D’un côté, des dirigeants convaincus que leur organisation est prête à confier des tâches entières à des agents autonomes. De l’autre, des équipes qui hésitent encore à leur faire confiance, et des cartes graphiques qui tournent à moitié vide. Plusieurs enquêtes parues cette semaine décrivent la même entreprise, mais vue depuis deux étages qui ne se parlent plus.
L’investissement, lui, ne fait plus débat : partout, les budgets IA gonflent. Ce qui coince se situe ailleurs, dans l’écart grandissant entre l’infrastructure déployée et la valeur qu’elle produit.
Les dirigeants se croient prêts, leurs équipes non
Une étude mondiale menée par Notion avec l’institut Qualtrics, auprès de plus de 6 000 personnes dans dix pays, met le doigt sur l’écart le plus parlant : celui des perceptions. 60 % des décideurs jugent leur organisation prête à déployer des agents IA. Seuls 36 % de leurs collaborateurs partagent cet avis. Sur la confiance, le fossé se creuse encore : 49 % des dirigeants se disent très confiants dans les capacités IA de leur entreprise, contre 23 % des salariés.
Ce décalage n’est pas un détail de sondage. La confiance reste le premier frein à l’usage : 71 % des travailleurs du savoir interrogés déclarent qu’ils se serviraient davantage de l’IA s’ils la savaient fiable pour des tâches importantes. L’adoption ne bute donc pas sur l’accès aux outils, mais sur leur crédibilité au quotidien.
Pendant ce temps, la moitié des décideurs avouent ne pas savoir précisément quels outils leurs équipes utilisent, voire soupçonnent le recours à des solutions non validées. Ce « shadow IA » (usage clandestin d’outils non approuvés) prospère justement dans l’angle mort laissé par les tableaux de bord officiels.
Des agents partout, de vrais workflows nulle part
Le même grand écart se rejoue dans l’orchestration des agents. Une enquête Pulse conduite auprès d’une centaine d’entreprises place Claude, d’Anthropic, largement en tête des plateformes retenues pour piloter ces agents : 40 % des organisations, plus du double de Microsoft (18 %) et d’OpenAI (13 %). Le motif du choix est technique : la fiabilité d’exécution des tâches (32 %) et la gestion des enchaînements en plusieurs étapes (28 %).
Derrière le mot « agent » se cache pourtant, le plus souvent, un simple chatbot. 71 % des entreprises reconnaissent qu’un quart ou moins de leurs agents déployés sont de véritables workflows orchestrés, c’est-à-dire des séquences d’actions réellement automatisées. À peine 10 % atteignent un stade d’orchestration avancé. La couche de pilotage est bâtie avant même qu’il y ait quelque chose à piloter. Et pour éviter de dépendre d’un seul fournisseur, 51 % des entreprises visent d’ici fin 2026 un contrôle hybride, mêlant briques natives et orchestration externe.
Des GPU qui tournent à vide
C’est à l’étage de l’infrastructure que la facture devient concrète. Une autre enquête Pulse, cette fois auprès de 107 entreprises, mesure le gâchis : 83 % d’entre elles utilisent leurs GPU (processeurs graphiques dédiés au calcul IA) à 50 % de leur capacité ou moins. La puissance est là, achetée, alimentée, mais elle attend.
Le souci, c’est qu’on pilote mal ce qu’on ne mesure pas. Moins de la moitié des entreprises (44 %) savent suivre précisément le coût de leur calcul IA. Plus d’un quart (27 %) n’ont aucun moyen d’arrêter un agent devenu incontrôlable avant que la facture ne tombe. Et seulement 21 % ont porté un projet IA jusqu’à une vraie production à grande échelle, quand les intentions de dépense, elles, visent déjà bien au-delà.
Cette incertitude se paie ailleurs : 64 % des entreprises comptent changer ou ajouter un prestataire d’infrastructure dans les douze mois. Leur critère numéro un n’est plus le prix. Elles regardent d’abord l’intégration à leur pile technique existante (41 %) et le coût total de possession (35 %). Le prix par million de jetons, lui, ne pèse que pour 8 % des décisions. La bataille se déplace du tarif vers la maîtrise.
Le contexte, angle mort de la confiance
Reste la racine du problème de confiance, et elle est éminemment technique. Une dernière enquête Pulse la nomme « l’écart de contexte » : 57 % des entreprises ont vu, ces six derniers mois, leurs agents produire des réponses sûres d’elles mais fausses, faute d’un contexte métier suffisant ou cohérent. Un agent qui affirme avec aplomb une donnée erronée, c’est précisément ce qui dissuade une équipe de lui déléguer une tâche sérieuse.
Or le contexte repose de plus en plus sur le RAG (génération augmentée par récupération), cette technique qui va chercher l’information pertinente dans les données de l’entreprise avant de laisser le modèle répondre. Pour 38 % des organisations, cette récupération est même la principale source de contexte. Quand elle est bancale, l’agent hérite de son incohérence, et son vernis d’autorité tient sur du vide.
La parade émerge : 58 % des entreprises construisent une « couche sémantique gouvernée », un dictionnaire commun qui fixe ce que signifient les termes métier et où les trouver. Peu l’ont mise en production. Fait notable, la récupération intégrée aux plateformes des fournisseurs, la recherche de fichiers d’OpenAI (40 %) et Vertex AI de Google (38 %), a déjà dépassé les bases de données vectorielles spécialisées, ces moteurs qui indexaient jusqu’ici le contexte.
Le fil qui relie ces enquêtes est toujours le même : partout, la capacité s’installe avant l’usage. La couche d’orchestration précède les workflows, les GPU précèdent les projets, la confiance des dirigeants précède celle des équipes. Ce qui distingue les organisations les plus avancées, ce n’est pas qu’elles achètent davantage, mais qu’elles posent d’abord les fondations : intégration aux systèmes existants, mesure des coûts, contexte gouverné.
La leçon tient en peu de mots. Avant d’empiler une brique d’infrastructure ou un énième agent, il faut pouvoir mesurer ce qu’il consomme et prouver ce qu’il rapporte. L’ambition ne manque nulle part ; l’ancrage, si.
