Agents IA en production : seules 27 % des entreprises voient vraiment ce qu’ils font

Les agents IA ne sont plus un sujet de démo. Ils trient des demandes, préparent des devis, mettent à jour des fiches, déclenchent des actions dans le SI. Trois études publiées en octobre 2026 disent la même chose : l’usage avance plus vite que la capacité des entreprises à le surveiller. Pour une PME ou une ETI qui fait développer un outil IA, la question utile n’est plus « faut-il un agent ? » mais « comment saurons-nous ce qu’il fait ? ».

Ce que disent les chiffres

Datadog, « The State of Operational AI in Europe 2026 » (publié le 20 octobre, plus de 750 décideurs IT en France, au Royaume-Uni et en Allemagne) :

• seulement 27 % ont une visibilité complète sur leurs systèmes d’IA en production ;
• 43 % estiment que l’adoption de l’IA va déjà plus vite que la gouvernance ;
• seulement 52 % se disent confiants de détecter un problème lié à l’IA avant qu’il ne touche un client (58 % en France) ;
• en France, 25 % des organisations sont encore au stade expérimental ou pilote, contre 6 % au Royaume-Uni ;
• pour 47 % des responsables IT français, la souveraineté de l’IA et la résidence des données sont des critères prioritaires au moment du déploiement ;
• toutes les entreprises interrogées s’attendent à confier à l’IA, d’ici deux ans, au moins une action à fort enjeu sans supervision humaine.

Wharton Human-AI Research et GBK Collective, « The Adaptive Advantage » (octobre 2026, 1 416 salariés de grandes entreprises américaines interrogés en juillet) : 67 % des départements utilisent des agents IA sous une forme ou une autre, mais 28 % seulement décrivent l’IA comme pleinement intégrée à leurs processus clés, et 17 % laissent un agent agir sans qu’une personne valide chaque étape. Dans 48 % des cas, l’IA fait le travail et une personne l’approuve avant toute action.

ESSCA et Forvis Mazars, 2e Baromètre IA Entreprise et Durabilité (1er octobre, 826 professionnels en France, au Royaume-Uni, en Allemagne et en Espagne) : 35 % des entreprises ont déjà recours à des agents autonomes, deux professionnels sur trois constatent du Shadow AI dans leur organisation, 44 % des entreprises seulement ont des règles éthiques, et 28 % des répondants estiment que leur entreprise connaît bien l’AI Act.

Une précision honnête : l’étude Wharton porte sur de grandes entreprises américaines, et Datadog interroge des décideurs IT plutôt que des dirigeants de PME. Ces chiffres ne décrivent pas directement une PME française. Ils montrent en revanche où se situe la difficulté quand l’IA passe en production, et elle est la même à toutes les tailles.

Le piège du « milieu supervisé »

L’étude Wharton met le doigt sur une situation fréquente : on déploie un agent pour gagner du temps, puis, faute de savoir ce qu’il fait, on fait relire et valider chaque action par une personne. On paie l’automatisation sans en avoir le bénéfice. Les auteurs relèvent que les départements qui ont réellement transformé leurs flux de travail sont 67 % à déclarer un retour sur investissement nettement positif, contre 28 % pour l’ensemble des répondants.

Le point commun de ceux qui avancent n’est pas d’avoir enlevé l’humain partout. C’est d’avoir décidé, tâche par tâche, ce qu’un agent peut faire seul, et d’avoir mis une surveillance automatique autour. La validation humaine reste là où le risque le justifie, pas par défaut faute de visibilité.

Cinq briques à exiger avant de confier une tâche à un agent

Si vous faites développer un outil IA sur mesure, ces éléments se posent dès le cahier des charges. Ajoutés après coup, ils coûtent plus cher et arrivent souvent trop tard.

1. Un registre des agents. Pour chaque agent : ce qu’il fait, à quelles données et à quels outils il accède, qui en est responsable côté métier. C’est la réponse directe au Shadow AI : on ne gouverne pas ce qu’on n’a pas recensé.
2. Des niveaux d’autonomie par action, pas par agent. Lire, proposer un brouillon, exécuter après validation, exécuter seul : un même agent peut répondre seul à une question de suivi de commande et devoir faire valider un avoir ou un virement. Ce découpage s’écrit noir sur blanc.
3. Un journal d’actions consultable. Chaque action doit laisser une trace : la demande, les données utilisées, la décision, le résultat. Sans ce journal, impossible d’expliquer une erreur à un client, ni de corriger le comportement de l’agent.
4. Une supervision qui alerte avant le client. Taux d’erreur, actions inhabituelles, volumes anormaux, réponses hors périmètre : des seuils simples, une alerte, une personne qui reçoit l’alerte. C’est exactement l’écart que mesure Datadog, avec près d’une entreprise sur deux qui n’est pas sûre de détecter un problème avant ses clients.
5. Un suivi des coûts par usage. Les appels aux modèles se paient à la consommation. Un tableau de bord par agent et par processus évite de découvrir la facture en fin de mois et permet de choisir le bon modèle pour chaque tâche.

À ces cinq briques s’ajoute une question que les responsables IT français placent en tête : où sont hébergées les données et quels modèles sont utilisés. Elle se tranche aussi en amont, pas au moment de la mise en production.

Et l’AI Act dans tout ça ?

Un agent qui répond à des clients ou traite des dossiers n’est pas automatiquement un système à haut risque au sens de l’AI Act. Mais un registre, un journal et une supervision sont précisément le type de documentation dont vous aurez besoin si l’un de vos usages entre un jour dans une catégorie réglementée. Ce travail sert donc deux fois : en exploitation dès aujourd’hui, et en conformité si votre périmètre évolue.

Notre conseil

Avant d’ajouter un deuxième agent, rendez le premier visible. Un outil IA qu’on peut observer, expliquer et arrêter proprement vaut mieux qu’un outil plus autonome que personne ne surveille. C’est ce qui permet ensuite d’enlever des validations manuelles en confiance, et donc de récupérer le temps promis au départ.

Vous avez un agent ou un outil IA en production, ou un projet en préparation ? Nous pouvons regarder avec vous ce qui manque pour le piloter sereinement.

Sources

1. Datadog, publication LinkedIn de lancement du rapport « The State of Operational AI in Europe 2026 », 20 octobre 2026 : linkedin.com
2. Datadog France, chiffre souveraineté (47 %), 20 octobre 2026 : linkedin.com
3. Digitalisation World, « UK leads Europe in AI adoption but lags on visibility and cost control » (chiffres France 58 %, 25 %, action à fort enjeu) : digitalisationworld.com
4. Wharton Human-AI Research et GBK Collective, « The Adaptive Advantage: Who’s Winning with AI and How », résumé exécutif, octobre 2026 : ai.wharton.upenn.edu
5. AIwire, « Wharton Survey Finds Gaps Between Leaders and Employees on AI Training and Adoption », 15 octobre 2026 : hpcwire.com
6. Unite.AI, répartition des niveaux d’autonomie (48 % / 35 % / 17 %) : unite.ai
7. ESSCA et Forvis Mazars, communiqué du 2e Baromètre IA Entreprise et Durabilité, 1er octobre 2026 : essca.eu