Agents IA : tout le monde en lance, presque personne ne les fait tenir

Début septembre, quatre labos ont sorti un nouveau modèle en une semaine. OpenAI avec GPT-6 Astra, Google avec Gemini 3.8 Flash, Meta avec Muse Spark 1.3. Chacun promet la même chose en mieux : coder, raisonner, mener des tâches longues sans qu'on tienne la main. Sur le papier, on n'a jamais été aussi proche de l'assistant qui fait le boulot à votre place.

Sur le terrain, c'est beaucoup plus calme. Un rapport 2026 sur l'état des agents en entreprise donne le chiffre qui compte vraiment. Environ la moitié des organisations ont déjà un agent en production. Impressionnant, jusqu'à la ligne suivante : moins d'une sur dix l'a passé à l'échelle avec une valeur qu'on peut mesurer. Le reste vit en pilote, en démo, en « on est en train de tester ».

Deux histoires qu'on voit chaque semaine#

La première : une équipe branche un modèle sur un joli cas d'usage, fait une démo qui épate le comité de direction, et six mois plus tard il ne reste rien. Personne n'était responsable du truc, personne ne mesurait quoi que ce soit, et le premier client mécontent a suffi à tout débrancher.

La deuxième est moins spectaculaire et marche mieux. On prend une tâche pénible et répétitive, une seule. Trier des e-mails entrants. Résumer des appels d'offres. Préparer une réponse type qu'un humain relit avant l'envoi. On mesure le temps gagné, on garde une personne dans la boucle, et on laisse l'agent grandir seulement quand il a fait ses preuves sur le petit périmètre.

La différence entre les deux, ce n'est pas la puissance du modèle. Les agents qui tiennent sont presque toujours les moins ambitieux au départ.

Pourquoi ça casse en production, pas en démo#

Un modèle de langage se trompe avec aplomb. Il vous rend une réponse fausse sur le même ton confiant qu'une réponse juste. Tant que l'agent sert à écrire et à proposer, ça va, un humain corrige. Le jour où on le laisse décider et agir seul, cette assurance devient un problème. C'est là que la plupart des projets calent, pas sur la démo, sur la mise en production.

Les cas d'usage qui dominent en 2026 le confirment. En tête, la recherche et la synthèse de documents. Ensuite l'aide à la productivité, puis le service client. Rien de magique. Du travail de bureau, accéléré, avec quelqu'un qui garde la main.

Un mot pour l'Europe#

Depuis le 2 août 2026, la Commission européenne peut réellement sanctionner sur le volet des modèles à usage général de l'AI Act. Les obligations existaient déjà ; maintenant il y a des amendes derrière. Si votre agent traite des données de clients européens, ce n'est plus un détail juridique à régler « plus tard ».

Alors, on s'y met comment#

Choisissez une tâche que vos équipes détestent faire, mettez un vrai chiffre en face (heures par semaine, erreurs évitées), gardez un humain au contrôle, et ne parlez d'échelle qu'une fois ce premier chiffre tenu deux mois de suite. C'est moins vendeur qu'un agent autonome qui gère toute votre boîte. C'est aussi la seule version qui existe encore dans dix-huit mois.