L’essor des agents IA préfigure-t-il l’avenir des opérations en entreprise ?

Massimiliano Marcon, Directeur de la gestion produit chez MongoDB partage son expertise sur le sujet.

L’agent IA dans l’entreprise moderne

En France, selon une étude de l’Observatoire Data & IA 2024 de BVA/Artefact, 54 % des décideurs estiment que leurs données sont encore trop cloisonnées pour permettre un usage avancé de l’IA (1). Or, un agent IA, pour être efficace, doit accéder à un vaste ensemble d’informations. Il peut être rapide et performant, mais s’il reste déconnecté des données, des systèmes, des outils et des autres agents, il devient presque inutile. C’est comme recruter un employé brillant incapable d’accéder aux fichiers internes, de se connecter aux logiciels ou de poser des questions à ses collègues.

Un historique de données difficilement exploitable

Le problème est que la plupart des entreprises ont accumulé, parfois depuis des décennies, des informations stratégiques éparpillées dans des systèmes disparates. Un rapport de S&P global indique qu’environ 39 % des organisations fortement axées sur les données ont plus de 50 silos de données distincts à gérer (2).Cela signifie que l’intelligence client peut résider dans des bases relationnelles obsolètes, tandis que les données produits dorment dans des dépôts séparés. Ce morcellement freine l’accès à la mémoire institutionnelle, surtout à mesure que les talents quittent l’organisation. Et plus encore, cela complique l’exploitation des données critiques, réparties entre de multiples environnements nécessitant des accès spécifiques. Les entreprises ont besoin d’une logique métier adaptée à leur écosystème numérique pour relier ces données entre elles.

Standardiser l’accès : la révolution MCP

Les agents IA nécessitent une méthode unifiée et standardisée pour accéder au contexte au sein des applications. C’est précisément dans cet esprit qu’est né le Model Context Protocol (MCP), parfois surnommé le « USB-C de l’IA ». Défini initialement par Anthropic, ce protocole a rapidement dépassé son cadre d’origine pour devenir un standard interopérable adopté à l’échelle de l’industrie. Microsoft l’a déjà intégré à sa feuille de route pour Copilot, tandis que Sam Altman (OpenAI) l’a publiquement soutenu. Plus de 300 implémentations open source s’appuient aujourd’hui sur les spécifications du MCP, consolidant sa position de futur standard de connexion des agents dans l’ère de l’IA agentique. En Europe, Hugging Face (France) et Stability AI (Royaume-Uni) expérimentent des standards ouverts pour l’accès aux modèles dans les outils métiers. Le programme Gaia-X, soutenu par la Commission européenne, promeut également des formats interopérables pour l’IA souveraine (2).

Repenser l’environnement des agents

Alors que l’industrie se concentre sur les protocoles et les performances des agents, on oublie souvent un facteur essentiel : l’architecture de données sous-jacente. Les bases relationnelles traditionnelles ont été conçues dans un paradigme ancien, axé sur l’optimisation du stockage. Ces systèmes manipulent des données structurées dans des tableaux rigides, adaptés à une époque d’avant l’explosion des formats et des volumes. Les charges IA actuelles nécessitent un traitement massif de données variées : texte, vidéo, audio, séries temporelles, vecteurs, événements… avec une latence minimale. Ces données doivent être centralisées, fluides, accessibles sans silo. En France, la start-up Qarnot, spécialisée dans le calcul distribué, propose un stockage écoresponsable optimisé pour l’IA tandis que des sociétés comme OVHcloud intègrent déjà dans leurs offres des bases vectorielles capables de répondre aux besoins des agents IA génératifs.

Gouvernance et scalabilité

Au-delà de la performance, une infrastructure de données moderne doit aussi garantir la gouvernance et la sécurité. En effet, il peut arriver que des agents IA traversent des frontières organisationnelles. Ils accèdent alors à des informations sensibles. Dans des secteurs réglementés comme la santé ou la finance, ces accès non filtrés peuvent générer des risques de conformité majeurs. Dans le domaine de la banque, l’ACPR (Banque de France) a publié en février 2025 une recommandation sur l’usage responsable des agents IA. Celle-ci met en garde contre les dérives liées à l’automatisation sans contrôle du traitement des données personnelles (3).

Pourquoi le MCP change la donne

Une fois une base de données moderne en place, le MCP devient l’élément-clé. Ce protocole ouvert sert de langage commun entre les agents IA et les sources de données ou les outils tiers. Il joue un double rôle pour les développeurs de l’ère agentique : côté développement, il permet de créer plus rapidement des applications centrées sur les données, en supprimant le besoin d’intégrations spécifiques pour chaque source. Côté agents, il standardise l’accès autonome aux bases, API et systèmes. Les agents peuvent ainsi naviguer dans l’écosystème informationnel et extraire des insights à grande échelle.

Nous approchons d’un point d’inflexion : les agents ne se contentent plus de comprendre les données — ils les transforment en ressources vivantes, activables à tout moment. Ce qui relevait de la science-fiction devient la prochaine étape concrète de la transformation digitale. La prochaine étape passionnante sera de découvrir la valeur réelle que ces agents autonomes vont générer.

(1)   Observatoire Data & IA 2024 (Artefact/BVA)

https://www.artefact.com/fr/news/observatoire-ia-data-2024/

(2)  Rapport de S&P Global

(2)   Programme Gaia-X (Europe) – Initiative européenne pour des standards ouverts dans l’IA et le cloud souverain.
https://www.data-infrastructure.eu

(4)   Recommandation ACPR – Usage des agents IA (février 2025) – Cadre de gouvernance des IA autonomes dans le secteur bancaire.
https://acpr.banque-france.fr