avis du juriste
Informatique	Traite le support de niveau 1 (accès, réinitialisations), assiste le développement et les tests	L'architecture, la sécurité, la validation des mises en production

1. Service client : le cas le plus mûr

C'est d'ailleurs la fonction où la promesse est la plus chiffrée. Gartner prévoit ainsi qu'en 2029, l'IA agentique résoudra seule 80 % des demandes courantes du service client. Les coûts opérationnels baisseraient alors de 30 %.

Toutefois, le cas Klarna montre à la fois le potentiel et la limite. En février 2024, son assistant traitait 2,3 millions de conversations en un mois, soit les deux tiers des échanges. Il faisait alors le travail de 700 agents à temps plein. De plus, le temps de résolution passait de 11 à moins de 2 minutes. Pourtant, en mai 2025, son dirigeant a reconnu auprès de Bloomberg que le coût avait trop pesé dans les choix. Ainsi, la qualité en avait souffert. L'entreprise recrute donc de nouveau pour garantir à chaque client l'accès à un humain.

La leçon est donc simple. L'agent doit absorber le volume répétitif, sans supprimer le recours humain. Le bon indicateur n'est donc pas le taux d'automatisation. C'est plutôt la résolution au premier contact, et la satisfaction sur les cas transmis.

2. Finance : le poste client avant la clôture

Le recouvrement est un terrain idéal. D'abord, les volumes sont importants. Ensuite, les règles sont connues : échéances, montants, historique de paiement. Enfin, l'action est graduée. Concrètement, l'agent rapproche les encaissements et repère les retards. Puis il rédige des relances adaptées au profil du client. Enfin, si besoin, il prépare le dossier d'escalade. La clôture comptable viendra ensuite, une fois la qualité des données démontrée.

3. Achats et juridique : la première lecture

Dans ces fonctions, l'agent ne décide pas : il prépare. Par exemple, il compare trois offres sur vingt critères. Ensuite, il vérifie qu'un fournisseur a transmis ses attestations. Il relit aussi un contrat face à une grille de clauses. Or ces tâches sont longues, et une première passe fiable libère du temps d'expertise. Une condition s'impose toutefois : une grille d'analyse écrite et validée par les experts.

4. Ressources humaines : utile, mais encadré

Répondre aux questions courantes des salariés reste un cas simple et apprécié. Il en va de même pour l'accueil des nouveaux arrivants. En revanche, l'AI Act classe à haut risque les systèmes qui servent à recruter ou à évaluer des personnes. Ainsi, leurs obligations s'appliqueront au 2 décembre 2027 : documentation, journalisation et contrôle humain effectif. Nous détaillons ce calendrier dans notre guide de l'AI Act.

5. Commercial, supply chain et informatique : le gain diffus

Préparer un rendez-vous prend quelques minutes. Il en va de même pour mettre à jour le CRM, surveiller un stock ou traiter une demande d'accès. Mais ces tâches se répètent pourtant des centaines de fois par semaine. C'est pourquoi le gain cumulé devient important. C'est aussi là que les agents de développement progressent le plus vite.

Pourquoi plus de 40 % des projets d'agents IA seront abandonnés

Gartner prévoit l'annulation de plus de 40 % des projets d'IA agentique d'ici fin 2027. Le cabinet avance en effet trois raisons : des coûts qui dérapent, une valeur métier floue et des contrôles de risques insuffisants. De plus, les autres enquêtes confirment ces trois fragilités.

Cette baisse de confiance n'est pas un mauvais signal. Au contraire, elle marque le passage de la démonstration à l'exploitation. En effet, les entreprises découvrent qu'un agent qui agit dans un ERP engage leur responsabilité. C'est aussi le cas quand il écrit à un client. Ainsi, les projets qui réussissent ne cherchent pas l'autonomie maximale. Ils cherchent le bon niveau d'autonomie pour chaque étape.

Choisir où déployer des agents IA : la grille en 5 questions

Avant de lancer un agent, notez chaque cas candidat sur cinq critères. Ensuite, si un cas ne coche pas au moins quatre cases, une solution plus simple suffit. Une règle, une automatisation ou un assistant fera alors l'affaire.

