Si vous demandez à Craig LeClair, vice-président et analyste principal chez Forrester, l'IA agentique n'existe pas encore. Du moins, pas encore.

Bien que cette position puisse sembler en contradiction avec l'adhésion du marché et l'engouement du secteur, LeClair et ses collègues de Forrester affirment que le terme « agentique » est devenu l'un des plus galvaudés du secteur technologique, appliqué à une telle échelle qu'il risque d'induire en erreur les organisations qui tentent de construire leur stratégie autour de ce concept. Si tout est « agentique », alors en réalité, rien ne l'est.

Comment cela explique-t-il le cas d'organisations comme Nintex, qui Nintex Agent Designer a récemment été annoncé comme l'une des deux nouvelles fonctionnalités d'orchestration intéressantes de CE., ou les organisations qui investissent dans la promesse que l'IA agentive changera fondamentalement la façon dont le travail est effectué ?

Bien sûr, les agents d'IA existent. Mais pour Forrester, « un agent d'IA » ne signifie pas « IA agentive ». La distinction réside dans le degré d'indépendance et d'impact de ces agents. Sont-ils réellement agentifs, ou sont-ils plutôt… agentsish?

Entretien avec Niranjan Vijayaragavan, directeur des produits et de la technologie chez Nintex, LeClair a présenté un cadre d'IA agentique plus précis. qui peut aider les organisations à évaluer leurs capacités en IA et à planifier en conséquence.

La distinction entre l'IA agentique et l'IA agentique

La plupart des « agents IA » actuellement sur le marché se répartissent en trois catégories : les agents de compréhension, les agents de résolution et les agents de traitement, qui tous sont dépourvus des composants d'action spécifiques nécessaires pour être véritablement opérationnels.

Agents Insight Les LLM sont essentiellement utilisés dans des configurations de recherche autonome et RAG pour faire remonter des informations. Ils sont utiles et productifs dans des limites restreintes, mais passifs par nature.

Agents de résolution Ces agents peuvent gérer des tâches spécifiques et délimitées au sein d'un processus par ailleurs déterministe. « Il existe d'excellents exemples d'agents solveurs en production », a déclaré LeClair. « Nous en avons récemment testé certains dans le cadre de la lutte contre le blanchiment d'argent. Alors que traditionnellement, un humain examinait une alerte signalée par un système de transactions pour déterminer s'il s'agissait d'un faux positif, ces outils laissent les modèles d'IA effectuer cette détermination – et ils y parviennent très bien. Ils peuvent établir des liens entre les points de terminaison géographiques, les réseaux sociaux et les données essentielles, afin d'éliminer environ la moitié des faux positifs qui auraient été transmis à un humain. Mais le processus complet de lutte contre le blanchiment d'argent reste néanmoins en place – on automatise simplement une étape spécifique. Nous ne considérons pas cela comme une véritable automatisation. C'est plutôt une approche hybride. »

Agents ouvriersIl affirme que ces solutions sont « plus intéressantes », mais, là encore, pas véritablement autonomes. Dans le cas des agents de traitement, le modèle orchestre lui-même le processus de travail, basculant automatiquement vers des automatisations préconfigurées ou préexistantes, comme un robot RPA, un flux de travail API, un autre point de terminaison du modèle ou un point de terminaison humain. Impressionnant, certes, mais toujours proche de l'agent.

Et alors cela constituent un véritable modèle d'agent ?

LeClair fait référence au «agent exécutif,« capable d’établir ses propres liens indépendants entre de multiples domaines d’information, en tant que modèle méritant cette classification. Pour y parvenir, il doit accomplir trois choses spécifiques. »

Les trois critères d'une IA véritablement agentive

Pour être considéré comme véritablement autonome selon la définition de Forrester, un modèle d'IA doit être capable de réaliser ces trois choses :

1. Créer en cours d'exécution des outils ou des modèles qui n'existaient pas auparavant. Dans une IA véritablement active, le système comprend l'objectif et se rend compte qu'il ne dispose pas dans sa bibliothèque de ressources disponibles des éléments nécessaires pour atteindre cet objectif ; il crée donc quelque chose de nouveau, comme la création d'une API à la volée.
2. Collaborer de manière sophistiquée entre les sous-agents. Les sous-agents, qui seront sous le contrôle d'un agent principal, connaîtront des conflits et devront pouvoir interagir entre eux – ainsi qu'avec l'agent principal – pour les résoudre et progresser. « Lors des tests, les agents ont développé leur propre langage et agissent avec une grande efficacité, d'une manière qu'aucun concepteur humain n'aurait pu anticiper », a déclaré LeClair.
3. Auto-optimisation. Les véritables agents d'IA peuvent améliorer le fonctionnement du système grâce aux informations et aux données issues du processus en cours d'exécution lui-même.

