TL;DR Les projets agentiques échouent rarement parce que le modèle est mauvais : ils échouent parce que l’organisation n’a pas construit les fondations qui permettent à un agent d’agir sans amplifier le désordre existant : portage métier, règles explicites, contrôle des accès, supervision, mesure des coûts et cartographie réelle du travail. La réponse tient en deux mouvements : comprendre d’abord la singularité organisationnelle, c’est-à-dire le moment où l’agent révèle l’organisation réelle ; construire ensuite son jumeau numérique, c’est-à-dire la représentation formalisée qui permet de gouverner cette réalité avant de l’automatiser. Les organisations qui ignorent ces fondations programment leur échec au premier jour. La fin de projet ne fait que le révéler.
En avril 2026, un agent IA a effacé une base de données en production en neuf secondes. Personne ne regardait : il travaillait seul, sur une tâche de routine, un week-end. L’équipe a découvert le désastre après coup. L’agent était techniquement capable. Ses permissions n’avaient jamais été auditées, si bien qu’il a trouvé dans un fichier sans rapport un jeton d’accès de niveau root, sans aucun contrôle des droits, et un seul appel a suffi. Les sauvegardes étaient stockées dans le même périmètre que les données : tout est parti d’un coup. L’architecture qui l’entourait n’avait pas été conçue pour qu’il échoue de façon partielle plutôt que totale.
Neuf secondes pour effacer ce que des années avaient construit.
L’incident est technique, mais la cause est organisationnelle.
Ce troisième volet répond à la question laissée ouverte par les deux premiers : que construit-on avant de brancher le premier agent ? Les deux premiers : Les résistances qui viennent et L’IA, Flatland et la troisième dimension du travail.
L’IA amplifie ce qui existe
La propriété la plus importante de l’IA agentique est aussi la moins bien comprise : elle révèle les problèmes des organisations et en multiplie les conséquences, elle ne les invente pas.
Les permissions mal conçues existaient avant l’agent. L’agent a rendu leurs conséquences immédiates et spectaculaires. La documentation inexistante existait avant l’automatisation. L’automatisation l’a rendue bloquante : on ne peut pas confier à un agent un processus que personne n’a jamais su décrire correctement. Sur plusieurs de mes missions de reprise de programmes en difficulté, ce que l’on pensait être un problème de déploiement était presque toujours un problème de socle. L’IA n’a rien changé à cette logique. Elle l’a accélérée.
C’est ce que Salim Ismail appelle la singularité organisationnelle : le moment où le déploiement agentique force une organisation à se confronter à ce qu’elle est vraiment plutôt qu’à ce qu’elle croit être. Ses vrais processus (opposés à ceux du manuel qualité). Ses vraies décisions. Ses vraies dépendances (à la différence des estimations du comité de pilotage). L’agent ne compense pas les ambiguïtés organisationnelles comme le ferait un humain expérimenté. Les règles tacites n’existent pas pour lui, il agit dans le cadre que l’on a rendu actionnable pour lui. Et si la description était fausse, incomplète ou contradictoire, il le rend immédiatement visible.
Pour les organisations qui ont su préserver leur cohérence, cette confrontation est productive : elle révèle des bases solides sur lesquelles construire. Pour celles qui ont accumulé les exceptions non documentées et les processus fantômes, elle est déstabilisante. La singularité organisationnelle est ce miroir. L’organisation réelle devient visible, et il faut désormais la cartographier, la formaliser et la rendre gouvernable.
Le Logicalis CIO Report 2026, fondé sur plus de 1 000 DSI interrogés, documente l’ampleur du décalage : 94 % déclarent une hausse de l’appétit pour l’IA au sein de leur organisation, mais 62 % reconnaissent faire des compromis sur leur gouvernance faute de compétences adéquates. Selon le rapport State of Agent Engineering de LangChain, 29,5 % des organisations ne réalisent pas encore d’évaluations de leurs agents en production. Une organisation qui ne sait pas ce que ses agents font en production a un vrai problème de gouvernance, et cela ne vient pas de l’IA !
