C’est quoi un agent IA, et pourquoi Wall Street ne jure que par lui ?

Un chatbot attend une question. Un agent IA reçoit plutôt un objectif : rechercher une information, utiliser un logiciel, effectuer plusieurs étapes et vérifier si la mission est terminée. Cette différence paraît technique. Elle peut pourtant modifier profondément la manière dont les entreprises achètent des logiciels, organisent le travail et mesurent leur productivité.

Wall Street s’intéresse aux agents parce qu’ils promettent davantage qu’une réponse bien rédigée. S’ils deviennent suffisamment fiables, ils peuvent prendre en charge une partie d’un processus commercial, comptable ou informatique. La valeur ne se mesure alors plus seulement en utilisateurs ou en abonnements, mais en tâches réellement accomplies.

C’est quoi, exactement, un agent IA ?

Un agent IA est un système qui combine généralement un modèle d’intelligence artificielle, des instructions, une mémoire ou un contexte, ainsi qu’un accès contrôlé à des outils. Il peut décomposer un objectif en plusieurs étapes, choisir l’outil approprié, observer le résultat puis décider de la suite.

Imaginons une entreprise qui demande : « Identifie les factures en retard, prépare les courriels de relance et soumets-les au responsable financier. » Un chatbot peut expliquer comment procéder. Un copilote peut rédiger un modèle de message. Un agent, lui, pourrait consulter le logiciel comptable, repérer les dossiers concernés, préparer des courriels personnalisés et demander l’approbation avant leur envoi.

Il ne s’agit pas nécessairement d’un logiciel totalement autonome. Les permissions, les limites de dépenses, les validations humaines et les règles de sécurité déterminent ce que l’agent peut réellement faire.

Pourquoi Wall Street s’enthousiasme-t-elle autant ?

Le marché voit dans l’IA agentique une possibilité de passer d’un outil utilisé occasionnellement à une couche opérationnelle intégrée au travail quotidien. Pour un éditeur de logiciels, cela ouvre plusieurs modèles de revenus : abonnement plus cher, facturation à l’usage, paiement par tâche ou vente de capacités supplémentaires.

Salesforce offre un exemple concret de cette évolution. Pour son deuxième trimestre fiscal 2027, l’entreprise a indiqué que le revenu récurrent annuel d’Agentforce dépassait 1,5 milliard de dollars, en hausse de plus de 240 % sur un an. Elle a également annoncé 7 milliards d’« Agentic Work Units » livrées depuis le lancement de cet indicateur, dont 3,2 milliards durant le trimestre.

Ces chiffres montrent une adoption commerciale, mais ils doivent être interprétés avec prudence. Salesforce précise que la définition de l’ARR Agentforce englobe désormais ses offres d’IA, Slackbot et Headless 360. Une croissance spectaculaire de cet indicateur ne correspond donc pas nécessairement aux seuls revenus d’agents autonomes. Les « Work Units » mesurent des tâches exécutées sur la plateforme ; elles ne prouvent pas, à elles seules, que chaque tâche a produit une économie ou un revenu pour le client.

Le vrai changement : vendre du travail plutôt qu’un simple accès

Le logiciel d’entreprise traditionnel est souvent vendu par utilisateur et par mois. L’agentique pourrait déplacer une partie de la facturation vers l’usage ou le résultat : dossiers traités, incidents résolus, analyses terminées ou transactions vérifiées.

Ce changement intéresse les investisseurs pour une raison simple. Un agent capable d’effectuer davantage de travail peut accroître la consommation de calcul et l’utilisation du logiciel. Mais il peut aussi rendre les revenus moins prévisibles si les clients réduisent leur nombre de licences humaines ou contestent le prix d’une tâche mal exécutée.

Le prix par jeton ou par appel de modèle ne suffit donc pas à mesurer l’économie d’un agent. Une mission peut nécessiter plusieurs recherches, appels d’outils, tentatives et vérifications. La bonne unité est le coût total d’une tâche réussie, après contrôle humain.

Où les entreprises peuvent-elles les utiliser ?

Les premiers usages crédibles se trouvent dans les processus comportant beaucoup d’informations numériques, des étapes répétitives et des règles assez claires.

• Service client : consulter un dossier, vérifier une commande, préparer un remboursement ou transmettre une exception.
• Finance : rapprocher des factures, repérer des anomalies et préparer un rapport de clôture.
• Développement logiciel : explorer une base de code, proposer des modifications et exécuter des tests.
• Cybersécurité : analyser une alerte, rassembler le contexte et recommander une réponse, avec des permissions strictes.
• Ventes : enrichir un dossier client, préparer un suivi et mettre à jour le CRM.
• Recherche : comparer plusieurs sources, organiser les résultats et signaler les contradictions.