Question	Signal favorable
Le volume justifie-t-il l'effort ?	Des centaines d'occurrences par semaine, un temps unitaire mesuré
Les règles sont-elles écrites ?	Une procédure existe et les experts s'accordent sur la bonne réponse
Les données sont-elles accessibles ?	Les systèmes exposent des API, les données sont fiables et à jour
L'action est-elle réversible ?	Une erreur se corrige facilement, ou une validation humaine précède l'action
Le résultat est-il mesurable ?	Un indicateur de départ existe : délai, taux d'erreur, coût par dossier, satisfaction

Cette grille rejoint le constat de McKinsey sur les entreprises les plus performantes. En effet, elles repensent leurs processus autour de l'IA, au lieu de l'insérer dans l'existant. À l'inverse, un agent posé sur un processus mal défini automatise surtout ses défauts.

Agents IA : l'humain dans la boucle, par conception

Le contrôle humain ne se résume pas à un bouton « valider ». Au contraire, il se conçoit dès le départ, étape par étape. En pratique, trois niveaux suffisent dans la plupart des cas. D'abord, l'agent propose et l'humain décide. Ensuite, l'agent agit sous un seuil défini (montant, type de client, niveau de risque) et rend compte. Enfin, l'agent agit seul sur des actions réversibles, sous contrôle par échantillonnage. Dans tous les cas, chaque action doit laisser une trace : qui a demandé quoi, avec quelles données, pour quelle décision.

Ce cadre répond aussi aux exigences réglementaires. Par exemple, un client doit savoir qu'il échange avec une IA. De même, les usages à haut risque imposent un contrôle humain effectif. Enfin, ce cadre sert la sobriété. Limiter les boucles inutiles réduit à la fois la facture et l'empreinte. Nous avons détaillé ces leviers dans notre article sur l'IA frugale.

Par où commencer : 90 jours pour lancer vos agents IA

• Semaines 1 à 3 : cartographier. Recensez dix processus candidats avec les directions métiers. Ensuite, notez-les avec la grille, puis retenez-en un ou deux. Mesurez enfin la situation de départ.
• Semaines 4 à 8 : construire en mode « proposition ». L'agent prépare, puis l'humain valide chaque action. Par ailleurs, collectez les écarts entre la proposition et la décision finale. Ils forment ainsi le meilleur jeu de test.
• Semaines 9 à 12 : mesurer et décider. Comparez délai, qualité, coût par tâche et satisfaction à la situation de départ. Ensuite, étendez l'autonomie aux seules étapes où l'agent a fait ses preuves.

En somme, l'enjeu n'est pas d'avoir des agents IA. Il est de savoir précisément ce qu'on leur délègue. Ainsi, les entreprises qui posent cette question processus par processus, avec les métiers, passeront de la démonstration aux résultats. C'est la démarche que nous menons dans nos missions de conseil en IA et Data.

Sources

• McKinsey & Company, « The state of AI in 2026: On the road to ROI », 25 août 2026 (enquête du 4 mai au 8 juin 2026, 1 719 répondants, 97 pays). mckinsey.com
• Gartner, « Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 », 25 juin 2025. gartner.com
• Gartner, « Gartner Predicts Agentic AI Will Autonomously Resolve 80% of Common Customer Service Issues Without Human Intervention by 2029 », 5 mars 2025. gartner.com
• Capgemini Research Institute, « Rise of agentic AI: How trust is the key to human-AI collaboration » (1 500 dirigeants, 14 pays). capgemini.com
• Deloitte, « The State of AI in the Enterprise 2026 », communiqué du 21 janvier 2026 (3 235 dirigeants, 24 pays). deloitte.com
• Klarna, « Klarna AI assistant handles two-thirds of customer service chats in its first month », 27 février 2024. klarna.com
• TechSpot, « Klarna is hiring humans again as AI replacements offer lower quality output », 12 mai 2025, d'après un entretien du dirigeant de Klarna à Bloomberg. techspot.com