Entretien avec Daoud Chami, AI Domain Leader chez CBTW
Trois ans après ChatGPT, où en sont vraiment les entreprises dans leur adoption de l’IA ?
Le niveau de maturité reste très disparate. D’un côté, des early adopters qui ont déployé des solutions d’IA en interne. De l’autre, un nombre encore significatif d’acteurs se pose encore la question fondamentale: concrètement, à quoi cela peut-il me servir ? Une part importante de notre travail chez CBTW consiste encore à accompagner les entreprises dans l’identification de cas d’usage pertinents.
Qu’est-ce qui bloque concrètement ?
Le principal frein reste une compréhension encore partielle de ce qu’est réellement l’IA en entreprise. Dès que l’on sort des outils de bureautique accessibles à tous, les entreprises ont du mal à se projeter sur une IA intégrée, connectée à leur système d’information et couplée à du code. Elles ne savent pas toujours ce que la technologie peut faire pour elles, ni combien cela peut coûter. La question du risque existe, bien sûr, mais elle reste secondaire dans les faits.
L’IA agentique est présentée comme la prochaine étape. Les entreprises en comprennent-elles le potentiel ?
Pas encore totalement. Pour beaucoup, l’IA agentique reste une notion assez abstraite, notamment lorsqu’il s’agit de l’appliquer à des process métiers complexes. En réalité, un agent IA est un système capable d’exécuter des tâches en interagissant avec différents outils (CRM, ERP, bases de données…) selon des règles définies. Il ne “réfléchit” pas au sens humain du terme : il applique des instructions et automatise des processus. Et c’est précisément ce qui fait sa force.
Le vrai défi, c’est de faire collaborer les agents entre eux ou avec les humains ?
L’interface humain-agent est beaucoup plus complexe que l’interface agent-agent. Deux agents qui collaborent, c’est techniquement simple: l’un est un outil pour l’autre. En revanche, les humains ont tendance à attribuer des capacités illimitées à l’agent qu’ils ont en face d’eux. Ils oublient qu’il est limité à des outils très précis. Notre travail consiste aussi à bien accompagner cette calibration des attentes.
Ne risque-t-on pas de se retrouver avec une prolifération d’agents ingouvernables ?
Le risque est réel. Nous le voyons déjà chez certains clients. Ils ont parfois des dizaines d’agents en fonctionnement, chacun dédié à une tâche spécifique. Et avec le temps, une forme de “legacy” s’installe. Certains sont mal nommés, d’autres sont mal documentés, ou simplement oubliés.
Tant que ces agents restent isolés, ce n’est pas forcément problématique. Mais la situation se complique avec les architectures multi-agents, où les interactions se multiplient. Un agent peut en appeler un autre, lui-même connecté à différentes briques du système d’information. Dans ce contexte, la capacité à cartographier et piloter ces interactions devient un enjeu clé.
Une entreprise peut-elle vraiment se lancer seule dans un projet d’IA agentique ?
En théorie, ce n’est pas impossible. Mais en pratique, c’est extrêmement complexe de bien faire sans accompagnement. La première difficulté réside dans le choix des cas d’usage. Sans expertise, il est facile de mal prioriser, de surestimer les gains ou de sous-estimer les coûts. Ensuite, la véritable création de valeur ne vient pas des outils d’IA “clé en main”, mais de leur intégration dans le système d’information. Cela demande des compétences très pointues.
Réussir un projet de bout en bout implique de maîtriser toutes les étapes, du cadrage à la mise en production. Ce n’est pas impossible seul, mais le risque est alors élevé de rejoindre la longue liste des projets qui ne dépassent jamais le stade du prototype.
Quels cas d’usage IA prioriser pour générer un ROI mesurable ?
📘 Téléchargez les 5 cas concrets pour identifier et déployer l’IA agentique là où elle génère le plus de valeur
💬 Échangez avec les experts chez CBTW pour identifier les cas d’usage agentiques les plus impactants dans votre entreprise
