Les organisations passent des tests d’agents IA à leur intégration dans les opérations métier, mais un nouveau rapport MIT Technology Review Insights soutient que de nombreuses entreprises n’ont pas préparé les systèmes de données dont ces agents ont besoin. Le rapport, publié le 12 août et fondé sur une enquête auprès de 300 dirigeants des données et de la technologie, identifie l’accès limité aux informations de l’entreprise et l’infrastructure héritée comme des obstacles majeurs à des décisions fiables et rapides.

Les conclusions suggèrent que le prochain obstacle pour l’IA agentique pourrait tenir moins à la capacité du modèle qu’au fait de savoir si les agents peuvent atteindre les bonnes données, comprendre leur contexte métier et interagir en toute sécurité avec les systèmes où le travail s’effectue. Cela importe pour les équipes produit et les acheteurs d’entreprise qui planifient des déploiements allant au-delà des réponses aux questions pour passer à des actions opérationnelles.

Ce que l’enquête a révélé

Selon le rapport, les systèmes d’IA peuvent accéder en moyenne à 45 % des données de l’entreprise dans les organisations interrogées. L’accès tombe à 30 % ou moins parmi le groupe classé comme « en retard sur les données », tandis que les « leaders des données » donnent accès à plus de 70 % de leurs données.

Le rapport relie cette différence à la confiance dans les agents IA. Seule environ la moitié des répondants a déclaré faire confiance à la précision et à la pertinence des décisions de leurs agents. Parmi les leaders des données, en revanche, le rapport indique que 100 % ont exprimé cette confiance.

Le rapport met aussi en évidence un écart de capacité et de vitesse. Soixante-six pour cent des retardataires en matière de données ont déclaré que les systèmes de données hérités limitaient leur capacité à faire évoluer les agents IA, tandis que 68 % ont affirmé que ces systèmes empêchaient les agents de prendre des décisions rapidement. Parmi les leaders des données, seulement 8 % ont signalé l’une ou l’autre de ces contraintes.

Ces chiffres présentent l’accès aux données comme une exigence opérationnelle plutôt que comme un simple problème d’infrastructure en arrière-plan. Un agent qui ne peut pas récupérer des données de chaîne d’approvisionnement à jour, des informations de point de vente ou des données de ressources humaines peut produire une réponse plausible tout en étant incapable d’exécuter un flux de travail de manière fiable.

Pourquoi les systèmes hérités comptent

Les environnements de données d’entreprise traditionnels ont généralement été conçus pour des applications, des rapports et des utilisateurs humains avec des chemins d’accès définis. Les agents IA créent une exigence différente : ils peuvent devoir combiner des enregistrements structurés avec des documents non structurés, interpréter des informations dans leur contexte et prendre des décisions tout en étant connectés à des systèmes opérationnels en temps réel.

Le rapport soutient que même des systèmes hérités relativement récents peuvent créer des frictions lorsque les agents ont besoin de ce type d’accès. Les données peuvent être réparties sur des plateformes incompatibles, soumises à des autorisations incohérentes, ou stockées sans les définitions métier dont un agent a besoin pour distinguer un enregistrement faisant autorité d’un enregistrement obsolète ou incomplet.

Cette distinction est importante pour l’IA d’entreprise. Donner à un agent un accès plus large sans améliorer la qualité des données, les autorisations, la traçabilité et le contexte pourrait augmenter le nombre d’actions qu’il peut entreprendre sans rendre ces actions plus fiables. Pour les développeurs, le problème ne consiste donc pas seulement à connecter un modèle à davantage de sources. Il s’agit de créer un accès contrôlé à des informations qui sont à jour, interprétables et adaptées à une tâche particulière.

Le rapport cite l’amélioration de l’accès aux données structurées et non structurées comme la principale initiative pour faire évoluer les agents. Il met aussi en avant une gouvernance des données plus robuste intégrant le contexte métier, ainsi qu’une plus grande automatisation de la gestion des données.

Preuves et limites des affirmations

La preuve centrale provient d’une enquête menée auprès de 300 dirigeants des données et de la technologie, décrite dans le rapport MIT Technology Review Insights. Les catégories de leaders et de retardataires en matière de données, ainsi que les pourcentages annoncés pour l’accès, la confiance et les contraintes système, sont donc des résultats d’enquête et non des mesures auditées indépendamment de déploiements d’entreprise.

Le rapport cite également une prévision de Gartner selon laquelle les agents IA pourraient augmenter ou automatiser 50 % des décisions métier d’ici 2027. Il s’agit d’une prévision, non d’un résultat établi, et le contenu fourni n’identifie ni la méthodologie ni les hypothèses qui la sous-tendent.