Ce que la taille de l’organisation change vraiment
Arthur Mensch l’a dit sans détour devant la commission d’enquête de l’Assemblée nationale : les gains de productivité de l’IA générative sont réels, mais leur réalisation dépend de la complexité de l’organisation qui les accueille. Un développeur seul ou une petite équipe peut aller dix à vingt fois plus vite en déléguant à des agents, parce qu’il y a peu de friction de coordination. Une grande organisation dispose du même potentiel technologique, mais se heurte à ses propres goulots d’étranglement : processus de validation, chaînes de décision, hétérogénéité des systèmes, résistances internes.
Le secteur d’activité introduit une deuxième variable. Intégrer des agents dans un flux purement numérique prend des jours. Intégrer des agents dans un système industriel physique, où chaque test implique des équipements réels, des contraintes de sécurité et des cycles longs, prend des mois. L’enthousiasme des démonstrations en sandbox se heurte à la réalité de l’environnement de production.
Les objectifs, les délais et les budgets d’un projet agentique dans un groupe industriel de dix mille personnes ne peuvent pas être ceux d’une startup fintech de cinquante. Appliquer les mêmes attentes aux deux, c’est préparer l’échec avant même d’avoir commencé.
L’IA n’est pas un projet que la DSI doit porter seule
La DSI n’est pas évaluée sur l’adoption. Elle est évaluée sur la sécurité, l’architecture, la mutualisation des briques. C’est son rôle, et c’est très bien ainsi.
Celui qui doit dire « mon équipe va transformer sa façon de travailler avec cet outil », c’est le Directeur d’agence, le Directeur des ventes, la Responsable RH, le Directeur Marketing. Pas la DSI.
La direction métiers ne se résume pas à « celle qui valide le besoin en comité ». C’est celle qui accepte que sa performance soit évaluée sur l’adoption, qui arbitre les priorités de son équipe pour libérer du temps de test, qui prend l’échec personnellement si rien ne décolle.
L’étude Microsoft France de février 2026 documente ce que produit l’absence de ce portage : 61 % des collaborateurs utilisant l’IA en entreprise ont recours à des outils via des comptes personnels, hors de tout cadre, dont 38 % quotidiennement. Plus de sept cadres sur dix n’ont jamais été formés. C’est la réponse rationnelle d’équipes qui ont compris l’intérêt de l’outil et à qui personne n’a fourni de cadre pour l’utiliser correctement.
Le shadow AI signale un défaut de portage avant tout défaut de discipline.
Tant que la direction métiers n’a pas pris le projet à son compte, il reste une démonstration en attente d’enterrement.
La charge cognitive, l’angle oublié
L’IA est censée libérer du temps mental. Mal déployée, elle en consomme davantage.
Le volet précédent posait la distinction entre tâche et travail : l’IA absorbe les tâches, ce qui devrait libérer le vrai travail. La charge cognitive des projets agentiques mal conçus est l’envers de cette promesse. Le collaborateur qui doit simultanément arbitrer entre plusieurs agents aux périmètres mal définis, comprendre ce que chacun a fait ou n’a pas fait, reprendre la main quand l’un s’est trompé, et documenter ce que le suivant devra savoir n’est pas libéré. Il est surchargé différemment, avec en prime la responsabilité de ce qu’il n’a pas eu le temps de vérifier. Ce phénomène porte un nom dans les équipes qui le vivent : l’AI brain fry. Quand le cerveau supervise des sorties IA toute la journée, il finit par ne plus savoir distinguer ce qui mérite son attention.
En conception, la vraie question porte sur la charge cognitive résiduelle : quelle charge cognitive l’agent laisse-t-il à l’utilisateur une fois qu’il a agi ?
Les projets qui ignorent cette question produisent des outils que les équipes contournent dès qu’elles le peuvent. La résistance, dans ce cas, n’est pas le problème à résoudre. Sur le terrain, cette résistance est presque toujours un diagnostic, rarement un problème de volonté.
Du miroir au jumeau numérique : gouverner ce que l’agent révèle
Le réflexe dans les organisations qui veulent aller vite est de traiter la gouvernance comme un obstacle. C’est un calcul à courte vue : 78 % des entreprises ont au moins un pilote agentique en cours, mais seulement 14 % ont réussi un déploiement à l’échelle organisationnelle. Le cimetière de POC abandonnés déborde de modèles solides que personne n’avait posés sur des fondations solides.
