Il y a quelques semaines, un dirigeant du retail, contact de longue date, me posait une question en apparence simple : « On nous propose de déployer des agents IA sur nos opérations. Mais qui décide ce que l’agent peut faire ? Qui en est responsable quand ça se passe mal ? » Je ne lui ai pas répondu immédiatement. En effet, cette question simple est finalement souvent balayée rapidement du fait de l’excitation du marché. Mais selon moi, elle est critique. Cette question met à nu un angle mort collectif d’un marché.
L’IA agentique n’est plus uniquement un sujet de conférence. C’est une réalité opérationnelle. Les agents déploient des décisions, activent des workflows, interagissent avec des systèmes critiques — ERP, CRM, chaîne d’approvisionnement. Dans le retail, des systèmes d’intelligence artificielle interprètent désormais l’intention d’achat, récupèrent des informations, comparent les offres, synthétisent des recommandations — et bientôt finaliseront des transactions. Ce basculement n’est pas hypothétique. Le commerce agentique n’est pas un futur lointain, il est déjà en train de remodeler l’écosystème.
Mais voilà, d’après moi– et ce que personne ne dit clairement– la plupart de ces déploiements échoueront. Pas faute de technologie, mais faute de fondations. Ce sujet n’est pas nouveau, je l’ai constaté lors de nombreuses phases d’innovations technologiques auxquelles j’ai pu participer.
La vague est réelle. Les naufrages aussi.
Trente ans d’introduction des grandes vagues technologiques dans l’entreprise m’ont appris une constante : chaque cycle reproduit le même schéma. L’enthousiasme d’abord, la précipitation ensuite, le désenchantement enfin — suivi, pour ceux qui ont tenu, d’une vraie transformation. La fameuse courbe de l’adoption, hype-cycle du gartner. L’IA agentique ne fait pas exception. Elle l’amplifie.
Les principaux freins sont clairement identifiés : sécurité des données, difficultés d’intégration, manque de maturité interne. Ce constat de Forrester Research* vaut autant pour le retail que pour l’ensemble de l’entreprise. En back-office, l’IA est un outil efficace. En front-office, les délais, les coûts et les erreurs restent trop importants.
Ce n’est pas un problème de modèle. Ce n’est pas un problème de puissance de calcul. C’est un problème d’architecture — au sens le plus fondamental du terme.
Peindre les murs en agentique ne suffit pas. Encore faut-il avoir structuré les fondations. Comdab
La réponse du marché : toujours plus de technologie pour gouverner la technologie…
Face à cette réalité, que propose l’industrie ? Microsoft déploie Azure AI Foundry et son infrastructure d’orchestration. Google met en avant Vertex AI Agent Builder. AutoGen, CrewAI, LangGraph se positionnent comme des frameworks de gouvernance des agents. ServiceNow, Automation Anywhere, Oracle intègrent leurs propres couches de contrôle. Le mouvement est cohérent, la dépense considérable, mais selon moi la réponse… incomplète. Combad…
Ces plateformes gouvernent des outils. Elles contrôlent l’exécution, les appels API, les flux de données entre agents. C’est nécessaire. Ce n’est pas suffisant.
Posez-vous cette question : si vous contrôlez parfaitement comment votre agent s’exécute, mais que vous n’avez pas défini au service de quoi il s’exécute — que gouvernez-vous, exactement ? Un processus sans intention. Une action sans responsabilité. Une performance sans mesure.
La performance ne se mesure plus au trafic du site, mais à la qualité de la compréhension des données. C’est vrai. Mais avant même la donnée, il y a la question que personne ne pose encore assez fort : quelle est la capability métier que cet agent est censé servir ? En d’autres termes, en quoi cet agent, ou, plus globalement, en quoi cette composition agentique participe à la création de valeur de l’entreprise, combien on est prêt à y investir, pour quel retour et avec quel risque. Une même capability, par exemple la segmentation client, en fonction du profil de l’entreprise, n’aura pas le même poids. Peut-on piloter ce poids et qui pilote ? Certainement pas la Tech …
Le faux problème que tout le monde résout.
Je travaille avec des dirigeants et des DSI depuis trente ans. J’ai accompagné l’introduction de Java, du cloud, de l’IoT, du machine learning dans des organisations qui, pour la plupart, partagent le même angle mort : elles sous-exploitent la technologie parce qu’elles ne maîtrisent pas l’architecture de leur propre business model.
