Autonomie limitée, ROI encore difficile à mesurer, architectures ouvertes, maîtrise des coûts et nouveaux modèles de gouvernance : l’étude 2026 de l’OCDE montre comment l’entreprise agentique commence réellement à prendre forme.
Depuis deux ans, les agents IA sont présentés comme l’une des prochaines ruptures majeures de l’intelligence artificielle en entreprise. Ils devraient automatiser des processus entiers, coordonner plusieurs applications, développer du logiciel, assister la recherche scientifique, interagir avec les clients et, à terme, collaborer avec d’autres agents.
Les capacités progressent rapidement. Mais une question beaucoup plus importante pour les dirigeants reste encore insuffisamment documentée : que se passe-t-il lorsque les organisations commencent réellement à déployer ces systèmes ?
C’est précisément l’intérêt de l’étude Agentic AI in organisations : Early insights from practitioner interviews, publiée en 2026 dans la série OECD Artificial Intelligence Papers. Après un premier travail consacré aux fondements conceptuels de l’IA agentique, l’OCDE déplace cette fois l’analyse vers les pratiques. L’objectif est d’observer comment les systèmes agentiques sont développés, déployés et gouvernés dans des contextes réels (OCDE, 2026, pp. 7-8).
Le rapport repose sur des entretiens semi-structurés avec 25 organisations, parmi lesquelles des développeurs technologiques, des entreprises utilisatrices, des organismes publics et des institutions de recherche. Anthropic, Google, Microsoft, Salesforce, Deutsche Telekom, Fujitsu, Infosys, NTT, Rakuten, RELX, Sakana AI ou encore la société française Prisme.ai figurent notamment dans l’échantillon (OCDE, 2026, pp. 8-9).
L’étude ne démontre pas encore l’impact économique généralisé des agents IA. Elle offre quelque chose d’autre, particulièrement précieux à ce stade : une photographie des premiers apprentissages organisationnels. Et cette photographie est sensiblement plus nuancée que la promesse d’une entreprise rapidement devenue autonome.
L’entreprise agentique avance, mais l’autonomie reste bornée
Le premier enseignement mérite à lui seul l’attention des dirigeants. Aucune des organisations interrogées ne déclare avoir déployé des systèmes agentiques disposant d’une autonomie sans restriction.
Les organisations privilégient une autonomie limitée à des périmètres clairement définis. Les actions à fort enjeu ou difficilement réversibles, comme les paiements ou la suppression de données, restent généralement soumises à une validation humaine. Le niveau d’intervention varie selon le cas d’usage, son profil de risque et son environnement (OCDE, 2026, p. 15).
Ce constat relativise certains discours sur l’avènement imminent d’entreprises fonctionnant grâce à des systèmes largement autonomes. La réalité observée est plus progressive. Les organisations cherchent moins à supprimer la supervision humaine qu’à déterminer où elle reste indispensable.
Le rapport montre d’ailleurs que cette supervision évolue. Le choix ne se résume plus à deux options, autonomie complète ou validation humaine permanente. Des organisations mettent en place des points de contrôle à certains moments du processus et envisagent d’augmenter progressivement l’autonomie lorsque les systèmes démontrent leur fiabilité. L’une d’elles utilise même un cadre en cinq niveaux inspiré de la classification des véhicules autonomes, depuis les agents simples jusqu’aux systèmes pleinement autonomes à l’intérieur de frontières prédéfinies (OCDE, 2026, p. 20).
Pour les dirigeants, la question stratégique change donc de formulation. Il ne s’agit plus de demander jusqu’où la technologie peut devenir autonome, mais de déterminer le niveau d’autonomie à attribuer à chaque processus, en fonction de la valeur créée et du risque accepté.
Les meilleurs cas d’usage ne sont pas nécessairement les plus spectaculaires
Le deuxième enseignement est particulièrement opérationnel. À court terme, les opportunités les plus crédibles concernent des tâches suffisamment structurées pour qu’un agent puisse les planifier et les exécuter. Leur résultat doit pouvoir être vérifié à partir de données ou de systèmes fiables, tandis que le coût d’une erreur doit rester limité ou l’action réversible (OCDE, 2026, p. 14).