Microsoft décrit dans son Work Trend Index 2026 une évolution vers des organisations où les employés dirigent des agents spécialisés. Cette vision provient toutefois d’un fournisseur de logiciels qui commercialise lui-même des solutions agentiques. Elle indique une direction stratégique ; elle ne constitue pas une preuve indépendante que toutes les entreprises obtiendront les mêmes gains.

Quelles entreprises pourraient profiter de cette vague ?

La chaîne de valeur dépasse largement les concepteurs de modèles. Les groupes de cloud vendent le calcul. Les éditeurs intègrent les agents dans leurs applications. Les spécialistes de la cybersécurité gèrent les identités, les permissions et la surveillance. Les fabricants de semi-conducteurs et les opérateurs de data centers fournissent l’infrastructure.

Microsoft, Alphabet, Amazon, Salesforce, ServiceNow, SAP, Oracle, OpenAI et Anthropic occupent différentes positions dans cet écosystème. Leur présence ne garantit pourtant ni une adoption rentable ni une domination durable. Les investisseurs devront distinguer les annonces de produits des revenus réellement générés, puis comparer ces revenus au coût de l’infrastructure et de l’intégration.

Pour comprendre plus en détail les usages en entreprise, leurs gains de productivité et leurs limites, BIZCONIA a également publié une analyse approfondie de l’IA agentique et de la productivité.

Les agents peuvent-ils remplacer des logiciels classiques ?

Ils peuvent surtout modifier la manière de les utiliser. Aujourd’hui, un employé ouvre plusieurs applications et déplace lui-même les informations. Demain, un agent pourrait orchestrer ces outils depuis une seule consigne.

Cela ne signifie pas que les bases de données, logiciels comptables ou CRM vont disparaître. Les agents ont besoin de ces systèmes comme sources de vérité et comme outils d’exécution. En revanche, la valeur pourrait se déplacer vers la couche capable de coordonner l’ensemble.

Cette évolution représente à la fois une occasion et une menace pour les éditeurs. Ceux qui possèdent les données, les relations clients et les intégrations peuvent distribuer leurs propres agents. Mais une interface agentique indépendante pourrait aussi réduire la visibilité de certaines applications et affaiblir la facturation par siège.

Pourquoi faut-il rester prudent ?

Un chatbot qui se trompe produit une mauvaise réponse. Un agent qui se trompe peut envoyer un message, modifier une donnée, lancer une commande ou exposer une information confidentielle. Le risque passe du contenu à l’action.

Les principaux dangers comprennent les hallucinations, les permissions trop larges, les instructions malveillantes dissimulées dans un document, les fuites de données et les boucles d’exécution coûteuses. La documentation d’OpenAI sur la construction de flux agentiques cite elle-même l’injection d’instructions et la fuite de données parmi les risques à maîtriser.

Une entreprise sérieuse doit donc limiter les accès, journaliser les opérations, imposer une validation humaine pour les actions sensibles et tester régulièrement le système. La capacité d’arrêter ou d’annuler une action compte autant que l’intelligence du modèle.

Comment mesurer la valeur économique réelle ?

Le nombre d’agents créés est un indicateur faible. Le nombre de tâches commencées ne suffit pas davantage. Une entreprise devrait mesurer :

• le taux de tâches terminées correctement ;
• le temps net gagné, vérification comprise ;
• le coût total par mission réussie ;
• la fréquence des interventions humaines ;
• le taux d’erreur et le coût des reprises ;
• l’effet sur les revenus, les marges ou la satisfaction client ;
• les incidents de sécurité et de conformité.

Un agent peut sembler rapide tout en transférant du travail vers les personnes chargées de le contrôler. À l’inverse, un système plus lent mais très fiable peut créer davantage de valeur dans la finance, le droit ou la cybersécurité.

La prochaine bataille de l’IA se jouera sur l’exécution

L’IA générative a rendu la production de texte, d’images et de code moins coûteuse. L’IA agentique tente maintenant de transformer cette capacité en processus terminés. C’est ce passage de la réponse à l’exécution qui explique l’attention de Wall Street.

La promesse est considérable : des logiciels capables de prendre en charge une partie du travail numérique. La preuve économique reste plus exigeante. Les gagnants ne seront pas nécessairement ceux qui annoncent le plus grand nombre d’agents, mais ceux qui peuvent accomplir des missions utiles, de façon fiable, contrôlable et à un coût inférieur à la valeur créée.

Pour les investisseurs comme pour les entreprises, la question centrale devient donc très concrète : combien coûte une mission réussie, et qui capture réellement cette valeur ?

Cet article est publié à titre informatif. Les données peuvent être révisées après leur publication initiale.