L’IA agentique ne change pas ce constat. Elle le radicalise.
Vos agents IA vont opérer sur votre business model. L’avez-vous défini ? Vos dirigeants, vos équipes métier et votre DSI partagent-ils la même carte de ce que votre entreprise fait — vraiment ? Pouvez-vous montrer, en une page, comment votre SI sert votre modèle économique ?
Si la réponse est non — et elle l’est, dans la grande majorité des organisations que je rencontre — alors vous n’avez pas un problème de gouvernance agentique. Vous avez un problème de fondations. Et déployer des agents sur des fondations non maîtrisées, c’est amplifier du vide. L’exercice reste futile, quelle que soit la sophistication du framework d’orchestration.
Un retailer qui déploie un agent de gestion des retours sans avoir explicitement défini ce que signifie « traiter un retour conforme à sa politique commerciale » — avec des KPI mesurables, un propriétaire métier identifié, un périmètre d’action déclaré — ne gouverne pas. Il automatise de l’ambiguïté.
Plus que jamais, on ne peut performer sans un alignement de l’architecture de son SI avec l’architecture de son business model, encore faut-il maitriser ce dernier.
La bascule que personne n’a encore opérée.
Nous basculons d’une gouvernance technique à une gouvernance par le métier. Et cette bascule n’est pas encore dans l’agenda des hyperscalers, parce qu’elle ne se vend pas en compute et en tokens.
L’unité de gouvernance pertinente n’est pas l’agent. Ce n’est pas le workflow. Ce n’est pas le modèle. C’est la capability — cette capacité élémentaire de l’organisation à produire un résultat métier de façon répétable et responsable. Stable dans le temps. Mesurable par des outcomes. Portée par un propriétaire humain. Indépendante du moteur technologique qui l’exécute.
Traiter un retour client conforme au droit. Décider un crédit en conformité. Assurer la disponibilité stock omnicanale. Ce sont des capabilities. Pas des tâches. Pas des features. Des engagements métier — et c’est à ce niveau que la gouvernance doit s’exercer, pas une couche en dessous dans le framework d’exécution.
C’est pourquoi je pose toujours les mêmes questions dans les Codir : peut-on lire dans votre architecture SI votre business model et votre stratégie ? Si non — le problème n’est pas technique. C’est l’architecture du business model elle-même qui n’est pas assumée. Et quand vous déployez des agents sur cette base, vous amplifiez précisément ce désalignement.
C’est maintenant possible. Les conditions sont réunies.
La bonne nouvelle — et elle est structurante — c’est que cette approche n’est plus théorique. Les conditions de sa mise en œuvre sont réunies.
La maturité des modèles de langage permet désormais de raisonner dans un contexte sémantique déclaré par l’organisation, pas seulement d’exécuter des instructions. Les standards d’orchestration émergent. Et surtout, une infrastructure de gouvernance par les capabilities — business-first, indépendante du moteur technologique, portant l’audit trail, les KPI et la responsabilité humaine au cœur de chaque exécution agentique — est désormais disponible.
C’est précisément ce que construit Stackmint.ai : non pas une couche technique supplémentaire posée au-dessus des agents, mais l’infrastructure d’exécution qui part de la capability métier pour gouverner ce qui s’exécute en son nom. Chaque action agentique s’inscrit dans un contrat d’exécution versionné, auditable, rattaché à un propriétaire métier identifié. L’intelligence opère. La gouvernance tient. La responsabilité reste humaine.
Ce n’est plus un futur à anticiper. C’est une architecture à déployer.
La question qui reste.
Dans dix-huit mois, deux catégories d’entreprises coexisteront. Celles qui auront déployé des agents sur leurs fondations — avec des capabilities définies, des contrats d’exécution gouvernés, des propriétaires métier responsabilisés. Et celles qui auront automatisé du désalignement à grande vitesse.
La technologie ne fait pas la différence entre les deux. Elle amplifie ce qui existe déjà.
Alors, avant votre prochain déploiement agentique : avez-vous défini vos capabilities ? Savez-vous qui en est responsable ? Pouvez-vous mesurer leur performance, indépendamment du moteur qui les exécute ?
Amplifier du vide reste un exercice futile. La gouvernance agentique commence là où la capability métier est maîtrisée.