Depuis quelques mois, tout le monde vend des « agents IA ». Le mot est partout, sur les plaquettes commerciales comme dans les réunions de direction. Pourtant, beaucoup de projets s'arrêtent au bout de quelques semaines, une fois passé l'effet démo. Gartner prévoit d'ailleurs que plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027, à cause des coûts, d'une valeur métier mal définie ou d'un contrôle des risques insuffisant. J'utilise l'IA et l'automatisation tous les jours, pour mon activité comme pour celle de mes clients, et j'ai vu revenir les mêmes causes d'échec à chaque fois. Je pars ici d'une tribune de Raphaël Khalifa, fondateur de la société française Syniaps, publiée par le Blog du Modérateur, pour expliquer ces trois erreurs, ce qu'elles coûtent et comment les éviter.
Wrapper GPT, outil no-code, agent contextualisé : ne pas tout confondre
Le premier problème, c'est le vocabulaire. Le mot « agent » sert aujourd'hui à désigner des outils qui n'ont rien à voir entre eux. Gartner parle même d'« agent washing » : des éditeurs rebaptisent en agents de simples chatbots ou des outils d'automatisation classiques. Le cabinet estime que seuls 130 fournisseurs environ, sur plusieurs milliers qui revendiquent le terme, proposent de vraies capacités agentiques. Avant d'acheter quoi que ce soit, je trouve utile de remettre les définitions à plat.
- Le wrapper GPT
- C'est une interface posée devant un modèle de langage. Elle reformule votre question, l'envoie au modèle et vous renvoie la réponse. Rien n'est conservé d'une fois sur l'autre : chaque conversation repart de zéro, et l'outil ne sait rien de vos clients ni de vos dossiers.
- L'outil no-code (ou low-code)
- Il exécute un enchaînement que vous avez dessiné à l'avance, étape par étape. Tant que la situation correspond au schéma, c'est fiable et efficace. Mais dès qu'un cas imprévu se présente, le scénario s'arrête, parce que toute l'intelligence se trouve dans le diagramme et pas dans l'outil.
- L'agent contextualisé
- Il est branché sur les sources de l'entreprise (messagerie, stockage de fichiers, agenda, CRM, comptabilité) et s'en sert pour construire une mémoire. Au lieu de suivre un chemin tracé d'avance, il choisit les étapes à partir de ce qu'il sait et de l'objectif qu'on lui a donné.
Pour y voir plus clair, voici comment je résume les différences.
| Critère | Wrapper GPT | Outil no-code | Agent contextualisé |
|---|---|---|---|
| Mémoire de l'entreprise | Aucune | Uniquement les données passées dans le scénario | Oui, construite à partir des sources connectées |
| Face à un cas imprévu | Répond de façon générique | S'arrête ou produit une erreur | Adapte son chemin |
| Capacité d'agir dans vos outils | Non, il se contente de rédiger | Oui, mais selon le schéma prévu | Oui, avec validation humaine sur les actes engageants |
| Mise en place | Immédiate | Il faut dessiner chaque scénario | Il faut connecter les sources et fixer les règles de validation |
| Exemples | Interfaces maison devant l'API d'OpenAI ou d'Anthropic | n8n, Make, Zapier | Syniaps, Microsoft Copilot Studio, agents bâtis sur mesure |
| Les frontières bougent : n8n intègre aujourd'hui des nœuds « AI Agent » qui permettent de construire des agents capables de choisir leurs outils. | |||
Je connais bien la deuxième catégorie. J'ai commencé avec Make, que j'ai fini par abandonner parce que j'étais bloqué par certaines fonctionnalités et surtout par le nombre d'opérations autorisées. Je suis passé à n8n, que j'utilise aujourd'hui pour mes publications, ma facturation ou mes rapports SEO. C'est très efficace sur les tâches bien cadrées. Mais j'ai aussi appris où sont ses limites, et j'y reviens plus bas.
La mémoire d'entreprise : un réseau de liens plutôt qu'une armoire de fichiers
Une armoire bien rangée vous rend le document que vous cherchez, à condition de savoir où il se trouve. Un moteur de recherche interne fait à peu près la même chose. C'est utile, mais ça ne suffit pas pour confier une mission à quelqu'un.
Ce qui compte, ce sont les liens entre les informations : ce contrat concerne ce client, ce mail fixe telle échéance, ce devis aurait dû être suivi d'une relance la semaine dernière. Raphaël Khalifa parle de « synapses » pour décrire ces connexions. L'image me plaît, parce qu'elle montre bien la différence entre stocker des données et les comprendre.