Cette grille de lecture est importante. Une entreprise ne devrait probablement pas commencer par se demander où elle pourrait installer des agents IA. Elle devrait identifier les processus dans lesquels une capacité d’adaptation, de jugement ou de coordination entre plusieurs systèmes apporte une valeur supplémentaire.
L’OCDE apporte ici une nuance essentielle : toutes les tâches qui répondent à ces critères ne nécessitent pas nécessairement un agent IA. Une automatisation traditionnelle fondée sur des règles peut parfois suffire. L’intérêt spécifique de l’IA agentique apparaît lorsque la tâche nécessite aussi une adaptation à des situations changeantes, une certaine forme de jugement ou une coordination entre différents outils et systèmes (OCDE, 2026, p. 14).
La sophistication technologique ne constitue pas en elle-même une création de valeur.
Les agents commencent à entrer dans les processus opérationnels
L’étude montre que les cas d’usage sont déjà nombreux. Les agents sont utilisés pour la gestion des connaissances, la préparation de propositions, la synthèse de réunions, la préparation de données ou l’organisation d’interventions de terrain. Certains systèmes analysent des demandes clients, recherchent les informations pertinentes dans la documentation interne et préparent une réponse ensuite contrôlée par un collaborateur (OCDE, 2026, p. 11).
D’autres applications concernent la conformité réglementaire, la recherche juridique, la rédaction de documents, la supply chain et la coordination industrielle. Le développement logiciel figure parmi les domaines les plus fréquemment cités. Les agents peuvent participer à l’écriture, au test, au débogage, à la revue ou à l’optimisation du code. La cybersécurité constitue un autre terrain important, notamment pour la détection de vulnérabilités et l’assistance à la réponse aux incidents (OCDE, 2026, p. 12).
Dans les télécommunications, des agents analysent les facteurs susceptibles d’affecter la demande et peuvent contribuer à la planification des capacités réseau. Dans la recherche scientifique, les ambitions sont plus importantes encore : génération d’hypothèses, conception d’expériences, analyse de grandes quantités de données et, potentiellement, développement de chaînes de recherche partiellement autonomes (OCDE, 2026, p. 12).
Une évolution se dessine : l’agent IA quitte progressivement l’interface conversationnelle pour pénétrer le processus opérationnel lui-même.
« Customer Zero » : l’organisation devient son premier terrain d’apprentissage
Plusieurs entreprises orientées B2C interrogées par l’OCDE ont adopté une stratégie intéressante : tester leurs systèmes agentiques en interne avant de proposer des capacités comparables à leurs clients. Le rapport parle de « Customer Zero ».
Cette approche permet de valider les performances, d’identifier les comportements inattendus et de construire progressivement la confiance dans un environnement davantage contrôlé. Les déploiements externes restent notamment plus contraints lorsque les enjeux juridiques ou sociétaux augmentent (OCDE, 2026, p. 14).
On peut y voir une stratégie d’apprentissage organisationnel : l’entreprise utilise son propre fonctionnement comme environnement de validation avant d’exposer davantage l’agent à ses clients.
Le passage à l’échelle ne dépend plus seulement de la maturité technique. Il dépend aussi de la capacité de l’organisation à apprendre de ses propres expérimentations et à transformer cet apprentissage en règles opérationnelles.
Le paradoxe de l’entreprise agentique : l’expertise métier devient encore plus stratégique
Un autre résultat du rapport mérite davantage d’attention. L’expertise technique ne suffit pas.
Les organisations interrogées soulignent le rôle essentiel des experts métiers pour définir précisément les tâches, identifier les scénarios d’échec et valider les résultats produits par les systèmes. L’OCDE relève même que l’accès à cette connaissance métier pourrait devenir un goulot d’étranglement à mesure que l’IA agentique se développe (OCDE, 2026, p. 21).
