L'économie de l'IA agentique nécessite une propriété de la valeur au-delà du suivi des coûts de tokens

Chris Andrews estime que les organisations ne devraient plus évaluer l’IA agentique uniquement à travers les dépenses technologiques, mais aussi demander quelle valeur chaque agent déployé crée réellement pour l’entreprise.

Le modèle économique diffère de celui des logiciels d’entreprise traditionnels. Les systèmes agentiques introduisent des coûts variables liés au calcul et à la consommation de modèles, mais les dépenses en tokens ne représentent qu’une partie du coût total. L’infrastructure, la gouvernance, la transformation organisationnelle, le suivi, la reprise après erreur et l’exposition réglementaire contribuent également à l’économie opérationnelle.

Andrews propose de traiter les agents comme des investissements de croissance plutôt que comme des charges d’exploitation indifférenciées. Chaque agent devrait donc avoir un responsable identifié, un résultat métier explicite, des limites de coût et des indicateurs de valeur mesurables avant d’être déployé à grande échelle.

Perspective opérationnelle : ce principe est particulièrement important dans les environnements supply chain, où un agent peut influencer les prévisions, les actions fournisseurs, les paramètres de stock, les décisions logistiques ou les engagements clients. Le calcul des coûts doit inclure non seulement l’usage des modèles, mais aussi l’intégration avec les ERP et systèmes de planification, la préparation des données, la gestion des exceptions, la revue humaine et les conséquences financières d’une action incorrecte.

Un business case gouverné doit définir la décision améliorée, son coût et son niveau de performance actuels, l’impact attendu sur le service, la marge ou le besoin en fonds de roulement, le niveau d’autorité accordé à l’agent, les seuils de confiance, le responsable de l’escalade et la procédure de retour arrière.

Le principal mode de défaillance consiste à déployer à grande échelle des agents techniquement actifs sans démontrer leur valeur métier incrémentale. Un usage élevé peut donner l’impression d’une forte adoption tout en augmentant les coûts récurrents, la complexité opérationnelle et les coûts de reprise sans améliorer les décisions.