Les agents IA : une vraie (R)évolution technologique pour les entreprises

Vie des Entreprises

Dossier : Vie des entreprises | Magazine N°810 Décembre 2025

McKinsey a lancé en 2015 QuantumBlack, un pôle dédié à l’intelligence artificielle. Son objectif ? Accompagner les entreprises à exploiter le plein potentiel de cette technologie. Stéphane Bout, directeur associé senior chez McKinsey et responsable de QuantumBlack en France nous explique.

McKinsey est connu historiquement comme un cabinet de conseil en stratégie. Quel est le rôle de QuantumBlack au sein de votre organisation ?

QuantumBlack est le centre d’expertise en Intelligence Artificielle de McKinsey. Acquis en 2015, alors qu’il comptait 50 personnes, le pôle a connu depuis une croissance fulgurante. Il regroupe aujourd’hui plus de 1 500 experts IA qui collaborent avec les consultants traditionnels de McKinsey pour concevoir des solutions d’intelligence artificielle à fort impact. Sur les trois dernières années, 9 000 projets de ce type ont été menés, et plus récemment – sur les 12 derniers mois – nous avons construit et déployé plus de 12 000 agents d’IA chez nos clients.

La spécificité de QuantumBlack est de proposer une approche centrée sur la valeur, combinant transformation des processus, accompagnement du changement et développement technologique.

Le lancement de ChatGPT fin 2022 représente un tournant dans l’histoire de l’intelligence artificielle. Où en sont les entreprises trois ans plus tard ?

Trois ans après le lancement de ChatGPT, un paradoxe apparaît : alors que près de 80 % des entreprises déclarent avoir déployé des solutions

d’IA générative dans au moins une de leurs fonctions, la plupart ne constatent pas d’impact significatif sur leurs résultats financiers.

Ce décalage s’explique par la nature des cas d’usage réellement déployés.

Les plus répandus, dits « horizontaux », mettent des outils à disposition de l’ensemble des collaborateurs pour des tâches génériques – traduction, résumé, classement, rédaction rapide. Ces copilotes bureautiques améliorent la productivité individuelle mais de façon diffuse, sans effet direct mesurable sur le compte de résultats. Leur adoption massive s’explique par l’existence de solutions sur étagère, à l’instar de Microsoft Copilot ou de Gemini for Google workspace.

À l’inverse, les cas d’usage dits « verticaux », qui visent à optimiser des processus métiers spécifiques – marketing, vente, développement informatique, support client, etc. -, recèlent le plus fort potentiel de création de valeur. Cependant, ils demeurent peu déployés à l’échelle. Moins d’un projet sur dix dépasse le stade du pilote. Et même déployés, ils se limitent souvent à l’optimisation d’une tâche isolée. Plusieurs freins peuvent expliquer ce déploiement restreint. Technologiques d’abord : absence de solutions prêtes à l’emploi, fiabilité inégale des premiers modèles et intégration limitée avec le système d’information. Organisationnels ensuite : un certain nombre d’entreprises ont abordé l’IA de manière expérimentale, multipliant de petits projets sans véritable enjeu stratégique. Structurels également, du fait de données silotées, de qualité inégale ou difficilement accessibles. Enfin, humains : appréhension des collaborateurs face à l’IA. Malgré tout, cette première vague de l’IA générative n’a pas été vaine. Elle a permis de mieux en appréhender le potentiel, d’initier l’acculturation des collaborateurs et de développer les compétences nécessaires pour en tirer parti demain.

Les agents d’IA apparaissent comme une avancée majeure. De quoi s’agit-il exactement ?

Les agents constituent effectivement une rupture dans l’évolution de l’IA en entreprise.

Alors que l’IA générative était limitée à la production réactive de contenus selon un prompt donné, les agents introduisent une nouvelle dimension : l’exécution autonome guidée par des objectifs. Ils peuvent en effet comprendre un but exprimé en langage naturel, le décomposer en sous-tâches, interagir avec des humains et des systèmes, exécuter des actions concrètes et s’adapter en temps réel — le tout avec une intervention humaine minimale. Sur le plan technologique, ils reposent sur un grand modèle de langage (raisonnement, interaction en langage humain) et des briques complémentaires (mémoire, planification, orchestration, intégration).