Techniquement, ces mémoires reposent souvent sur ce qu'on appelle le RAG (Retrieval-Augmented Generation, ou génération augmentée par récupération). Le principe est simple. Avant de répondre, l'IA va chercher dans vos documents les passages pertinents, puis rédige sa réponse à partir de ces extraits, en citant ses sources. Certaines solutions ajoutent un graphe de connaissances pour relier les entités entre elles (clients, contrats, projets). Le résultat attendu : vous posez une question en français, et vous obtenez une réponse sourcée en quelques secondes, sans avoir à fouiller trois dossiers partagés.
Autre avantage, moins visible : la connaissance ne reste plus dans la tête d'une seule personne. Quand un collaborateur part en congés ou quitte l'entreprise, ce qu'il savait des dossiers reste accessible à l'équipe.
Des agents spécialisés par métier
Une mémoire qui ne sert qu'à répondre aux questions, ce serait déjà bien. Mais l'intérêt d'un agent, c'est d'agir. La plupart des plateformes sérieuses proposent donc des agents spécialisés par fonction, qui s'appuient tous sur la même mémoire commune. Voici des exemples de missions présentées par Syniaps chez ses clients, qui donnent une bonne idée de ce qu'on peut confier à un agent :
- Commercial : qualifier les leads entrants, personnaliser les relances jusqu'à J+3 et mettre à jour le pipeline du CRM. C'est le suivi que tout le monde repousse, et l'agent s'en charge sans qu'un commercial ait à ouvrir l'outil.
- Marketing : dans une savonnerie artisanale, l'agent rédige et met à jour les fiches produits, traductions comprises. L'équipe y passait plusieurs heures par semaine.
- RH : pour une entreprise dont le SIRH générique ne correspondait plus à l'organisation, un outil de suivi des dossiers du personnel et des échéances de paie a été construit sur mesure, sans développeur.
- Administratif et finance : classement des notes de frais, édition et envoi des factures depuis l'outil comptable, préparation du rapprochement bancaire.
Ce sont des tâches répétitives, sans grande valeur ajoutée, mais qui prennent du temps chaque semaine. C'est exactement là qu'un agent a sa place. Je ne confierais pas une négociation commerciale à une IA. La relance d'un devis resté sans réponse, en revanche, oui, sous réserve d'une validation.
Les 3 raisons qui font échouer un projet d'agent IA
Dans les projets arrêtés que j'ai pu observer, ou que mes clients m'ont décrits, les causes se répètent. Et aucune n'est liée à la puissance du modèle. Claude ou ChatGPT, que j'utilise tous les deux au quotidien, sont largement assez performants pour ces usages. Le problème est ailleurs.
1. L'agent ne connaît pas l'entreprise
C'est l'erreur la plus fréquente. L'outil répond très bien aux questions générales, puis devient inutile dès qu'on lui pose une vraie question métier : quel est l'encours de ce client ? Qu'avons-nous promis dans ce contrat ? Où en est la relance envoyée le 12 ? Faute de contexte, l'équipe doit tout réexpliquer à chaque conversation. Au bout de quelques semaines, elle abandonne.
Je le vis moi-même avec les assistants grand public. Sur mes abonnements ChatGPT Plus et Claude Pro, j'ai pris l'habitude de créer des projets avec leurs propres instructions et documents, justement pour ne pas tout recommencer à zéro. C'est un premier pas, mais ça reste une mémoire que je dois alimenter à la main. Pour déléguer une vraie mission, l'agent doit avoir accès aux sources de l'entreprise, à jour, sans intervention humaine.
Comment l'éviter : avant même de choisir un outil, listez les sources dont l'agent aura besoin (messagerie, CRM, Drive, comptabilité) et vérifiez qu'elles sont propres et à jour. Un agent branché sur des données en désordre donnera des réponses en désordre.
2. Le chemin est dessiné à l'avance
Un scénario construit à la main tient tant que la réalité suit le plan. Mais dans la vraie vie, le client répond à côté de la question, la pièce jointe manque, le montant de la facture ne correspond pas au bon de commande. Le scénario s'arrête, quelqu'un doit reprendre à la main, et l'automatisation devient une charge supplémentaire au lieu d'un gain de temps.
Je connais bien ce cas de figure avec n8n. Un workflow peut tourner parfaitement pendant des semaines, puis planter le jour où un fournisseur change le format de son mail. Il faut alors ajouter des branches, des conditions, des gestions d'erreur. Avec le temps, le schéma ressemble à un plat de spaghettis. Un agent capable de raisonner sur son objectif traverse mieux ces imprévus : il constate qu'il manque une pièce, la demande, puis reprend.
Comment l'éviter : gardez les scénarios figés pour les tâches vraiment stables (sauvegarde, export, notification). Pour les processus qui dépendent d'échanges avec des humains, préférez un agent qui sait gérer l'exception, ou prévoyez dès le départ une étape « en cas de doute, je transmets à un humain ».