Le paradoxe de l’entreprise agentique est peut-être là : plus les agents deviennent techniquement puissants, plus l’expertise métier devient stratégique.
Un agent ne peut être correctement cadré, évalué et gouverné sans ceux qui connaissent réellement le processus qu’il est censé exécuter. La difficulté ne sera donc peut-être pas uniquement de recruter davantage de spécialistes de l’IA. Elle sera aussi de mobiliser les collaborateurs capables d’expliciter des savoirs parfois implicites, d’identifier les exceptions, de définir ce qu’est un résultat acceptable et de déterminer les situations dans lesquelles l’agent doit interrompre son action.
L’IA agentique devient alors autant un projet d’organisation des connaissances qu’un projet technologique.
L’architecture technique devient une décision stratégique
C’est probablement l’un des enseignements les plus intéressants du rapport. Les organisations interrogées ne semblent pas nécessairement vouloir construire leur architecture autour d’un modèle unique.
Elles sélectionnent ou combinent les modèles selon les tâches, les performances, les coûts, les exigences linguistiques ou les politiques de leurs clients. Certaines mettent en place des mécanismes permettant de passer dynamiquement d’un modèle à l’autre (OCDE, 2026, p. 15).
Deux expressions utilisées dans l’étude méritent particulièrement d’être retenues. La première est « minimum viable intelligence » : utiliser le plus petit modèle capable d’accomplir correctement la tâche et réserver les modèles plus puissants aux opérations nécessitant davantage de raisonnement ou de planification. La seconde est « strategic optionality » : préserver la possibilité de changer de technologie lorsque les besoins, les coûts ou les performances évoluent (OCDE, 2026, p. 15).
Le choix d’architecture devient alors une décision de gouvernance stratégique. Dans l’entreprise agentique, choisir une architecture capable de changer de modèle pourrait devenir plus stratégique que choisir aujourd’hui le meilleur modèle.
MCP, A2A et la question de la dépendance technologique
Cette recherche d’optionalité explique également l’intérêt porté aux standards et aux composants ouverts.
Le rapport mentionne notamment le Model Context Protocol (MCP) pour connecter les agents aux outils, ainsi que des protocoles de communication agent-à-agent tels qu’A2A. Les organisations interrogées associent ces approches à des objectifs d’interopérabilité, mais aussi à une préoccupation stratégique : éviter l’enfermement dans l’écosystème d’un fournisseur. Les modèles open-weight sont également utilisés pour diversifier les architectures et réduire certaines dépendances (OCDE, 2026, p. 15).
L’avantage compétitif ne résidera peut-être pas uniquement dans l’accès au modèle le plus performant. Il dépendra aussi de la capacité de l’entreprise à orchestrer plusieurs modèles, agents, outils et données, tout en conservant la liberté de faire évoluer son architecture.
L’interopérabilité n’est alors plus seulement une question informatique. Elle devient une forme d’assurance stratégique contre la dépendance technologique.
Comment mesurer la performance d’un agent ?
C’est probablement l’un des problèmes les moins résolus. Les dispositifs d’évaluation des systèmes agentiques restent moins matures que ceux des modèles de langage classiques. L’OCDE constate qu’aucun standard commun ne s’est encore imposé pour évaluer globalement le comportement d’un agent sur une séquence prolongée d’actions (OCDE, 2026, p. 19).
Certaines organisations expérimentent cependant de nouvelles métriques : l’intent resolution, c’est-à-dire la capacité de l’agent à comprendre correctement la demande ; la tool-calling accuracy, sa capacité à sélectionner et paramétrer correctement le bon outil ; la task adherence, qui mesure le respect de la mission assignée ; et la response completeness, qui évalue le caractère complet du résultat produit (OCDE, 2026, p. 21).
