Avec l’IA agentique, la robustesse des SI redevient stratégique

Alain Nohra, Regional Vice President, Europe du Sud, Guidewire partage son analyse

Le changement est majeur : il ne s’agit plus uniquement d’outils capables d’analyser, de recommander ou de produire du contenu, mais de systèmes en mesure d’exécuter des actions, d’orchestrer des séquences de tâches, d’interagir avec différents applicatifs et, ou encore de lancer des opérations au sein même des systèmes d’information. Selon Roots Analysis, le marché mondial des agents d’IA pourrait évoluer d’environ 10 milliards de dollars en 2025 à plus de 220 milliards en 2035. Cette progression illustre surtout un déplacement plus profond : la manière dont les systèmes d’information sont conçus commence à évoluer sous l’effet de ces nouveaux usages.

Dans les entreprises, le débat se déplace ainsi progressivement des modèles d’IA et des cas d’usage vers la structure même des SI. Une interrogation devient centrale : les architectures actuelles sont-elles réellement capables d’intégrer des agents autonomes pouvant agir de manière fiable, gouvernée et traçable à grande échelle ?

 

Le passage d’une IA d’assistance à une IA d’action

La rupture introduite par l’IA agentique tient moins à ses performances qu’à sa position dans les systèmes. Jusqu’à présent, l’intelligence artificielle restait principalement située autour des processus, en soutien de l’analyse ou de la prise de décision. Désormais, elle intervient directement dans leur exécution.

Ce déplacement modifie profondément les limites traditionnelles de l’automatisation. Les approches historiques fonctionnaient essentiellement dans des environnements encadrés, alimentés par des données structurées et des règles explicites. Dès qu’une situation devenait ambiguë ou nécessitait une interprétation contextuelle, le traitement manuel redevenait indispensable.

Une partie de ces situations intermédiaires peut désormais être prise en charge différemment. Grâce à la combinaison d’analyses contextuelles, de multiples sources d’information et de règles métier, les agents sont capables de traiter des cas moins standardisés, de coordonner plusieurs étapes d’un processus et de déclencher certaines actions sans validation humaine permanente.

Cette évolution reste toutefois loin d’être anodine. Dès lors qu’un système agit directement dans un processus métier, chaque décision doit pouvoir être expliquée, chaque action tracée et chaque enchaînement contrôlé. Le sujet dépasse donc largement les seuls gains d’efficacité : il touche à la capacité à garantir une exécution fiable, gouvernée et auditable.

 

Le système cœur redevient un point d’ancrage stratégique

Un phénomène paradoxal apparaît dans ce contexte : plus les agents gagnent en autonomie, plus la solidité du socle transactionnel devient essentielle. L’IA agentique ne remplace pas le système d’information ; elle dépend directement de sa qualité et de sa cohérence.

Pour agir correctement, les agents ont besoin de données fiables, de règles métier homogènes et de processus clairement structurés. Le système cœur retrouve ainsi une fonction centrale : celle de référentiel opérationnel et de garant de la cohérence métier.

Longtemps cantonné à un rôle de moteur transactionnel, il tend désormais à devenir une plateforme d’orchestration pour l’ensemble de l’écosystème applicatif. Lorsque les règles sont dispersées entre plusieurs outils ou que des développements spécifiques se sont accumulés au fil des années, l’autonomie des agents fait rapidement ressortir les incohérences existantes et met en lumière la dette technique des systèmes.

Un agent d’assurance intelligent peut par exemple examiner les pièces d’un dossier de sinistre, contrôler les garanties d’un contrat puis lancer certaines étapes de traitement lorsque les conditions requises sont remplies. Selon Deloitte, l’usage de l’intelligence artificielle sur l’ensemble du cycle de vie des sinistres pourrait permettre aux assureurs de réduire la fraude et de générer entre 80 et 160 milliards de dollars d’économies d’ici 2032. Au-delà des gains potentiels, ce type d’exemple illustre surtout une réalité plus large : dès que l’IA agit directement dans les processus métier, la cohérence du système d’information devient un facteur déterminant de gouvernance et de fiabilité.

 

L’architecture comme nouveau révélateur des écarts

On assiste à un déplacement de la différenciation technologique, à mesure que les modèles d’IA deviennent plus accessibles et plus largement diffusés. Elle ne tient plus seulement à la performance intrinsèque des modèles, mais à la capacité des organisations à les inscrire dans un système d’information cohérent, maîtrisé et réellement exploitable.

Les entreprises, dont les architectures exposent clairement leurs services, centralisent leurs règles métier et permettent une orchestration fluide seront en mesure de déployer des agents à grande échelle. À l’inverse, les organisations reposant sur des systèmes hérités devront multiplier les couches d’intégration pour compenser leurs limites, au risque d’ajouter de la complexité à des environnements déjà fragiles. L’IA agentique ne crée donc pas ces écarts : elle les rend visibles. Elle met en lumière la différence entre des systèmes conçus pour absorber l’autonomie opérationnelle et des architectures qui devront d’abord résoudre leurs propres incohérences.