Et si nous arrêtions, quelques minutes, de présenter les agents IA comme des collègues capables de tout faire ? Un collaborateur ne commence pas par une promesse. Il commence par un poste, une mission, des outils, des règles et quelqu’un vers qui se tourner quand la situation sort du cadre.
C’est exactement ce qui manque à beaucoup de projets agents IA workflow. On choisit un modèle puissant, on connecte quelques applications, puis on attend la magie. La démonstration impressionne. Trois semaines plus tard, personne ne sait vraiment ce que l’agent doit prendre en charge, qui valide son travail ni comment reconnaître une erreur discrète.
La récente présentation d’OpenAI Presence remet une idée simple au centre : chaque déploiement commence par un travail précis. Pas par une personnalité virtuelle. Pas par une autonomie abstraite. Par un vrai morceau de métier, équipé d’accès adaptés, de procédures, d’actions autorisées, de simulations, d’évaluations et d’une possibilité d’escalade humaine.
Cette approche me paraît saine. Elle nous oblige à quitter le spectacle de l’IA pour revenir au travail réel… celui qui possède des entrées, des sorties, des exceptions et des conséquences.
En synthèse
Un agent IA utile commence par une mission métier précise, pas par une promesse générale.
Le bon périmètre possède un début, une fin et des cas observables.
Les accès doivent rester minimaux et chaque action sensible doit être contrôlée.
La qualité se définit avant le test, avec des critères métier concrets.
Les exceptions et l’escalade humaine font partie du workflow dès sa conception.
Un responsable métier doit pouvoir arbitrer, corriger et faire évoluer l’agent.
Le premier succès n’est pas l’autonomie totale, mais un travail fiable et améliorable.
Un agent IA n’est pas un produit, c’est un rôle dans un processus
Le mot « agent » brouille parfois notre jugement. Il évoque une entité autonome, presque un employé numérique que l’on pourrait déposer dans l’entreprise et laisser se débrouiller. Pourtant, un agent reste un système : il reçoit un contexte, choisit ou enchaîne des actions, utilise des outils et produit un résultat.
Sa valeur ne vient donc pas seulement de son intelligence apparente. Elle vient de sa place dans le processus. Un excellent agent de support, privé de l’historique client, répondra moins bien qu’un outil plus modeste correctement relié aux dossiers. Un agent commercial sans règles de qualification produira peut-être beaucoup… mais pas forcément quelque chose d’utile.
J’aime l’image du poste de travail. Avant d’embaucher, vous précisez ce qui est attendu, les logiciels accessibles, le niveau de décision et les personnes ressources. Pourquoi accepterions-nous moins de rigueur pour un système qui peut lire des données, modifier un dossier ou envoyer un message au nom de l’entreprise ?
La bonne question
Ne demandez pas d’abord : « Quel agent pouvons-nous construire ? » Demandez : « Quel travail délimité voulons-nous mieux exécuter, et comment saurons-nous qu’il est bien fait ? »
Agents IA et workflow : choisissez un périmètre assez petit pour être observé
Le premier périmètre ne doit pas être spectaculaire. Il doit être lisible. « Améliorer le service client » n’est pas une mission. « Préparer une réponse de niveau 1 aux demandes de facture, puis la soumettre à validation » en est une.
Cette seconde formulation donne un déclencheur, une catégorie de demandes, une production attendue et une validation. Vous pouvez recueillir vingt dossiers, comparer les réponses, repérer les erreurs et améliorer les instructions. Avec une ambition vague, vous ne mesurez que des impressions.
La fiche de poste minimale de l’agent
Mission : quel résultat concret doit-il produire ?
Déclencheur : quel événement lance le travail ?
Entrées : quelles informations sont nécessaires ?
Sortie : sous quelle forme livre-t-il son résultat ?
Limites : que ne doit-il jamais décider ou exécuter seul ?
Escalade : quand et vers qui transmet-il le dossier ?
Si ces six éléments tiennent sur une page et sont compris par le métier, vous avez un point de départ. Sinon, votre agent risque de devenir la réponse technique à une question que l’organisation n’a pas encore formulée.
Donnez-lui les accès utiles, pas les clés de l’entreprise
Un agent capable d’agir a besoin d’outils. C’est ce qui le distingue d’un simple chatbot. Mais chaque connexion augmente aussi son champ d’action et, avec lui, la surface de risque.