Mais l’étude montre également l’apparition d’indicateurs beaucoup plus proches du pilotage économique : temps gagné, débit du processus, utilisation des agents, coût projeté, empreinte carbone ou retour des utilisateurs (OCDE, 2026, p. 21).
Cette évolution est fondamentale. Le benchmark du modèle ne suffit plus. Un modèle extrêmement performant peut créer peu de valeur s’il est intégré dans un processus mal conçu. À l’inverse, une architecture combinant plusieurs modèles moins puissants peut produire davantage de valeur si elle exécute correctement un processus, au bon coût et avec un niveau de risque acceptable.
Pour les dirigeants, le ROI de l’IA agentique devrait donc être posé au niveau du processus métier, et non uniquement au niveau du modèle.
L’autonomie doit aussi avoir un budget
L’étude fait apparaître un problème beaucoup plus concret : le coût opérationnel des agents.
Contrairement à une requête ponctuelle adressée à un chatbot, un agent peut enchaîner plusieurs appels de modèles, interroger différents outils, fonctionner en boucle ou être déclenché régulièrement. Sa consommation de ressources peut donc devenir difficile à anticiper.
L’OCDE rapporte que deux organisations interrogées ont effectivement connu des dépassements de coûts. Le rapport souligne que les boucles et déclenchements récurrents peuvent faire croître la consommation de ressources de manière difficile à prévoir (OCDE, 2026, p. 20).
Ce constat ouvre une dimension encore peu discutée de la gouvernance agentique. Nous parlons beaucoup des permissions fonctionnelles : quelles données l’agent peut-il consulter ? Quels outils peut-il appeler ? Quelles actions peut-il effectuer ? Il faudra probablement ajouter des permissions économiques.
Combien de temps un agent peut-il fonctionner ? Combien d’appels peut-il effectuer ? Quelle quantité de ressources peut-il consommer ? Quel budget maximal peut-il engager pour accomplir une tâche ? Certaines organisations commencent précisément à fixer des limites de calcul, de mémoire ou de temps d’exécution (OCDE, 2026, p. 22).
L’autonomie doit aussi avoir un budget.
« AI inside, rules around it » : la gouvernance devient une architecture
Les premières pratiques de gouvernance décrites par l’OCDE montrent une autre évolution. Il ne s’agit plus seulement d’écrire une politique d’utilisation de l’IA. Les mécanismes de contrôle doivent être intégrés dans l’architecture du système.
Les organisations interrogées utilisent des environnements isolés pour tester les agents et limitent leurs droits selon les principes de least privilege et de zero trust. Elles imposent également des validations humaines pour certaines actions sensibles et commencent à mettre en place des mécanismes d’authentification des agents (OCDE, 2026, pp. 22-23).
Certaines utilisent également des couches externes fondées sur des règles. L’agent peut proposer une action, mais son exécution finale est soumise à un système déterministe qui vérifie qu’elle respecte les contraintes prévues. Le rapport résume cette approche par une formule particulièrement parlante : « AI inside, rules around it » (OCDE, 2026, p. 22).
L’idée est importante. Il ne s’agit pas de demander au modèle de s’autocontrôler intégralement, mais de placer autour de lui des mécanismes prévisibles, vérifiables et auditables.
L’étude mentionne également des registres d’agents autorisés afin de limiter les shadow agents, ainsi que des mécanismes d’observabilité capables de suivre les actions, les décisions et les modifications de données. Certaines organisations utilisent même des agents spécialisés pour surveiller d’autres agents et signaler des comportements anormaux (OCDE, 2026, pp. 22-23).
La gouvernance devient donc progressivement multicouche.
Le risque humain : perdre progressivement ce que nous déléguons
Au milieu de ces questions technologiques et organisationnelles apparaît un enjeu plus discret.
Plus les agents deviennent performants, plus les utilisateurs peuvent être tentés de déléguer non seulement l’exécution, mais également une partie de leur jugement.
