Scovai Scovai
AI & Operations 2026-10-28 1 min read

Demandez à ceux qui construisent vos agents quelles hypothèses sont fausses — 167 experts techniques viennent de les classer

DSL

Dr. Sarah Liu

Demandez à ceux qui construisent vos agents quelles hypothèses sont fausses — 167 experts techniques viennent de les classer

Presque toutes les études qui diagnostiquent pourquoi l'IA agentique déçoit interrogent les personnes qui l'ont approuvée. Un article rédigé le 3 septembre 2026 a interrogé celles qui la construisent. Johannes Habel, de l'University of Houston, et huit co-auteurs ont identifié dix illusions managériales sur l'IA agentique — des idées fausses sur ce qu'elle est, ce qu'elle peut accomplir et la manière dont les entreprises devraient la déployer — les ont organisées selon trois étapes de la transformation, et les ont soumises à 167 experts techniques, qui en ont validé à la fois la prévalence et l'impact négatif. L'illusion que les constructeurs jugent la plus critique est la « tendance des managers à surestimer les réductions d'effectifs que ces agents permettent » (Habel et al., SSRN, 2026).

Considérez cela comme une mesure, non comme une plainte. L'écart entre vos hypothèses sur l'IA agentique et les attentes de vos ingénieurs est une quantité que vous pouvez collecter en une réunion, et les personnes les plus proches de la construction viennent de vous dire quelle ligne du business case a le plus de chances d'être fausse.

C'est la ligne des effectifs. Et c'est aussi, dans la plupart des entreprises du mid-market, la ligne sur laquelle reposait toute l'approbation.

L'illusion classée première dispose déjà d'une prévision notée

L'intérêt de l'illusion arrivée première, c'est qu'il s'agit de la seule affirmation sur l'IA agentique dotée d'un historique publié. L'enquête State of AI 2026 de McKinsey est la première édition où la prévision du panel de l'année précédente a pu être confrontée à ce qui s'est réellement produit. Dans la vague 2025, 32 % des répondants anticipaient des réductions d'effectifs liées à l'IA pour l'année suivante. Dans la vague 2026, « seulement 14 pour cent des répondants d'organisations utilisant l'IA déclarent que l'IA a contribué à une baisse globale de la taille des effectifs au cours de l'année passée » — moins de la moitié de la proportion qui l'avait prédit. Deux tiers signalent un changement nul ou minime de l'emploi total lié à l'IA (McKinsey, 2026).

La prévision a dépassé le changement réalisé d'un facteur deux environ. La réaction du panel à son erreur a été de relever la prévision : 39 % anticipent désormais des baisses d'emploi liées à l'IA pour l'année à venir, contre 32 %.

Les experts techniques de l'enquête de Habel n'enregistrent donc pas un vague scepticisme culturel. Ils placent en première position la seule hypothèse de la pile qui a été notée, recalée, puis répétée. Si votre business case sur les agents contient une économie d'effectifs, il est garanti par un estimateur dont l'erreur documentée à un an est d'environ 2x.

L'illusion sur les effectifs a une taille mesurable — et la moyenne est le mauvais chiffre

Quelle est l'ampleur réelle de l'effet ? La quantification la plus propre vient d'un contrefactuel, pas d'une prévision. Colaiacovo et Koning ont recruté via Pitchbook 199 fondateurs de jeunes entreprises B2B nord-américaines en croissance, dont 176 ont rempli l'enquête intégralement, et leur ont demandé combien de salariés supplémentaires seraient nécessaires, en l'absence d'IA générative, pour maintenir la même production à la même qualité (Colaiacovo & Koning, Harvard Business School, 2026).

La réponse moyenne : 55 % de salariés en plus. La médiane : 17 %. La réponse la plus fréquente était zéro — 30 % des fondateurs ont déclaré n'avoir besoin de personne de plus.

MesureValeur
Hausse contrefactuelle moyenne des effectifs sans IA55 %
Médiane17 %
Part répondant zéro30 %
Entreprises avec IA formellement intégrée aux workflows (moyenne)91,4 %
Entreprises où l'usage de l'IA est informel (moyenne)24 %

Deux lectures en découlent, toutes deux plus importantes que le titre.

Premièrement, un fournisseur qui annonce que « les agents remplacent la moitié d'une équipe » cite la moyenne d'une distribution fortement asymétrique à droite, dont l'entreprise médiane déclare 17 %. Tout plan construit sur la moyenne est un plan construit sur la queue de distribution.

Deuxièmement, la variable qui sépare la queue du centre n'est pas la croyance sur les capacités. Les fondateurs de l'étude ont été exposés de façon aléatoire à des informations optimistes ou pessimistes sur la performance de l'IA dans les tâches ; les croyances ont bougé, la disposition à déléguer très peu. Ce qui les séparait, c'était de savoir si le travail avait été formellement restructuré autour de l'outil. Les intégrateurs formels déclarent avoir besoin de 91,4 % de personnel en plus sans IA — près de quatre fois les 24 % déclarés là où l'usage restait informel.

Ce n'est pas un résultat d'achats. C'est un résultat d'organisation, et c'est précisément là que se situe la deuxième étape de Habel.

L'étape deux est celle où les transformations calent : personne ne possède l'agent

Le cadrage de Habel place les illusions sur la structure organisationnelle entre la stratégie et l'exécution — et c'est à cette étape intermédiaire que les preuves externes sont les plus inquiétantes, parce qu'elles mesurent la responsabilité et non l'intention.