Leur potentiel dépasse les simples gains de productivité liés à l’automatisation, en offrant de l’agilité opérationnelle (accélération des cycles, réactivité accrue face aux imprévus…) et des revenus additionnels (hyper personnalisation, monétisation de nouveaux services…)

Même si la technologie doit encore gagner en maturité, de premières réalisations ambitieuses émergent déjà, comme par exemple la mise en œuvre d’une « digital factory » de plus de 100 agents d’IA par une grande banque avec l’appui de QuantumBlack pour moderniser son système d’information.

Quelles sont les bonnes pratiques à adopter pour capturer le potentiel des agents ?

Pour capter le plein potentiel des agents, les entreprises doivent revoir en profondeur leur approche de l’IA, adopter un nouveau modèle d’architecture, et adresser les défis humains introduits par cette technologie.

En matière d’approche de l’IA, elles doivent passer de l’expérimentation sur de multiples cas d’usage isolés à une transformation de bout en bout de processus à fort enjeu : ceux qui présentent un fort potentiel d’automatisation, conditionnent l’agilité opérationnelle, ou ouvrent de nouvelles sources de revenus. Il ne s’agit plus d’insérer des agents dans des flux de tâches existants, mais de réinventer les processus autour de leurs atouts spécifiques : exécution parallèle, adaptabilité en temps réel, personnalisation massive, élasticité face aux pics de demande, et résilience. Ces projets doivent s’appuyer sur des équipes pluridisciplinaires réunissant métiers, data, IA et IT. En matière d’architecture technologique, pour soutenir ces processus réinventés, les entreprises devront combiner des agents spécifiques, développés en interne, et des agents prêts à l’emploi, intégrés dans des progiciels comme Salesforce ou SAP. Cette hybridation impose une nouvelle architecture : l’Agentic AI Mesh. Ce modèle permet d’orchestrer des agents hétérogènes à grande échelle, d’éviter le verrouillage sur une plateforme unique dans un contexte technologique en évolution rapide, de mutualiser les composants techniques entre agents, et mieux maîtriser les risques liés à leur autonomie.

Enfin, le vrai défi ne sera pas technique, mais humain : il s’agira de gagner la confiance des collaborateurs appelés à travailler au quotidien avec des agents, mettre en place une gouvernance pour encadrer leur autonomie, et éviter une prolifération incontrôlée, via les plateformes low-code/no-code mises à disposition des métiers.

Les agents d’IA seront demain au cœur des processus de l’entreprise. Comment adresser le défi de la souveraineté numérique dans ce contexte ?

La question de la souveraineté numérique est cruciale pour les entreprises européennes. Dans un monde où les infrastructures technologiques, les modèles d’IA et les plateformes dominantes sont largement contrôlés par des acteurs américains ou chinois, l’Europe risque de voir ses données stratégiques, ses processus critiques et son autonomie décisionnelle dépendre d’intérêts extérieurs. L’émergence des agents d’IA – capables d’orchestrer, d’agir et de décider de manière semi-autonome – accentue ce défi : qui contrôle l’agent contrôle la donnée, le savoir-faire et, demain, la compétitivité. Chaque entreprise peut jouer un rôle actif dans la construction d’un futur numérique où l’Europe n’est pas spectatrice, mais acteur souverain et compétitif. Elle peut héberger et entraîner ses agents sur des infrastructures locales, souveraines ou hybrides, protéger et gouverner ses données en Europe, ou encore s’appuyer sur des technologies européennes (ex. Mistral AI,
H Company) et collaborer à l’émergence d’un écosystème agentique local aligné avec les valeurs européennes.

Pour un dirigeant, quelles sont vos suggestions pour réussir le virage de l’agentique ?

L’agentique représente bien plus qu’une simple évolution technologique. Les agents constituent un point d’inflexion stratégique qui redéfinira la manière dont les entreprises fonctionnent, concurrencent et créent de la valeur. Pour réussir cette transition, les organisations doivent dépasser le stade de l’expérimentation en termes d’IA pour entrer dans une nouvelle phase de transformation à l’échelle de l’entreprise. Ce pivot ne peut être délégué, il doit être initié et conduit par la direction générale.

Intelligence artificielle souveraineté numérique