Les systèmes actuellement en production ne répondent pas tout à fait aux trois critères. Mais ce n'est pas grave. En réalité, une approche basée sur les agents pourrait bien être exactement ce dont votre organisation aura besoin en 2026.

Pourquoi Agentish pourrait être le point de départ idéal en IA pour votre organisation

Les échecs de l'IA à répondre aux attentes des organisations sont souvent dus à un décalage entre ces attentes. Non pas tant entre les organisations et les fournisseurs d'IA, mais au sein même de l'organisation.

D'après une étude récente de Forrester, seulement 15 % des organisations environ constatent une productivité réelle et mesurable grâce à leurs agents d'IA. 40 % se trouvent dans ce que Forrester appelle le « purgatoire de la preuve de concept » : elles ont mis en œuvre un cas d'usage, appliqué des modèles et obtenu un résultat prometteur, mais hésitent encore à le déployer en production. Enfin, environ 15 % n'entreprennent rien de concret pour le moment, restant en position d'inaction et attendant de voir comment les choses évoluent.

Cela signifie que de nombreuses organisations sont soit bloquées, soit à leurs balbutiements. Pourtant, les discussions en salle de réunion, lors de conférences et de présentations de fournisseurs laissent à penser que l'IA agentielle transforme déjà les opérations des entreprises à grande échelle. Alors, d'où vient ce décalage ?

• Incapacité à évoluer. Une démonstration bien conçue peut rendre un agent de résolution – chargé de traiter une décision unique et bien définie au sein d'un flux de travail rigoureusement contrôlé – indiscernable d'un agent exécutif totalement autonome, capable de raisonner sur l'ensemble d'un processus métier. Le passage de « c'est impressionnant dans un environnement contrôlé » à « c'est prêt pour nos opérations critiques » est considérable, tant en termes de praticité que de retour sur investissement, mais il est facile de l'oublier et de s'enliser dans les méandres de la validation de concept.
• Le problème de la taxonomie. Lorsque analystes, fournisseurs, experts et utilisateurs emploient tous le terme « agentique » pour décrire un éventail de fonctionnalités extrêmement large, allant des outils de recherche basiques basés sur l'apprentissage automatique aux systèmes d'orchestration multi-agents, les acheteurs sont souvent désorientés face aux capacités actuelles. Ce phénomène n'est pas propre à l'IA : chaque grande révolution technologique traverse une période où le langage devance la réalité. La solution ne réside pas dans le scepticisme envers la technologie elle-même, mais plutôt dans un vocabulaire plus précis pour en parler. C'est précisément l'objectif de la distinction entre « agentish » et « agentique »… et c'est pourquoi les plateformes transparentes quant à la position de leurs capacités sur ce spectre sont de meilleurs partenaires que celles qui masquent la différence.
• La pression interne fait progresser la perception. L'étude Forrester 2025 a révélé que la stratégie d'automatisation est désormais du ressort du DSI ou du directeur des opérations dans 61 % des organisations, contre 45 % un an auparavant. Ce changement est significatif et témoigne d'une réelle volonté, de la direction, de démontrer des progrès en matière d'IA. Lorsque les dirigeants observent et attendent des résultats, les équipes ont naturellement tendance à présenter leurs projets de validation de concept sous leur meilleur jour. Le discours, d'abord emphatique, devient alors complaisant, non par malhonnêteté, mais sous la pression de répondre aux attentes.

Concrètement, cela signifie que de nombreuses organisations prennent des décisions stratégiques concernant leurs plateformes, leurs modèles de gouvernance, leurs ressources et leurs échéanciers en se basant sur une vision idéalisée de leur situation réelle. La valeur générée au niveau opérationnel est réelle et significative, et pour la plupart des organisations, elle représente la principale opportunité à court terme.

Vous dites vouloir une IA agentive… mais êtes-vous prêt à lui faire confiance ?

Même parmi les organisations qui comprennent la différence entre attitude passive et attitude active, nombreuses sont celles qui, bien qu'affirmant vouloir une autonomie totale, ne sont pas prêtes à céder le contrôle le moment venu.