La règle du moindre privilège est facile à comprendre : donner seulement les données et les actions nécessaires à la mission. Un agent chargé de préparer une réponse peut avoir besoin de lire un dossier client. Il n’a pas forcément besoin de modifier le contrat, d’émettre un remboursement ou d’exporter toute la base.
Cette sobriété n’est pas un frein à l’innovation. Elle rend l’expérimentation possible. Elle permet de tester sans confondre vitesse et imprudence. Et elle rejoint une conviction que je défends depuis longtemps : l’automatisation intelligente ne consiste pas à retirer l’humain de la boucle, mais à choisir où sa présence crée le plus de valeur.
Type d’action
Premier niveau raisonnable
Contrôle
Lire
Dossiers nécessaires au cas traité
Journal des consultations
Préparer
Brouillon, synthèse ou recommandation
Validation humaine
Modifier
Champs réversibles et peu sensibles
Historique et droit de retour
Engager
Aucune action sensible au départ
Approbation explicite
Définissez la qualité avant de regarder la démonstration
Une démonstration réussie prouve qu’un scénario peut fonctionner une fois. Un workflow fiable doit fonctionner sur les cas ordinaires, les formulations maladroites, les données incomplètes et les exceptions qui arrivent un vendredi à 17 h 42.
Avant le pilote, écrivez ce que « bien fait » signifie. La réponse doit-elle être exacte, complète, conforme au ton, traçable, livrée en moins de deux minutes ? Certaines erreurs sont-elles tolérables si un humain valide ? Lesquelles imposent un arrêt immédiat ?
OpenAI Presence met justement en avant les simulations, les outils d’évaluation et les signaux issus des sessions de production. L’idée importante dépasse le produit : un agent ne se valide pas seulement avant son lancement. Il s’observe dans la durée, car les procédures, les offres et les comportements des utilisateurs changent.
Constituez un petit jeu de cas réels : dix cas fréquents, cinq ambigus, cinq qui doivent être escaladés. Faites noter les résultats par les personnes qui connaissent le métier. Un score global ne suffit pas. Vous voulez savoir où l’agent échoue, avec quelles conséquences et si l’erreur est détectable.
Mesurer sans se raconter d’histoire
Suivez au minimum quatre éléments : taux de dossiers correctement traités, taux d’escalade pertinent, temps réellement économisé et gravité des erreurs. Le volume produit n’est pas, à lui seul, une preuve de valeur.
Organisez l’escalade : savoir s’arrêter est une compétence
Nous parlons beaucoup de ce que l’agent sait faire. Nous parlons moins de ce qu’il doit savoir refuser. Pourtant, dans un environnement professionnel, reconnaître une limite vaut parfois mieux qu’une réponse fluide et fausse.
L’escalade n’est pas l’aveu d’un échec technologique. Elle fait partie du service. Une demande inhabituelle, une donnée contradictoire, un client en détresse, un montant élevé ou une décision réglementée doivent déclencher un passage de relais clair. La documentation d’OpenAI sur Presence prévoit précisément l’intervention humaine quand le jugement humain reste nécessaire.
Le responsable métier doit aussi pouvoir comprendre pourquoi le dossier remonte. Un simple « je ne sais pas » déplace le problème. Une bonne escalade fournit le contexte consulté, les étapes déjà menées, le point de blocage et une proposition de suite. Voilà un gain discret, mais précieux : l’agent ne remplace pas le jugement, il prépare mieux son exercice.
Cette logique rejoint celle des compétences IA structurées par des procédures. Plus le savoir-faire est explicite, plus l’outil devient améliorable. Le prompt seul ne porte pas toute l’organisation ; il a besoin de règles, de ressources et d’un chemin de repli.
Nommez un responsable du workflow, pas seulement un propriétaire technique
Qui répond de la qualité de l’agent ? Si la réponse est « l’équipe IA », le projet reste probablement trop loin du métier. L’équipe technique construit, sécurise et maintient. Mais quelqu’un doit décider qu’une réponse est acceptable, qu’une procédure a changé ou qu’un cas mérite une nouvelle règle.
Ce responsable n’a pas besoin de devenir spécialiste des modèles. Il doit connaître le travail, arbitrer les exceptions et réunir les retours des utilisateurs. Il protège aussi l’équipe contre un travers fréquent : étendre trop vite le périmètre parce que les premiers résultats semblent prometteurs.
Car le sujet touche vite à l’organisation elle-même. Comme je l’expliquais à propos de l’IA, du management et de la transformation du travail, la technologie place les entreprises face à leur responsabilité : organiser le changement plutôt que le subir.