3. Personne n'a défini qui valide
C'est l'échec qui coûte le plus cher, et il peut se produire dans les deux sens. Soit l'entreprise n'ose rien laisser partir, et l'agent se limite à produire des brouillons que personne ne relit. Soit elle laisse tout partir sans contrôle, et découvre un matin qu'une relance mal tournée est arrivée chez son plus gros client.
La règle que je recommande est simple, et c'est aussi celle que défend Syniaps : tout ce qui engage l'entreprise attend un accord humain. Un envoi à un client, un devis, une écriture comptable, un paiement. Le reste (classer, préparer, rapprocher, résumer) peut se faire sans réveiller personne. On parle souvent de « human in the loop », l'humain dans la boucle.
Une relance envoyée, un devis transmis ou une écriture passée sont des actes qui engagent juridiquement et commercialement l'entreprise. Ne laissez jamais un agent les déclencher sans validation, même s'il vous paraît fiable après quelques semaines de test.
Ces trois erreurs ont un point commun : elles se jouent avant la première ligne de configuration. Ce n'est pas un problème technique, c'est un problème d'organisation. Il faut savoir ce que l'entreprise sait, où se trouve l'information, et qui décide.
Où vont vos données ? RGPD, hébergement et AI Act
Brancher un agent sur sa messagerie et sa comptabilité, c'est lui confier les informations les plus sensibles de l'entreprise. La question de l'hébergement n'a rien d'accessoire.
Côté RGPD, rien de nouveau dans les principes : vous restez responsable des données personnelles de vos clients et salariés, même si c'est un agent qui les traite. Il faut un contrat de sous-traitance (DPA) avec chaque prestataire, savoir où les données sont stockées et vérifier qu'elles ne servent pas à entraîner un modèle public. La CNIL publie d'ailleurs des recommandations dédiées à l'IA, que je vous conseille de consulter.
Certaines offres mettent en avant un hébergement en France. C'est le cas de Syniaps, qui annonce un stockage sur un serveur dédié à chaque entreprise, sans réutilisation des données pour l'entraînement. Seuls les échanges nécessaires au modèle choisi (Claude ou ChatGPT) partent chez son fournisseur, dans un cadre contractuel. Ce schéma est assez courant : la mémoire reste chez vous, le raisonnement passe par le modèle. Pour les plus exigeants, il existe aussi des modèles qui tournent en local, avec Ollama ou LM Studio, que j'ai installés chez moi. Mais leurs performances restent en retrait pour des missions complexes.
Côté réglementation européenne, le calendrier de l'AI Act a bougé cet été. Le règlement (UE) 2026/1744, appelé « omnibus numérique sur l'IA », est en vigueur depuis le 27 juillet 2026. Il repousse au 2 décembre 2027 les obligations des systèmes d'IA à haut risque de l'annexe III, prévues au départ pour le 2 août 2026. Les obligations de transparence de l'article 50 s'appliquent en revanche depuis le 2 août 2026 : informer les personnes qu'elles échangent avec une IA, signaler les contenus générés.
Pour un agent commercial ou administratif classique, vous n'êtes en général pas dans la catégorie « haut risque ». Attention toutefois aux usages RH : le tri de candidatures ou l'évaluation de salariés font partie des usages listés à l'annexe III. Si votre agent RH intervient sur ces sujets, anticipez dès maintenant l'échéance de décembre 2027.
Pourquoi ce n'est pas qu'une mode
Les abonnements SaaS s'empilent dans la plupart des entreprises. Chacun coûte de l'argent, chacun garde ses données dans son coin, et les équipes passent une partie de leur journée à recopier des informations d'un outil à l'autre. L'idée d'un agent qui connaît toute l'entreprise, c'est de prendre en charge ce travail entre les outils.
Le calcul, chacun peut le faire pour sa propre structure. Additionnez les abonnements par utilisateur, les heures de ressaisie qu'ils imposent et les intégrations que personne n'a le temps de maintenir. Comparez ensuite avec le coût d'un agent : abonnement à la plateforme, abonnement au modèle d'IA, et surtout le temps de mise en place et de suivi. C'est ce dernier poste qu'on sous-estime presque toujours.
Avant de se lancer : ma checklist
Si vous envisagez un projet d'agent IA, voici les questions que je pose systématiquement avant de toucher à un outil :
- Quelle tâche précise, répétitive et mesurable voulez-vous confier ? Commencez par une seule.
- Combien de temps prend-elle aujourd'hui, et à qui ? Sans ce chiffre de départ, impossible de mesurer le gain.
- De quelles sources l'agent a-t-il besoin, et sont-elles à jour ?
- Quelles actions engagent l'entreprise et doivent passer par une validation humaine ? Qui valide, et dans quel délai ?
- Que se passe-t-il quand l'agent ne sait pas ? Prévoyez une porte de sortie vers un humain.
- Où sont hébergées les données, et avez-vous un contrat de sous-traitance conforme au RGPD ?
