IA agentique : vers l’émergence du Chief Agentic AI Officer ?

Depuis deux ans, l’intelligence artificielle est devenue une priorité stratégique pour presque toutes les entreprises.

Mais une nouvelle évolution est en train d’apparaître, encore largement sous-estimée : l’IA agentique.

Contrairement aux outils d’IA générative classiques, ces systèmes ne se contentent plus de produire du contenu. Ils peuvent raisonner sur des tâches, utiliser des outils et exécuter des actions de manière autonome.

Si cette évolution se confirme, elle ne transformera pas seulement la technologie.

Elle pourrait transformer la manière dont les entreprises organisent le travail.

Et peut-être faire émerger un nouveau rôle exécutif : le Chief Agentic AI Officer.

Cet article prolonge une série de réflexions que j’ai partagées ces dernières semaines sur LinkedIn autour de l’IA agentique et de ses implications organisationnelles.

Une évolution qui dépasse la technologie

Depuis l’arrivée des grands modèles de langage, l’intelligence artificielle a connu une accélération spectaculaire dans les entreprises. Les organisations expérimentent des assistants internes, automatisent certaines tâches ou explorent de nouveaux services basés sur l’IA.

Mais les systèmes agentiques introduisent une rupture supplémentaire.

Là où les outils d’IA générative produisent des réponses, les systèmes agentiques peuvent agir. Ils sont capables d’analyser une situation, de mobiliser différents outils, de prendre des décisions intermédiaires et d’exécuter des actions dans un environnement numérique.

Autrement dit, l’IA ne se limite plus à assister les humains dans leur réflexion. Elle commence à intervenir directement dans les processus opérationnels.

Pourtant, la plupart des discussions continuent de se concentrer sur les modèles eux-mêmes : leur performance, leur taille ou leur capacité de raisonnement.

Cette perspective est utile, mais elle reste partielle.

Car dans les systèmes agentiques, le modèle n’est qu’un composant d’un système beaucoup plus large.

Du modèle au système

Lorsque l’on travaille concrètement avec des agents, une réalité apparaît rapidement : la valeur ne réside pas uniquement dans le modèle.

Un système agentique repose sur un ensemble d’éléments complémentaires. Il doit orchestrer différentes étapes de raisonnement, accéder à des outils externes, gérer un contexte et une mémoire, et fonctionner à l’intérieur de garde-fous qui limitent ses actions.

L’intelligence du système émerge donc de l’architecture complète qui entoure le modèle.

Cette architecture permet aux agents de s’intégrer dans l’environnement numérique existant des entreprises : applications métiers, bases de données, APIs ou workflows opérationnels.

C’est aussi ce qui rend ces systèmes particulièrement puissants, mais également plus complexes à concevoir et à déployer.

Déployer des agents n’est pas déployer un logiciel

Lorsque les entreprises commencent à intégrer des agents dans leurs opérations, elles découvrent rapidement que ces systèmes ne se déploient pas comme des logiciels traditionnels.

Les logiciels d’entreprise ont historiquement été conçus autour d’une logique déterministe. Les processus métiers sont décrits, traduits en workflows et exécutés selon des règles précises.

Les systèmes agentiques fonctionnent différemment.

Parce qu’ils reposent sur des modèles probabilistes, leur comportement ne peut jamais être totalement déterministe. Un agent peut manquer de contexte, interpréter une situation de manière imparfaite ou produire un raisonnement erroné.

Ce n’est pas une anomalie.

C’est une caractéristique structurelle de ces systèmes.

Par conséquent, les architectures doivent être pensées différemment : avec des mécanismes de supervision, des garde-fous et des limites d’autorité clairement définies.

Les agents doivent être éduqués, pas configurés

Cette différence a une conséquence directe sur la manière dont les organisations déploient ces systèmes.

Le déploiement d’un logiciel classique consiste essentiellement à configurer un système. On analyse les processus métiers, on paramètre les workflows et le système exécute ces règles.

Le déploiement d’un système agentique ressemble davantage à un processus d’apprentissage.

L’agent apprend progressivement comment fonctionne l’organisation : ses règles explicites, mais aussi ses pratiques implicites.

Dans le même temps, l’entreprise apprend comment configurer et superviser le système. Les prompts évoluent, les outils sont ajustés et les limites d’autorité deviennent plus claires.

Le déploiement devient ainsi un processus itératif et opérationnel, et non plus un projet ponctuel.

Les organisations qui entameront tôt ce cycle d’apprentissage accumuleront une expérience difficile à reproduire pour leurs concurrents.

De la cartographie des processus à la cartographie du travail

La transformation la plus profonde est peut-être organisationnelle.

Depuis trente ans, les projets de transformation numérique reposent largement sur la cartographie des processus. Les logiciels ont été conçus pour automatiser des séquences de tâches clairement définies.

Les systèmes agentiques changent la nature de la question.

Au lieu de demander comment traduire un processus dans un logiciel, les organisations doivent se demander quelle autorité elles sont prêtes à déléguer à un agent.

Cela implique de définir des objectifs, des responsabilités et des droits de décision.

Autrement dit, les entreprises doivent commencer à cartographier le travail lui-même, et non plus seulement les processus.

Deux phases d’adoption de l’IA agentique

L’adoption de ces systèmes se fera probablement en deux étapes.

Dans un premier temps, l’IA agentique sera abordée comme une innovation technologique. Des rôles apparaîtront dans les équipes IT, data ou innovation afin d’expérimenter ces systèmes et de les intégrer dans l’environnement existant.

Mais lorsque les agents commenceront à transformer réellement la manière dont le travail est effectué, la nature du défi changera.

Le problème ne sera plus seulement technique.

Il deviendra organisationnel.

Les entreprises devront alors repenser les rôles, les responsabilités et les modes de collaboration entre humains et systèmes autonomes.

Vers un nouveau rôle exécutif

C’est dans ce contexte qu’un nouveau rôle pourrait émerger : celui de Chief Agentic AI Officer.

Contrairement aux fonctions technologiques traditionnelles, ce rôle n’aurait pas pour mission principale de développer des modèles ou de gérer l’infrastructure.

Sa responsabilité serait de concevoir et piloter le modèle opérationnel humain-agent de l’entreprise.

Il agirait comme un catalyseur entre plusieurs fonctions clés : la stratégie, les ressources humaines, les opérations, les équipes data et IA, la gestion des risques et l’IT.

Car le déploiement à grande échelle de systèmes agentiques soulève de nouveaux défis : repenser la manière dont le travail est réalisé, organiser la collaboration entre humains et agents et garantir la gouvernance de systèmes probabilistes.

Montrer l’exemple

Une particularité de ce rôle est qu’il suppose également une pratique quotidienne de l’IA agentique.

Le responsable de cette transformation devra lui-même travailler avec des agents pour analyser des scénarios stratégiques, explorer de nouveaux cas d’usage ou suivre les déploiements opérationnels.

En ce sens, la transformation commencera aussi par les dirigeants eux-mêmes.