Je conseille un rendez-vous court et régulier pendant le pilote. Quels dossiers ont été bien traités ? Où l’agent a-t-il hésité ? Quelles erreurs ont échappé au contrôle ? Quelle règle métier implicite devons-nous enfin écrire ? Ce dernier point est fascinant : l’agent révèle souvent le flou de nos propres processus.
Commencez lundi par une mission modeste et vérifiable
Vous n’avez pas besoin d’une stratégie agentique de cinquante pages pour avancer. Choisissez une tâche fréquente, suffisamment répétitive pour être testée, mais assez utile pour intéresser le métier. Décrivez le poste. Limitez les accès. Préparez vingt cas. Fixez les critères de qualité. Nommez le responsable. Puis observez.
Le premier objectif n’est pas de supprimer toute intervention humaine. Il est d’obtenir un travail plus fluide, plus cohérent et plus facile à améliorer. L’autonomie viendra peut-être ensuite… si elle apporte réellement quelque chose.
Un agent IA ne mérite pas notre confiance parce qu’il parle bien. Il la construit dossier après dossier, dans un cadre où chacun sait ce qu’il fait, ce qu’il ne fait pas et qui reprend la main. Finalement, n’est-ce pas aussi ce que nous attendons d’une organisation mature ?
La vraie transformation ne commence pas quand l’agent sait tout faire. Elle commence quand l’équipe sait exactement quel travail lui confier, comment le vérifier et quand reprendre la main.
Un workflow d’agent IA est un processus métier dans lequel un système reçoit un déclencheur, consulte des informations, utilise des outils et produit un résultat. Il possède un début, une fin et des règles observables. Sa qualité dépend autant du cadrage du processus que du modèle utilisé.
Par quel cas d’usage commencer avec un agent IA ?
Commencez par une tâche fréquente, délimitée et facilement vérifiable. La préparation d’un brouillon, la qualification d’une demande ou la synthèse d’un dossier sont souvent de bons candidats. Évitez au départ les décisions irréversibles ou très sensibles.
Comment définir la mission d’un agent IA ?
Décrivez le résultat attendu, le déclencheur, les informations disponibles et le format de sortie. Ajoutez les actions interdites et les situations qui imposent une escalade. Une mission claire doit pouvoir tenir sur une page et être comprise par le métier.
Quels accès donner à un agent IA en entreprise ?
Appliquez le principe du moindre privilège : seulement les données et actions nécessaires à la mission. Commencez de préférence par des droits de lecture et la production de brouillons. Les modifications sensibles doivent rester soumises à une approbation et être tracées.
Comment évaluer la qualité d’un agent IA ?
Testez l’agent sur des cas fréquents, ambigus et hors périmètre. Mesurez l’exactitude, la complétude, le temps réellement économisé et la gravité des erreurs. Faites évaluer les résultats par des personnes qui connaissent le processus métier.
Pourquoi garder un humain dans le workflow ?
L’humain prend en charge les situations qui exigent du jugement, de l’empathie ou une responsabilité particulière. Il valide aussi les actions sensibles et enrichit les règles à partir des erreurs observées. Cette supervision rend le déploiement plus fiable et plus facile à améliorer.
Qui doit être responsable d’un agent IA ?
Un responsable métier doit porter la qualité du workflow, avec l’appui de l’équipe technique. Il arbitre les exceptions, valide les évolutions et recueille les retours des utilisateurs. Sans propriétaire clairement nommé, les erreurs et les changements de procédure risquent de rester sans réponse.
Stéphane Torregrosa
Stéphane Torregrosa transforme les idées en moteurs de croissance. Consultant en stratégie digitale, formateur, blogueur et conférencier, il aide les organisations à renforcer leur visibilité, à structurer leurs prises de parole et à automatiser intelligemment leurs processus. Spécialisé en Inbound Marketing et en IA appliquée, il combine l’efficacité des données avec la puissance d’un storytelling sincère.
Autodidacte, passionné par la création de contenu et les outils numériques, il conçoit des solutions sur-mesure pour gagner en impact et en cohérence. Il explore aussi d’autres formes d’expression : sous le nom de Stéphan Paul, il écrit et compose des chansons qui racontent l’humain, ses doutes et ses élans.
Ce goût du sens et de la transmission traverse tous ses projets, qu’ils soient professionnels ou artistiques.