- L'usage relève-t-il d'une catégorie à haut risque de l'AI Act (RH, crédit, éducation) ?
- Qui suit le projet après la mise en route ? Un agent sans responsable est un projet qui s'éteint.
Syniaps et les autres solutions du marché
Syniaps est une jeune société marseillaise créée en 2025 par Raphaël Khalifa. Sa plateforme relie vos outils à une mémoire d'entreprise et à des agents spécialisés par métier, avec un hébergement en France sur serveur dédié. L'éditeur annonce une installation en un quart d'heure, une utilisation en langage naturel et un premier mois offert, résiliable en un clic. D'après les tests publiés en ligne, les formules vont d'environ 99 € à 499 € HT par mois, auxquels s'ajoute l'abonnement au modèle d'IA choisi. Ces tarifs sont à vérifier sur le site officiel au moment où vous lisez ces lignes.
Ce n'est évidemment pas la seule option. Microsoft pousse Copilot Studio, logique si votre entreprise vit déjà dans Microsoft 365. Les grands éditeurs de modèles proposent aussi leurs propres outils pour les entreprises, avec des connecteurs vers la messagerie ou le stockage. Et pour ceux qui aiment garder la main, n8n permet de construire ses propres agents, auto-hébergés si besoin. C'est plus exigeant techniquement, mais c'est ce que je fais pour mes propres besoins.
Mon conseil : quel que soit l'outil, profitez des périodes d'essai pour tester une seule mission réelle, avec vos vraies données, plutôt que de regarder une démo. C'est la seule façon de juger sur pièces.
Questions fréquentes
- Qu'est-ce qu'un agent IA d'entreprise ?
- C'est une IA connectée aux outils de l'entreprise, qui garde en mémoire ce qu'elle y apprend et mène une mission du début à la fin : comprendre la demande, chercher l'information, agir dans les outils et rendre le résultat. Ce qui la distingue d'un simple modèle de langage, c'est cette mémoire et cette capacité d'action, pas la qualité de ses textes.
- Quelle différence avec un chatbot ?
- Un chatbot repart de zéro à chaque conversation et ne connaît rien de votre entreprise. Il répond, mais il n'agit pas. Un agent contextualisé connaît vos clients, vos contrats et vos échéances parce qu'il est branché sur vos sources, et il va au bout de la tâche. La différence se voit dès la première question précise.
- Mes données sortent-elles de France ?
- Ça dépend entièrement de la solution. Certaines, comme Syniaps, hébergent la mémoire en France sur un serveur dédié et n'envoient au fournisseur du modèle que les échanges nécessaires, dans un cadre contractuel. D'autres stockent tout aux États-Unis. Demandez systématiquement le lieu d'hébergement, le contrat de sous-traitance et la politique d'utilisation des données pour l'entraînement.
- Un agent IA est-il accessible à une TPE ou une PME ?
- Oui. Les offres clés en main démarrent autour d'une centaine d'euros par mois, et les outils comme n8n permettent de construire des agents à moindre coût si l'on a un peu de compétences techniques. Le vrai coût, c'est surtout le temps de préparation : nettoyer ses données et définir les règles de validation.
- C'est quoi le RAG ?
- Le RAG (Retrieval-Augmented Generation) est une technique qui permet à une IA d'aller chercher des informations dans vos documents avant de répondre. Elle s'appuie ainsi sur vos données réelles plutôt que sur ses seules connaissances générales, et peut citer ses sources. C'est la base de la plupart des mémoires d'entreprise.
- Peut-on laisser un agent envoyer des mails seul ?
- Techniquement oui, mais je le déconseille pour tout ce qui part chez un client, un fournisseur ou une administration. Les messages internes ou les notifications sans enjeu peuvent partir automatiquement. Pour le reste, une validation en un clic suffit et évite bien des déconvenues.
Ce que j'en retiens
Un agent IA qui échoue, c'est rarement la faute du modèle. C'est presque toujours un agent qui ne connaît pas l'entreprise, un scénario trop rigide, ou une règle de validation que personne n'a posée. La bonne nouvelle, c'est que ces trois points se règlent avant de signer quoi que ce soit : identifier ses sources, accepter que l'outil sorte du schéma, et décider qui dit oui. Commencez petit, avec une seule mission bien choisie, mesurez le temps gagné, puis élargissez. C'est comme ça que j'avance dans mes propres automatisations, et c'est ce que je conseille à mes clients.
Article inspiré d'une tribune de Raphaël Khalifa publiée sur le Blog du Modérateur.
Comment cet article a-t-il été réalisé ? Le texte a été rédigé par mes soins, puis relu avec l'aide d'une intelligence artificielle afin de corriger d'éventuelles erreurs d'orthographe ou de grammaire. L'illustration de présentation a également été créée à l'aide de l'IA.