Le FinOps IA (le pilotage de la consommation de modèles comme on piloterait n’importe quel poste opérationnel) est moins une discipline technique qu’un outil de décision. Un agent IA opérationnel coûte entre 0,30 et 8 dollars par tâche exécutée, contre moins de 0,001 dollar pour une automatisation classique. Les organisations qui ne mesurent pas cet écart avant de déployer ne peuvent pas répondre à la question qui conditionne tout le reste : ce projet crée-t-il réellement de la valeur, ou brûle-t-il du budget en produisant de l’apparence d’innovation ? Les organisations qui sous-estiment ces coûts de 40 à 60 % ratent leur budget, et avec lui leur gouvernance.
La réponse concrète à la question des fondations a un nom que l’industrie manufacturière connaît bien : le jumeau numérique. Appliqué à l’organisation, il désigne la cartographie formalisée et interrogeable de ce qu’elle fait vraiment : processus réels, règles métier, flux décisionnels, dépendances entre systèmes et entre équipes. La version qui tient quand on la soumet à un agent, à mille lieues de celle des présentations CODIR.
Ce jumeau est à la fois le prérequis du déploiement agentique et son produit dérivé le plus utile. Le construire avant de brancher les agents, c’est l’effort de capitalisation décrit dans le volet précédent à propos du second cerveau, étendu à l’échelle de l’organisation entière. Un agent qui travaille dans un jumeau bien construit peut être gouverné, audité, corrigé. Un agent qui travaille dans le vide organisationnel propage le désordre à la vitesse de la machine.
Le jumeau numérique organisationnel est un projet de connaissance de soi plus qu’un projet informatique.
La sécurité agentique est l’autre face du même problème. Un agent qui a accès à la messagerie, au système documentaire et à des APIs externes représente un vecteur d’attaque dont le rayon d’action dépasse largement celui d’un outil classique. Les attaques par injection de prompt, où des instructions malveillantes sont glissées dans les sources que l’agent consulte, sont documentées et exploitées. Les organisations qui déploient sans réviser leur modèle de contrôle des accès déplacent leur périmètre de risque sans le voir.
Le coût dit si le projet vaut son budget, la sécurité dit s’il vaut son risque. Piloter l’un sans l’autre, c’est gouverner à moitié.
La singularité organisationnelle est donc le moment de vérité ; le jumeau numérique organisationnel est la réponse de gouvernance. L’un révèle les écarts entre l’organisation déclarée et l’organisation réelle ; l’autre permet de les traiter avant de confier l’action à des agents. Les organisations qui découvriront l’échec de leur projet agentique dans dix-huit mois auront branché un agent sur des bases qu’elles n’avaient pas construites : un portage métiers qui n’existait pas, une charge cognitive que personne n’avait anticipée, une gouvernance pensée pour éteindre les incendies plutôt que pour les prévenir.
Je reviens à Flatland sur ce point. La Sphère ne manquait ni d’arguments ni de bonne volonté. Elle manquait de fondations dans le monde qu’elle voulait transformer. Vous allez dire que je me répète mais… c’est souvent le même diagnostic dans les missions.
Le bon modèle dans de mauvaises fondations reste un mauvais projet.
Cet article est le troisième volet d’une série. Les deux premiers : Les résistances qui viennent et L’IA, Flatland et la troisième dimension du travail, publiés sur go2prod.com.
Sources
- Incident PocketOS, suppression de base de données par agent IA, mai 2026. x.com/lifeof_jer
- Salim Ismail, la singularité organisationnelle
- Logicalis, CIO Report 2026, mars 2026. digital-chiefs.de
- LangChain, State of Agent Engineering, 2026. langchain.com
- Microsoft France, L’usage de l’IA progresse dans les entreprises françaises, février 2026. news.microsoft.com
- Shubham Sharma, Pourquoi 80 % des projets d’agents IA échouent, mars 2026. shubham-sharma.fr
- Arthur Mensch, audition devant la commission d’enquête de l’Assemblée nationale, mai 2025. lcp.fr
- Gartner, Predicts 2025: Agentic AI Projects Will Struggle to Scale. gartner.com
- FinOps Foundation, FinOps for AI: Tools & Services Considerations. finops.org
- AI Agentic Programming: A Survey of Techniques, Challenges, and Opportunities, arXiv, 2025. arxiv.org