Lorsque Forrester interroge les dirigeants du secteur technologique sur leurs principales préoccupations concernant l'adoption de l'IA, les réponses sont remarquablement cohérentes. L'explicabilité arrive presque systématiquement en tête de liste : la capacité à comprendre comment une décision a été prise, à retracer la logique d'un résultat, à répondre à un organisme de réglementation, à un auditeur ou à un membre du conseil d'administration qui demande « pourquoi le système a-t-il agi ainsi ? »

Dans un environnement d'automatisation déterministe, la réponse à cette question est simple. La logique a été conçue à l'avance, les règles de routage ont été écrites par des humains et la piste d'audit reflète un processus conçu consciemment. Dans un système véritablement agentiel, la réponse est fondamentalement différente. Les décisions sont prises de manière autonome, les connexions se forment d'une façon qu'aucun concepteur humain n'avait anticipée et le système peut s'optimiser de lui-même de manière difficilement reconstituable a posteriori.

Il ne s'agit pas tant d'un défaut technologique que du fonctionnement normal de la technologie. Mais cela engendre un défi organisationnel majeur : ce qui fait la force des agents exécutifs – leur autonomie, leur capacité à agir de manière inédite, leur aptitude à former de nouvelles organisations – remet en question ce qui les caractérise. solutions – sont précisément ces éléments qui rendent les organisations réticentes à céder le contrôle.

La gouvernance des données ne fait qu'aggraver le problème. Les données propriétaires sont essentielles à tout déploiement d'agents pertinent, mais ce sont aussi celles que les organisations protègent le plus.

Les inquiétudes concernant les fuites de données, l'utilisation non autorisée de modèles et la prolifération des outils d'IA introduits par le biais de mises à jour de fournisseurs ou par des employés sont largement répandues. De nombreuses organisations réagissent en hébergeant leurs modèles de manière privée, en limitant l'accès aux données pour chaque système et en instaurant des processus d'approbation pour l'adoption des outils d'IA ; autant de précautions judicieuses, mais qui ralentissent l'avènement de l'intelligence ouverte et transversale indispensable aux véritables systèmes agentiels.

Il en résulte le paradoxe actuel : la direction exige une IA autonome, les équipes s’y consacrent pleinement, et pourtant, lorsqu’il s’agit de laisser le système prendre une décision importante sans intervention humaine, quelqu’un freine des quatre fers. L’infrastructure de confiance nécessaire pour avoir confiance en ce moment précis fait tout simplement défaut.

C’est pourquoi le niveau de capacités de type agent n’est pas simplement l’endroit où se trouvent actuellement la plupart des organisations… c’est l’endroit où la plupart des organisations devrait Être là maintenant.

Des agents de résolution et de traitement facilement disponibles, fonctionnant au sein de flux de travail déterministes et contrôlés, permettent aux organisations de se constituer un historique de réussite. Chaque déploiement d'agents bien encadré, fiable, produisant des résultats explicables et sans fuite de données ni résultats inattendus, contribue à instaurer la confiance organisationnelle qui rendra possible, à terme, le passage à une véritable autonomie. On ne gagne pas le droit de lâcher prise en prenant des risques inconsidérés et en faisant aveuglément confiance au système. On le gagne en accumulant suffisamment de preuves, sur une période suffisamment longue, pour que la confiance devienne la conclusion rationnelle.

De l'agentisme à l'agentisme actif : bâtir les fondations de l'avenir

Les organisations qui deviendront véritablement autonomes en premier ne seront pas celles qui auront agi le plus rapidement, mais celles qui auront construit de manière la plus réfléchie.

Pour la plupart des organisations, cette démarche réfléchie commence par la sélection des cas d'usage. Il s'agit d'identifier les points de décision répétitifs et à fort volume au sein des processus existants, où un agent peut prendre en charge une étape spécifique avec assurance et transparence. Déployez ces solutions au sein de flux de travail déterministes et contrôlés afin que les résultats soient explicables et auditables dès le premier jour, et laissez l'historique de leur performance se constituer.

Attention toutefois : les déploiements individuels ont leurs limites. Sans orchestration de bout en bout – une couche qui connecte les agents, les personnes, les processus et les systèmes en un ensemble cohérent et gouvernable – même les capacités véritablement autonomes restent des îlots d’efficacité isolés. Avec une orchestration, elles deviennent le fondement d’un potentiel illimité.

À partir de là, le chemin vers une véritable autonomie d'agent devient moins un saut dans le vide et plus une progression naturelle.

Vous voulez tout savoir sur les autres sujets abordés par Craig LeClair et Niranjan Vijayaragavan lors de leur discussion informelle sur NintexConnect ? Écoutez leur discussion à la demande dès aujourd'hui.