Les chatbots répondent à des questions. Les agents IA exécutent des workflows. Ce n'est pas du tout la même chose.

Il y a eu les chatbots. Ils répondent à des questions. Parfois bien, souvent à côté. Ils ne font rien d'autre que parler. Et quand le client demande quelque chose de concret - changer son adresse, déclarer un sinistre, obtenir une attestation - le chatbot lui dit de rappeler le service client.

Les agents IA, c'est autre chose. Ils ne se contentent pas de répondre. Ils agissent. Un agent décompose un problème complexe en sous-tâches, utilise des outils - API, bases de données, applications métier - , prend des décisions intermédiaires, gère les erreurs et s'auto-corrige. Il fait en 3 minutes ce qu'un humain fait en 3 jours.

Gartner prévoit que 33% des applications d'entreprise intégreront un agent IA d'ici 2028. Les organisations qui construisent les fondations maintenant auront 3 ans d'avance. Ce n'est pas une tendance. C'est un changement de nature dans l'automatisation.

MCP : le standard qui a débloqué l'industrialisation

Le problème historique des agents IA, c'est l'intégration. Chaque outil, chaque API, chaque base nécessitait un connecteur spécifique. Un agent qui devait interroger 5 systèmes exigeait 5 intégrations custom - à développer, à maintenir, à faire évoluer.

Le Model Context Protocol (MCP), publié fin 2024, a changé la donne. C'est une interface universelle entre le LLM et les outils d'entreprise. Un seul protocole pour tous les outils. C'est l'équivalent du USB pour les agents IA : on branche, ça marche. L'adoption par les principaux éditeurs a été rapide parce que le besoin était évident.

Le MCP ne rend pas les agents IA plus intelligents. Il rend leur déploiement industrialisable. Et c'est souvent le déploiement, pas l'intelligence, qui bloque.

Un cas en production : changement d'adresse en 3 minutes

Service client d'un assureur. Le client fait sa demande via le chatbot. L'agent vérifie l'identité, met à jour le CRM, recalcule la prime si la zone de risque change, génère l'avenant au contrat, l'envoie en signature électronique, confirme au client. Délai : 3 minutes. Avant : 3 jours ouvrables.

Taux de straight-through : 92%. Les 8% restants sont les cas qui nécessitent vérification manuelle - déménagement à l'étranger, changement de régime fiscal. Ces cas sont escaladés à un gestionnaire avec le contexte complet de la conversation. Le gestionnaire reprend le dossier sans que le client ait à tout réexpliquer.

Les déploiements en production mesurent des gains de 40 à 60% de productivité sur les processus ciblés. Et les agents s'améliorent dans le temps grâce au feedback des opérateurs - un cercle vertueux que le RPA classique n'a jamais pu créer.

Ce qui différencie l'agent de l'automate

L'automatisation classique - RPA, règles métier - fonctionne sur des flux prédéfinis. Si le cas sort du chemin prévu, ça plante. Le RPA est un robot qui clique. L'agent IA raisonne.

Il comprend qu'un changement d'adresse avec modification du nombre de véhicules au foyer n'est pas le même cas qu'un simple déménagement. Il adapte le processus en temps réel. Et quand il rencontre un cas qu'il ne sait pas traiter, il ne plante pas - il escalade proprement.

Mais "autonome" ne veut pas dire "incontrôlé". Les agents bien conçus ont des garde-fous clairs. Un seuil de confiance en dessous duquel ils escaladent. Un périmètre d'actions autorisées. Un log complet de chaque décision. L'humain reste dans la boucle pour les cas sensibles, et c'est exactement là qu'il doit être - sur les décisions qui comptent, pas sur la mécanique.

Les erreurs récurrentes

Périmètre trop large au démarrage. Vouloir qu'un agent gère 100 cas d'usage le premier jour, c'est le meilleur moyen de ne rien mettre en production. On commence par 3 à 5 cas simples et volumineux. On démontre le ROI. On étend.

Pas de fallback humain clair. Quand l'agent ne sait pas, il doit escalader avec le contexte complet. Un agent qui dit "je ne sais pas, appelez le 0800" détruit l'expérience client plus sûrement qu'un formulaire web.

Monitoring absent. Les agents dérivent si personne ne surveille. Taux de résolution, taux d'escalade, satisfaction post-interaction, erreurs détectées. Un dashboard de suivi est indispensable. Pas optionnel. Indispensable.

Le fond

L'IA agentique n'est pas une mode. C'est l'évolution naturelle de l'automatisation - des robots qui suivent des scripts vers des systèmes qui raisonnent et agissent. Le MCP a résolu le problème d'intégration. Les LLMs ont atteint un niveau de raisonnement suffisant. Les résultats en production sont là.

Ce qui manque encore dans la plupart des organisations, c'est la discipline d'industrialisation. Commencer petit, monitorer, itérer. C'est moins excitant qu'annoncer une "transformation par l'IA agentique". Mais c'est ce qui sépare un POC abandonné d'un système en production qui crée de la valeur.