7 à 12 systèmes par dossier. Tant que vos agents humains font le lien, vous perdez.
Comptez les systèmes que traverse un dossier sinistre chez vous. CRM, gestion des polices, plateforme sinistres, référentiel tiers, comptabilité, courrier, archivage. On arrive vite à 7. Les grands groupes montent à 12.
Entre chaque système, un humain fait la navette. Il copie-colle un numéro de contrat. Il ressaisit une adresse. Il vérifie que les deux bases disent la même chose - et quand elles ne disent pas la même chose, il arbitre dans sa tête, sans tracer la décision.
Forrester (2025) chiffre ça : 30% du temps opérationnel perdu dans les frictions inter-systèmes. Un dossier mal synchronisé coûte 25€ en moyenne à corriger. Sur 2 millions de dossiers annuels, faites le calcul.
Les agents IA ne contournent pas les silos. Ils les traversent.
Un agent IA multi-systèmes, ce n'est pas un middleware de plus. C'est un système qui comprend ce qu'il fait. Il crée un dossier dans la plateforme sinistres, met à jour le CRM, déclenche l'expertise, notifie le client, provisionne la comptabilité - dans une seule exécution orchestrée.
La nuance est importante. Un ETL ou un bus d'intégration classique déplace des données. Quand une incohérence apparaît, il remonte une erreur et attend qu'un humain la traite. L'agent, lui, vérifie le référentiel source, applique la règle de priorité documentée, corrige et trace son raisonnement. Il ne remplace pas le gestionnaire - il élimine les 80% de tâches mécaniques qui l'empêchent de traiter les cas qui demandent du jugement.
Les connecteurs MCP (Model Context Protocol) standardisent les interfaces. L'agent parle à chaque système via un protocole commun. Pas de connecteur custom pour chaque paire de systèmes - c'est ce qui rend la chose industrialisable.
Sans DataOps et MLOps, vous construisez sur du sable
On a vu des organisations déployer des agents multi-systèmes sans pipeline de données fiable. Ça dure trois mois. Ensuite les données se désynchronisent, les modèles dérivent, et personne ne sait pourquoi l'agent a pris telle décision mardi dernier.
Le DataOps, c'est la plomberie. Chaque flux entre systèmes est tracé, versionné, testé comme du code - tests unitaires, tests d'intégration, déploiement continu. L'ambition zéro surprise.
Le MLOps, c'est la surveillance. Les modèles embarqués dans l'agent se dégradent si personne ne regarde. Monitoring de la dérive, réentraînement automatisé, A/B testing en production. Sans MLOps, l'agent prend des décisions de plus en plus mauvaises et personne ne s'en aperçoit. Les études sectorielles le confirment : les entreprises qui investissent dans DataOps et MLOps réduisent de 60% le temps de mise en production de leurs cas d'usage IA.
Un assureur qui l'a appris dans la douleur
Grand assureur, migration vers un agent multi-systèmes sur la gestion sinistres. Trois mois après le déploiement, 150 dossiers faux créés en une semaine. L'agent ouvrait des dossiers sinistres avant d'avoir validé la couverture. Cause : pas de monitoring de la qualité des décisions. Le feedback loop était cassé. Trois semaines de clean-up, un audit réglementaire, et une leçon chère : un agent en production se pilote, se monitore, se corrige.
L'organisation qui a appris de cette erreur ? Elle a mis en place un dashboard de qualité temps réel, des seuils d'escalade automatiques, et une revue hebdomadaire des décisions de l'agent. Six mois plus tard : taux d'erreur sous les 0,3%.
Les trois prérequis non négociables
La cartographie avant tout. Quels systèmes sont impliqués dans chaque processus, quelles données circulent, quelles règles de priorité en cas de conflit. Tant que ce n'est pas documenté, ne déployez pas d'agent.
Des APIs partout. Chaque système doit exposer ses fonctionnalités via API. Les systèmes legacy sans API nécessitent un wrapper - c'est le chantier le plus long et le plus sous-estimé.
Une gouvernance claire des actions. Qui a le droit de modifier quoi ? Quelles actions nécessitent une validation humaine ? Quels seuils d'escalade ? Si l'agent peut modifier la comptabilité sans contrôle, vous avez un problème.
Ce que ça change concrètement
Temps de traitement par dossier : -40 à 60%. Erreurs de ressaisie : quasi-éliminées. Coût opérationnel par dossier : -30%. NPS : +8 à 12 points. Un assureur de taille moyenne qui industrialise ça génère 4 à 6 millions d'euros de gains directs en année 2.
Mais le gain le plus durable, c'est la traçabilité. Chaque action de l'agent est loggée - ce qui s'est passé, quand, pourquoi, avec quelle donnée source. Pour la conformité réglementaire, c'est de l'or. Pour le pilotage opérationnel, c'est la fin de l'angle mort.