50 % des entreprises ont déployé un agent ayant réussi les évaluations avant d'échouer
Les entreprises ne manquent pas d'ambition en matière d'IA. Elles manquent de preuves que l'IA déployée fonctionne réellement une fois sortie du bac à sable. Quatre enquêtes indépendantes révèlent les défis d'évaluation, de sécurité et d'infrastructure.
Les entreprises ne manquent pas d’ambition en matière d’IA. Elles manquent de preuves que l’IA qu’elles ont déployée fonctionne réellement une fois sortie du bac à sable. Quatre enquêtes indépendantes publiées ce mois-ci, ainsi qu’un rapport majeur de conseil et un constat lucide des créateurs de modèles eux-mêmes, convergent vers la même observation inconfortable : l’adoption a dépassé la capacité à mesurer, sécuriser et faire confiance à ce qui a été déployé.
Ce qui est réellement en jeu : un logiciel qui agit, pas un logiciel qui répond
Les logiciels d’entreprise traditionnels font une promesse que les agents IA ne peuvent pas encore tenir : à entrée égale, ils produisent la même sortie, et leurs modes de défaillance sont dénombrables. Vous pouvez écrire une suite de tests, atteindre 95 % de couverture et déployer en toute confiance. Un agent IA est fondamentalement différent. Il raisonne de manière probabiliste, appelle des outils, détient des identifiants et agit de plus en plus sans confirmation humaine à chaque étape.
Ce basculement explique pourquoi « l’adoption » et « l’exécution » sont devenues deux questions distinctes. L’adoption demande : les gens l’utilisent-ils ? L’exécution demande : pouvez-vous faire confiance à ce qu’il a fait ?
La dynamique : l’autonomie arrive plus vite que le contrôle
La série d’enquêtes Pulse Research de VentureBeat montre que les entreprises accordent aux agents plus d’autonomie que ne le permettent les outils de contrôle censés la régir.
Sur l’évaluation, 50 % des organisations ont déployé un agent qui a réussi les évaluations internes mais a échoué face à un client, et pourtant 66 % autorisent ou préparent déjà un déploiement en production sans intervention humaine pour certains agents. Sur la sécurité, 54 % des entreprises ont déjà connu un incident confirmé ou une alerte majeure liée à un agent, alors que seules 32 % attribuent une identité propre à chaque agent. Sur le calcul, 83 % des entreprises font état d’une utilisation de leurs GPU inférieure ou égale à 50 %. Enfin, sur le contexte, 57 % constatent des réponses erronées mais affirmées avec certitude dues à des données métier manquantes ou incohérentes.
Un cinquième indicateur vient lier les quatre premiers : selon une étude complémentaire de VentureBeat sur l’orchestration, 71 % des entreprises admettent que moins d’un quart de leurs agents déployés constituent réellement des flux de travail multi-étapes orchestrés, s’apparentant pour le reste à de simples chatbots.
Les faits : même les concepteurs de modèles s’accordent
Le rapport « State of AI in the Enterprise 2026 » de Deloitte, basé sur 3 235 dirigeants dans 24 pays, révèle que seulement une entreprise sur cinq dispose d’un modèle mûr pour gouverner les agents IA autonomes.
OpenAI elle-même a cessé de vendre sur des métriques d’adoption, affirmant dans son cadre « Useful Intelligence per Dollar » que comprendre la valeur de l’IA exige une mesure plus puissante : le travail accompli.
Trois études de cas d’entreprises publiées par OpenAI illustrent la résorption de cet écart lorsque la gouvernance suit le rythme du déploiement : Deutsche Telekom (50 000+ utilisateurs actifs, +546 % d’usage), MUFG (100 % de formation sur 35 000 employés) et Australian Payments Plus (délai de réconciliation complexe réduit de 4 heures à 30 minutes).
Ce que cela signifie
L’écart entre adoption et exécution n’est pas un problème temporaire. C’est une caractéristique structurelle de la période actuelle : les entreprises étendent une réelle autonomie à des systèmes dont l’infrastructure d’évaluation, de sécurité et de contexte est encore en cours de construction.
Pour les praticiens, le test à court terme n’est pas de savoir quel modèle acheter, mais si la couche de contrôle existe avant d’étendre l’autonomie.