Les organisations interrogées évoquent les risques d’automation bias, de délégation cognitive et de dette cognitive. Elles soulignent également la possibilité d’une érosion progressive de l’expertise et des opportunités d’apprentissage par l’expérience. Une organisation recommande même que les collaborateurs continuent périodiquement à effectuer certaines tâches sans assistance agentique afin de maintenir leur expertise et leur capacité à évaluer de manière critique les résultats produits par les systèmes (OCDE, 2026, p. 19).
Cette observation conduit à une question qui pourrait devenir centrale dans la transformation du travail :
Quelles compétences l’entreprise doit-elle volontairement conserver chez l’humain, même lorsqu’elles deviennent automatisables ?
La réponse ne relève pas seulement des ressources humaines. Elle concerne directement la résilience de l’organisation. Une entreprise qui automatise une compétence jusqu’à ne plus savoir l’exercer devient également dépendante du système auquel elle l’a déléguée.
Une photographie précieuse, mais pas encore une démonstration économique
Il faut cependant interpréter l’étude avec prudence. L’OCDE souligne explicitement ses limites.
Les 25 organisations interrogées sont déjà impliquées dans la recherche, le développement ou le déploiement de systèmes agentiques. Elles ne constituent donc pas un échantillon représentatif de l’ensemble des entreprises. La couverture sectorielle et géographique reste limitée, les niveaux de maturité sont différents et la rapidité des évolutions technologiques peut rendre certaines observations rapidement évolutives.
Surtout, l’étude ne fournit pas de validation quantitative indépendante des performances des systèmes. Les résultats reflètent essentiellement les expériences et perceptions rapportées par les organisations interrogées (OCDE, 2026, p. 10).
Il faut donc parler de premiers enseignements empiriques, et non de preuve définitive de la performance économique de l’IA agentique. Cette nuance renforce plutôt qu’elle ne diminue l’intérêt du rapport : elle montre à quel point nous sommes encore au début de l’apprentissage organisationnel.
De l’expérimentation à l’exécution : le véritable enjeu de 2026
La conclusion de l’OCDE reste prudente. Le rapport considère que l’IA agentique est en train de passer d’une capacité expérimentale à un élément opérationnel dans les entreprises, le secteur public et certains environnements destinés aux consommateurs (OCDE, 2026, p. 24).
Mais les organisations se situent à des niveaux de maturité très différents. Les mécanismes d’évaluation et d’assurance restent en construction. Les questions de cybersécurité persistent. Les responsabilités entre organisations et entre agents restent insuffisamment définies.
L’OCDE observe néanmoins l’émergence de plusieurs pratiques communes : augmentation progressive de l’autonomie, points de contrôle humains pour les actions sensibles et co-conception avec des experts métiers. Elle souligne surtout la nécessité de faire évoluer la gouvernance à mesure que l’autonomie augmente (OCDE, 2026, pp. 23-24).
Ma lecture de cette étude est donc la suivante : 2025 aura largement été l’année de la promesse agentique. 2026 commence à devenir celle de l’apprentissage organisationnel.
Nous commençons à passer d’une discussion sur ce que les agents sont théoriquement capables de faire à une interrogation beaucoup plus exigeante : dans quelles conditions faut-il réellement leur permettre d’agir ?
Les organisations les plus avancées ne semblent pas rechercher une autonomie maximale. Elles apprennent à sélectionner les processus adaptés, à encadrer les actions des agents et à maintenir des points de contrôle. Elles cherchent également à mesurer la performance des processus, à préserver leur liberté de choix technologique, à maîtriser les coûts et à conserver les compétences humaines indispensables.
C’est peut-être là que se trouve le véritable passage de l’expérimentation à l’exécution.
L’entreprise agentique ne sera pas nécessairement celle qui aura déployé le plus grand nombre d’agents. Elle pourrait être celle qui saura précisément pourquoi elle leur délègue une action, jusqu’où elle leur permet d’aller et comment elle mesure la valeur créée par cette délégation.
L’intelligence artificielle crée une capacité. Les organisations créent la valeur.
