57% des entreprises ont des agents IA.
11% s'en servent vraiment.
Les agents IA en production : ce qui marche, ce qui bloque, et pourquoi le passage en prod est le vrai enjeu pour les entreprises.
Le vrai problème
57% des grandes entreprises ont déployé des agents IA en production. Le chiffre est impressionnant. Il rassure les COMEX. Il alimente les communiqués de presse.
Sauf que derrière ce chiffre, il y en a un autre. 11%.
11% des entreprises utilisent réellement leurs agents IA de façon active. Le reste est coincé entre la phase pilote et le déploiement réel. Des agents qui existent. Qui fonctionnent. Mais que personne n'utilise.
La question n'est plus "est-ce que l'IA marche ?". Elle marche. La question, c'est : pourquoi 46% des entreprises n'arrivent pas à passer de la démo à la prod ?
Ce qui bloque - et ce n'est pas la techno
Gartner a enregistré une hausse de 1 445% des questions sur les systèmes multi-agents entre Q1 2024 et Q2 2025. Les entreprises ne manquent pas de cas d'usage. Elles manquent de trois choses.
1. La gouvernance. Qui décide quand un agent peut agir de manière autonome ? Qui valide ses outputs ? Quelle escalade quand il se trompe ? Sans réponse claire, les équipes préfèrent ne pas l'utiliser. C'est rationnel.
2. L'évaluation continue. Les équipes qui testent leurs agents en continu - avant, pendant et après le déploiement - ont un taux de succès en production 6 fois supérieur à celles qui ne le font pas. Six fois. L'évaluation n'est pas un luxe. C'est le facteur déterminant entre un POC et un produit.
3. L'orchestration. Un agent seul, c'est simple. Trois agents qui doivent se coordonner sur un workflow, c'est un cauchemar de débogage. Les conversations s'accumulent, les tokens explosent, les coûts deviennent imprévisibles. 47Billion rapporte que le build initial représente 20% de l'effort. Atteindre la production en représente 80%.
Ce qui marche vraiment
Les retours terrain convergent. Voici ce qui sépare les 11% qui réussissent des 46% qui stagnent.
L'autonomie progressive. Ne partez pas en mode 100% autonome. Commencez avec des checkpoints humains partout. Puis retirez-les un par un, quand le système prouve sa fiabilité. C'est contre-intuitif - on veut automatiser vite. Mais c'est ce qui marche.
Le bon niveau de complexité. Pour la plupart des cas en production, le niveau 2-3 d'autonomie suffit (chaînage de prompts, agent avec outils). Le multi-agents (niveau 4) est séduisant en démo. En prod, il coûte 5x plus en tokens et multiplie les points de défaillance.
Le MCP comme standard. Le Model Context Protocol - porté par la Linux Foundation, adopté par Accenture, Deloitte et 50+ partenaires - est en train de devenir le standard pour connecter des agents aux systèmes d'entreprise (Salesforce, ServiceNow, Workday). Comprendre MCP aujourd'hui, c'est avoir 12 mois d'avance.
Le monitoring dès le jour 1. Sans infrastructure de suivi dès le départ, les budgets explosent en quelques semaines. La variabilité des temps de réponse est plus destructrice que la lenteur elle-même.
Ce que ça change pour vous
Le marché n'a pas un problème de cas d'usage. Il a un problème de passage en production. Le créneau est massif et encore peu occupé.
Les entreprises qui captent la valeur ne sont pas celles qui empilent les POCs. Ce sont celles qui ont la gouvernance, l'évaluation et l'orchestration pour faire atterrir des agents dans des systèmes existants.
Trois questions à se poser avant de lancer un agent en prod :
- Qui valide les outputs de l'agent ? Quel est le circuit d'escalade ?
- Comment je mesure la performance de l'agent en continu - pas juste au lancement ?
- Est-ce que mon architecture supporte l'ajout d'un agent sans tout reconstruire ?
Si vous n'avez pas de réponse claire à ces trois questions, vous êtes dans les 46%. Et ce n'est pas une fatalité.
On accompagne des entreprises sur exactement ce sujet - du diagnostic à la mise en production. Si ça vous parle - yann@selego.co
Sources
Envie d'aller plus loin ?
Parlons de votre projet
Conseil, audit, build - nous accompagnons votre transformation tech et IA de A a Z.