Agents IA en production : pourquoi vos évaluations ne suffisent pas

TL;DR.

Une enquête VentureBeat menée auprès d'environ une centaine d'entreprises montre un écart important entre l'ambition affichée sur les agents IA et leur réalité en production. La plupart des systèmes présentés comme des 'agents' restent des chatbots, et les garde-fous attendus, contrôle des coûts et supervision humaine, sont souvent absents. Le problème n'est pas le manque d'outils mais la capacité à déployer ces agents de façon fiable.

Publiée le 15 juillet 2026 dans le cadre du programme Pulse Research, l'étude indique que Claude d'Anthropic est la plateforme principale pour 40 % des organisations interrogées, soit plus du double de son concurrent le plus proche, devant Microsoft (18 %) et OpenAI (13 %). Un agent, au sens strict, enchaîne plusieurs étapes et appelle des outils pour atteindre un objectif, alors qu'un chatbot répond à une requête et s'arrête là.

Les entreprises se ruent sur les agents IA, ces systèmes censés exécuter des tâches en plusieurs étapes de façon autonome. Mais entre l'ambition affichée et ce qui tourne réellement en production, l'écart est considérable. Une enquête publiée par VentureBeat le 15 juillet 2026, menée auprès d'environ une centaine d'entreprises dans le cadre de son programme Pulse Research, met en lumière un constat inconfortable : la plupart de ce que les organisations appellent des 'agents' ne sont que des chatbots habillés, et les garde-fous que l'on imagine en place, contrôle des coûts, supervision humaine, sont souvent l'exception plutôt que la règle.

Un problème de déploiement, pas de plateforme

Le titre de l'étude est explicite : selon VentureBeat, les entreprises n'ont pas un problème de plateforme, elles ont un problème de déploiement. Autrement dit, le marché ne manque pas d'outils pour construire des agents. Ce qui manque, c'est la capacité à les faire fonctionner de manière fiable une fois confrontés au monde réel.

La distinction est importante pour vos équipes. Un agent, au sens strict, orchestre plusieurs étapes : il enchaîne des actions, appelle des outils, prend des décisions intermédiaires pour atteindre un objectif. Un chatbot, lui, répond à une requête et s'arrête là. L'enquête suggère qu'une grande partie des déploiements estampillés 'agentiques' relèvent en réalité de la seconde catégorie. Le vocabulaire a couru plus vite que la technologie.

Une consolidation rapide autour des plateformes de modèles

Côté infrastructure, la tendance est nette : les entreprises se regroupent autour des grandes plateformes de fournisseurs de modèles. D'après les chiffres rapportés par VentureBeat, Claude d'Anthropic est la plateforme principale pour 40 % des organisations interrogées, soit plus du double de son concurrent le plus proche. Suivent Microsoft (18 %) et OpenAI (13 %).

Le critère de choix numéro un n'est pas le prix ni l'écosystème d'outils, mais ce que l'étude nomme la 'gravité du modèle' (model gravity) : l'alignement natif avec un modèle de base à l'état de l'art, cité par 21 % des répondants. En clair, les entreprises choisissent d'abord la qualité du moteur, puis construisent autour. Ce qu'elles jugent ensuite, c'est la capacité à exécuter de façon fiable des tâches en plusieurs étapes.

Le contrôle hybride, pour éviter la dépendance

Un autre enseignement concerne la manière dont les entreprises veulent piloter leurs agents. Plutôt que de confier l'intégralité de leur orchestration à un seul fournisseur, elles privilégient délibérément un contrôle hybride. La logique est défensive : éviter le verrouillage (lock-in), cette situation où l'on devient si dépendant d'un prestataire qu'en changer devient trop coûteux.

Cette prudence a du sens quand on construit sur une technologie qui évolue aussi vite. Mais elle ajoute aussi de la complexité : orchestrer des agents à travers plusieurs environnements demande une couche de pilotage, un 'control plane', que peu d'organisations maîtrisent encore pleinement.

