Les agents IA atteignent la production plus rapidement que les organisations ne définissent les responsabilités

Pascal Bornet met en évidence un écart croissant de modèle opérationnel dans l’adoption de l’IA en entreprise. Selon l’étude AI at Work 2026 de BCG, 30 % des organisations ont fait passer des agents IA des pilotes vers des workflows de production, tandis que 50 % des répondants indiquent que leur entreprise ne dispose toujours pas de règles claires sur la manière dont les humains et l’IA doivent travailler ensemble.

Bornet décrit cette situation comme un déficit d’orchestration humain-agent : le déploiement s’accélère plus vite que la définition de la responsabilité du travail, de la revue des résultats des agents et de l’imputabilité lorsqu’une action automatisée échoue.

Le rapport montre également que les gains de productivité ne deviennent pas automatiquement de la valeur métier. Quarante-deux pour cent des utilisateurs réguliers de l’IA en première ligne déclarent gagner une journée de travail par semaine, mais 66 % reçoivent peu ou pas d’indications sur l’utilisation de ce temps libéré. La clarté stratégique semble plus importante que le seul accès aux outils : les employés disposant d’une orientation claire sur l’IA mais d’un accès limité aux outils déclarent plus souvent un impact métier mesurable que ceux disposant d’outils puissants mais d’une stratégie peu claire.

Perspective supply chain : cet écart est particulièrement risqué lorsque des agents IA influencent les prévisions, le réapprovisionnement, les actions fournisseurs, l’allocation des stocks, les décisions de transport ou les engagements clients. Chaque agent en production devrait avoir un responsable de processus identifié, un périmètre de décision approuvé, des seuils de revue, des circuits d’escalade et une procédure de retour arrière.

Les organisations doivent cesser de considérer le nombre de connexions, le volume de prompts ou l’activité des agents comme des mesures suffisantes d’adoption. Un déploiement gouverné doit mesurer le résultat opérationnel amélioré, la performance de référence, le coût d’intervention, la fréquence des ajustements manuels, la reprise après incident et l’impact financier ou de service des décisions incorrectes.

Le principal mode de défaillance consiste à automatiser un modèle opérationnel flou. Lorsque les droits de décision, les priorités et la responsabilité ne sont pas résolus, les agents peuvent encoder et diffuser l’ambiguïté organisationnelle à la vitesse machine.