86% des entreprises ont des agents IA, 34% leur font confiance : le vrai problème n'est pas le modèle

86% des entreprises ont déployé des agents IA. Seules 34% leur font confiance. C'est l'écart mesuré par une étude Forrester commandée par Boomi, et il n'a rien d'anecdotique — Capgemini trouve un chiffre presque identique: 62% des dirigeants voient un rôle décisif pour l'IA agentique, mais seulement 36% lui feraient confiance pour prendre des décisions sans supervision.

Ce que je remarque chez les opérateurs que j'accompagne, c'est que ce fossé n'a rien à voir avec la qualité du modèle. Personne ne me dit "GPT-5 n'est pas assez intelligent". Ce qu'on me dit, c'est: "je ne sais pas ce qu'il a fait pendant que je n'étais pas devant mon écran."

C'est exactement ce que pointe Steve Lucas, CEO de Boomi: la confiance est un problème de données et de gouvernance, pas un problème de capacité du modèle. La plupart des entreprises ont déployé des agents avant de faire le travail de fond — connecter, gouverner, tracer.

Un Chief of Staff IA qui répond à des emails, replanifie des réunions ou synthétise un pipeline HubSpot fait des dizaines de micro-décisions par jour. Le problème n'est jamais qu'il se trompe une fois sur cent. Le problème, c'est que quand il se trompe, personne ne peut remonter le fil: quelle donnée a-t-il utilisée, quelle règle a-t-il appliquée, pourquoi a-t-il choisi de répondre à ce prospect en priorité plutôt qu'à un autre.

Les agents IA sont, pour beaucoup de dirigeants, des boîtes noires. Le processus de décision, les sources de données, les critères d'arbitrage restent opaques. Et sans explicabilité, on ne peut ni challenger une action ni s'en fier pour la prochaine. C'est ce vide, plus que la performance brute, qui explique pourquoi une entreprise déploie un agent tout en refusant de lui laisser la main sur un dossier qui compte.

J'ai vu des fondateurs accepter qu'un agent trie leur inbox Gmail, mais refuser catégoriquement qu'il envoie un message à un investisseur sans relecture. Ce n'est pas de la méfiance envers l'IA en général — c'est de la méfiance ciblée sur les actions où il n'existe aucune trace vérifiable après coup.

Forrester a chiffré ce que coûte le déploiement sans gouvernance: les entreprises dans le quartile le moins mature en matière opérationnelle subissent en moyenne 2,1 millions de dollars de coûts supplémentaires — amendes de non-conformité, clients perdus, temps d'arrêt, actions correctives. Et 77% de ces organisations passent quand même en production sans gouvernance en place.

À cela s'ajoute un taux d'échec massif: selon MIT et RAND, 80 à 95% des projets IA en entreprise ne délivrent pas de valeur business mesurable, et Forrester note que 88% des pilotes d'agents IA n'atteignent jamais la production. Dans la quasi-totalité des cas cités, la cause n'est pas technologique. C'est l'absence de fondations de données propres, de gouvernance claire, et de maturité organisationnelle.

Côté échelle, Gartner prévoit qu'une entreprise du Fortune 500 pourrait faire tourner plus de 150 000 agents d'ici 2028, contre moins de 15 en 2025. Sans inventaire centralisé ni politique de cycle de vie des agents, cette explosion devient ingérable — et c'est exactement le terrain sur lequel la confiance s'effondre en premier.

L'étude Boomi/Forrester est claire sur le facteur décisif: ce n'est pas un modèle plus performant, c'est l'intégration. Les entreprises qui ont des couches d'intégration solides, une gouvernance unifiée et un inventaire centralisé des agents rapportent un niveau de confiance de 55%, contre 22% pour les autres. Ce n'est pas une nuance, c'est un facteur deux et demi.

Gartner formule six règles de gouvernance agentique qui reviennent toutes au même principe: traçabilité et réversibilité. Inventaire centralisé des agents, politiques claires sur les rôles et privilèges, décision transparente et documentée, séparation des tâches, surveillance continue, et surtout des protocoles de désactivation rapide quand un agent dérape.

Concrètement, dans un workflow de direction, ça ressemble à ceci: un Chief of Staff IA connecté à Gmail, à Linear et à HubSpot ne doit pas seulement exécuter une tâche — il doit pouvoir dire pourquoi il a relancé ce lead plutôt qu'un autre, sur quelle base il a fermé ce ticket Linear, et laisser la possibilité d'annuler l'action en un clic. C'est ce triptyque — traçable, justifiable, réversible — qui transforme un agent d'exécution en quelque chose à qui on délègue vraiment, pas juste quelque chose qu'on surveille en permanence.

Chez Moments, quand un opérateur me demande pourquoi faire confiance à l'agent sur telle action, je ne réponds jamais "parce qu'il est précis à 98%". Je réponds en lui montrant le journal: quelle donnée a été lue, quelle règle a déclenché l'action, quel était l'état avant et après. Un dirigeant qui peut remonter cinq décisions en arrière en trente secondes fait confiance beaucoup plus vite qu'un dirigeant à qui on promet un modèle plus intelligent.

C'est aussi pour ça que la question de la gouvernance n'est pas un sujet IT annexe. Seulement 21% des organisations ont des structures de gouvernance IA matures, et 13% seulement estiment avoir un cadre approprié. Ce n'est pas un détail technique qu'on règle après coup — c'est la condition d'entrée avant de laisser un agent toucher un dossier client, une négociation ou un calendrier de direction.

La vraie question à poser avant de déployer un agent n'est pas "est-ce qu'il est assez bon?". C'est: "si ça tourne mal, est-ce que je peux comprendre ce qui s'est passé, et est-ce que je peux revenir en arrière?" Tant qu'on n'a pas de réponse claire à ça, aucun modèle, même le plus avancé, ne fera basculer la confiance.

Le déploiement d'agents avance plus vite que la maturité des structures censées les encadrer. C'est un classique de la technologie qui court devant le processus — et Gartner prévoit d'ailleurs que plus de 40% des projets d'IA agentique seront annulés d'ici fin 2027, pas parce que la technologie aura échoué, mais parce que la gouvernance n'aura pas suivi.

Les entreprises qui traitent l'agentique comme une discipline transverse — data, gouvernance, alignement humain — avant de scaler, sont celles qui obtiennent à la fois la confiance et la valeur business. Les autres restent dans un cycle de chaos, de coûts cachés et de méfiance persistante, quel que soit le modèle qu'elles utilisent.

La confiance ne se gagne pas en changeant de modèle. Elle se gagne en donnant à chaque dirigeant la possibilité de vérifier, de comprendre et d'annuler. Le reste, c'est du marketing.