Le coût des jetons, un angle mort

C'est peut-être le point le plus révélateur de l'enquête. Faire tourner un agent consomme des jetons (tokens), l'unité de facturation des modèles de langage : chaque étape de raisonnement, chaque appel d'outil, chaque réponse a un coût. Or, selon VentureBeat, le contrôle budgétaire en temps réel sur cette consommation reste l'exception.

Concrètement, beaucoup d'entreprises déploient des agents sans visibilité fine sur ce qu'ils dépensent au fil de leur exécution. Un agent qui boucle, qui multiplie les appels ou qui explore des chemins inutiles peut faire grimper la facture sans alerte. Là où un chatbot a un coût prévisible par échange, un agent autonome introduit une variabilité que les outils de suivi actuels peinent à encadrer.

Ce que ça change pour vous

Si vous pilotez un projet d'IA agentique dans votre organisation, cette étude invite à trois réflexes concrets.

• Vérifiez ce que vous déployez vraiment. Un système qui répond à des questions n'est pas un agent. Nommer les choses correctement évite de survendre en interne une capacité qui n'existe pas encore, et de fixer des attentes intenables.
• Instrumentez le coût dès le départ. Ne traitez pas la consommation de jetons comme une ligne comptable de fin de mois. Mettez en place un suivi en temps réel, avec des seuils d'alerte, avant de passer en production.
• Séparez l'évaluation de la réalité terrain. Un agent qui passe vos tests internes n'est pas un agent qui tiendra face à un vrai utilisateur. Les jeux de test contrôlés ne reproduisent pas la diversité des situations réelles ; prévoyez une phase de supervision humaine renforcée sur les premiers déploiements.

Un écart à combler, pas une fatalité

Le message central de l'enquête VentureBeat n'est pas que les agents IA ne fonctionnent pas. C'est que l'ambition court, pour l'instant, largement devant la réalité opérationnelle. Les briques technologiques existent et se consolident vite. Ce qui reste à construire, c'est la discipline de déploiement : nommer correctement ce que l'on met en production, superviser l'exécution, et garder la main sur les coûts.

Pour les entreprises, l'enjeu des prochains mois ne sera donc pas de choisir la bonne plateforme, mais d'apprendre à exploiter celles qu'elles ont déjà adoptées. C'est souvent là que se joue la différence entre une démonstration réussie et un système qui tient dans la durée.

Questions fréquentes

Quelle est la différence entre un agent IA et un chatbot ?

Un agent orchestre plusieurs étapes : il enchaîne des actions, appelle des outils et prend des décisions intermédiaires pour atteindre un objectif. Un chatbot répond à une requête et s'arrête là. L'enquête suggère qu'une grande partie des déploiements dits 'agentiques' relèvent en réalité de la seconde catégorie.

Pourquoi les agents IA déployés en production ne tiennent-ils pas leurs promesses ?

Selon VentureBeat, les entreprises n'ont pas un problème de plateforme mais un problème de déploiement. Le marché ne manque pas d'outils pour construire des agents, mais la capacité à les faire fonctionner de façon fiable face au monde réel fait défaut. Les garde-fous comme le contrôle des coûts et la supervision humaine restent souvent l'exception.

Quelle plateforme de modèles IA les entreprises utilisent-elles le plus ?

Claude d'Anthropic est la plateforme principale pour 40 % des organisations interrogées, soit plus du double de son concurrent le plus proche. Viennent ensuite Microsoft avec 18 % et OpenAI avec 13 %.

Combien d'entreprises ont participé à l'enquête VentureBeat ?

L'enquête a été menée auprès d'environ une centaine d'entreprises, dans le cadre du programme Pulse Research de VentureBeat. Elle a été publiée le 15 juillet 2026.

Sur quel critère les entreprises choisissent-elles leur plateforme d'IA ?

Le critère de choix numéro un n'est pas le prix ni l'écosystème d'outils. Les entreprises se regroupent autour des grandes plateformes de fournisseurs de modèles, une consolidation rapide du marché de l'infrastructure.