La publication comporte une mention importante : le contenu a été produit par Insights, l’entité de contenu personnalisé de MIT Technology Review, et non par la rédaction de MIT Technology Review. Le rapport indique que l’enquête et la rédaction ont été produites par des chercheurs, rédacteurs, éditeurs, analystes et illustrateurs humains, les éventuels outils d’IA étant limités à des processus de production secondaires soumis à une revue humaine.

Cette mention n’invalide pas l’enquête, mais elle signifie que les lecteurs doivent considérer les comparaisons et conclusions les plus fortes comme un contenu fondé sur la recherche et associé à un rapport personnalisé. La source ne fournit ni études de cas indépendantes, ni audits techniques, ni déploiements d’entreprise nommés permettant de vérifier si les leaders des données ont obtenu les résultats rapportés dans des flux de travail précis.

Implications pour les développeurs et les acheteurs d’entreprise

Pour les développeurs IA, les conclusions recentrent l’attention sur les systèmes entourant un modèle. Un agent utilisé pour les achats, les opérations clients, la finance ou la gestion des effectifs a besoin de plus qu’une simple récupération d’informations. Il lui faut des politiques d’accès, des données à jour, une priorité claire des sources, une gestion des erreurs et un moyen d’expliquer quelles données ont façonné une décision.

Les équipes produit doivent aussi définir ce qu’un agent est autorisé à faire lorsque des informations manquent ou se contredisent. Un système qui s’arrête pour une revue humaine peut être plus lent, mais il peut aussi être plus fiable qu’un système qui comble les lacunes par une hypothèse non fondée. La supervision doit couvrir non seulement les réponses du modèle, mais aussi les appels d’outils, la fraîcheur des données, les échecs d’autorisation et les effets en aval.

Pour les acheteurs d’entreprise, le rapport rappelle qu’il faut évaluer la préparation des données avant d’étendre un pilote d’agent. Les questions doivent notamment porter sur la capacité du système proposé à se connecter aux systèmes opérationnels sans créer de copies incontrôlées de données sensibles, sur la possibilité de limiter l’accès par rôle et par tâche, et sur la capacité des utilisateurs métier à auditer les décisions d’un agent.

Cela crée aussi une ouverture concurrentielle pour les fournisseurs d’infrastructure. Les outils qui unifient l’accès aux données, automatisent la gestion des métadonnées, appliquent la gouvernance et connectent les agents aux systèmes opérationnels pourraient devenir aussi importants pour l’économie du déploiement que le choix du modèle. Mais une connectivité plus large ne garantit pas à elle seule de meilleurs résultats ; la fiabilité dépend de la qualité et de la signification des informations exposées.

Ce qu’il faut surveiller ensuite

Le premier signal sera de savoir si les entreprises passent de pilotes isolés à des agents opérant sur plusieurs systèmes. Un déploiement plus large devrait montrer si l’accès aux données s’améliore en pratique ou si les organisations continuent de cantonner les agents à des tâches étroites et à faible risque.

Un deuxième signal est l’apparition de benchmarks indépendants pour la préparation des données des agents. Des mesures utiles pourraient inclure la part des données pertinentes auxquelles un agent peut accéder, la fraîcheur des données, l’exactitude des autorisations, la récupération en cas d’informations manquantes et le taux d’actions nécessitant une correction humaine.

Les acheteurs devraient aussi observer la manière dont les fournisseurs abordent la gouvernance et l’auditabilité. Les affirmations sur des agents dignes de confiance seront plus pertinentes lorsque les fournisseurs divulgueront les taux d’échec, le comportement d’escalade et les performances dans des flux de travail réels, plutôt que de s’appuyer uniquement sur des benchmarks de modèles ou des enquêtes d’adoption.

Enfin, la prévision de Gartner citée par le rapport devra être confrontée à l’automatisation réelle des décisions métier. Si l’adoption augmente sans amélioration correspondante de la confiance et des contrôles, les entreprises pourraient utiliser largement les agents tout en les tenant à l’écart des décisions où leur valeur serait la plus élevée.

Point de vue Creati.ai

Le message central du rapport est crédible comme avertissement de déploiement : les agents ne peuvent pas agir de manière fiable sur des informations qu’ils ne peuvent ni atteindre ni interpréter. Mais ses chiffres doivent être lus comme des signaux d’enquête, pas comme la preuve que les leaders des données ont résolu l’IA d’entreprise. L’enseignement le plus utile pour les développeurs est de considérer l’accès aux données, la gouvernance et l’intégration des systèmes comme faisant partie du produit agent lui-même.

Le marché va probablement se diviser entre les fournisseurs qui se contentent de rendre les agents plus faciles à lancer et ceux qui rendent leurs actions mesurables, réversibles et responsables. Pour les équipes d’entreprise, le test pratique est simple : avant de se demander si un agent est assez intelligent, il faut déterminer s’il dispose des données dignes de confiance et des autorisations contrôlées nécessaires pour agir.