L'Institute for Business Value d'IBM a interrogé 2 000 dirigeants technologiques de niveau C. Deux tiers déclarent être tenus responsables de systèmes d'IA qu'ils ne contrôlent pas entièrement. Seuls 11 % se disent complètement préparés à l'échelle de déploiement d'agents attendue pour l'année à venir, face à 80 % opérant sous un mandat IA porté par le CEO. Soixante-dix pour cent affirment que les équipes de l'entreprise déploient de la technologie plus vite que l'IT ne peut la suivre, et 77 % que l'adoption de l'IA dépasse déjà leur capacité de gouvernance. Les organisations interrogées ont connu en moyenne 54 incidents d'agents l'année précédente — des événements non intentionnels ou nuisibles exigeant une correction humaine — dont 17 % de gravité élevée (IBM Institute for Business Value, 2026).

La même étude chiffre le remède. Les organisations qui intègrent le contrôle dans le système d'IA lui-même, plutôt que de le gouverner manuellement après coup, connaissent 25 % d'incidents en moins, déploient 16 fois plus d'agents, affichent des marges opérationnelles supérieures de 18 % et dépensent 4 fois moins de leur budget IA.

Lisez ces quatre chiffres ensemble. Le contrôle n'est pas le frein au déploiement d'agents ; dans ces données, c'en est la condition. Les entreprises qui font tourner le plus d'agents sont celles qui ont fait de la supervision une propriété du système avant de passer à l'échelle.

Pourquoi cette étape est la moins coûteuse à corriger

Une illusion stratégique vous coûte une mauvaise slide. Une illusion organisationnelle vous coûte un déploiement impossible à défaire : aucun propriétaire désigné pour la production de l'agent, aucune frontière définie sur ce qu'il ne peut jamais faire seul, aucun rôle restructuré pour l'humain censé être libéré. Ce sont des décisions quasi gratuites à prendre avant l'achat et coûteuses à rattraper une fois l'agent en production, le compteur des 54 incidents déjà lancé.

Étape trois : le pilote qu'on ne tue jamais et qu'on ne passe jamais à l'échelle

Les illusions d'exécution se manifestent par une pathologie précise. Valliance a interrogé 1 000 dirigeants des plus grandes entreprises européennes et constaté que 40 % des initiatives IA restent des pilotes par conception — jusqu'à 48 % dans les organisations matures dotées de programmes IA établis. Plus de maturité a produit plus de pilotes permanents, pas moins. Les organisations bloquées au stade pilote déclarent des taux de succès plus faibles (43 % contre 50 % globalement), des délais de création de valeur plus longs (6,6 mois contre 5,9) et un ROI fort dans seulement 20 % des cas, contre 76 % lorsqu'un pilote a été passé à l'échelle dans une organisation mature (Valliance via Consultancy.uk, 2026).

La formule du cabinet mérite d'être reprise : « l'expérimentation en soi n'est pas le problème ». Ce qui échoue, c'est ce qui vient ensuite, ou ne vient pas. Les projets calent entre preuve de concept et production parce que rien, dans le processus, n'impose un verdict.

Notez l'enchaînement qui se forme. L'illusion stratégique fixe un objectif d'effectifs qui n'était jamais atteignable. L'illusion organisationnelle laisse l'agent sans propriétaire et sans rôle restructuré. L'exécution produit ensuite un pilote qu'on ne peut pas tuer, parce que le tuer obligerait à reconnaître les deux premières.

Ce que l'article ne vous donne pas

Soyez précis sur les limites, car l'article est cité avec légèreté.

C'est un texte de 14 pages destiné aux praticiens, pas une expérience de terrain. Le résumé publié indique que 167 experts techniques ont validé la prévalence et l'impact négatif de dix illusions et nomme celle arrivée première ; il ne publie ni pourcentages par illusion, ni détails sur le taux de réponse, ni plan d'échantillonnage. Quiconque cite un chiffre précis pour une illusion précise l'invente. Le panel d'experts est en outre auto-sélectionné et technique, ce qui est à la fois l'intérêt du dispositif et son biais : les constructeurs ont un intérêt professionnel à l'affirmation selon laquelle le management ne comprend pas la technologie.

Les sources de corroboration portent chacune leur réserve. Le panel de McKinsey est mondial et orienté grandes entreprises. Les contrefactuels de fondateurs sont des croyances auto-estimées, issues de structures de 16 salariés en moyenne, et non une paie auditée. Valliance couvre les plus grandes entreprises européennes, avec 39,2 M£ de dépense IA annuelle moyenne, rien de comparable à une structure de 200 personnes, et Bain a publié un contre-récit selon lequel la plupart des catégories de cas d'usage passent effectivement en production. Les deux peuvent tenir si la montée en échelle est inégale et si les pilotes abandonnés s'accumulent simplement à côté des succès.

Ce qui survit à tout cela, c'est la direction et l'ordre de priorité. Quatre instruments indépendants — une enquête auprès des constructeurs, une prévision notée, un contrefactuel de fondateurs et un audit de contrôle auprès de CxO — pointent la même conclusion : la contrainte déterminante est organisationnelle, elle se situe en amont de l'outil, et l'hypothèse sur les effectifs est la première chose à vérifier.

Transformer vos hypothèses sur l'IA agentique en document avant l'achat

Cinq gestes, dont aucun n'exige un nouveau fournisseur.

  1. Mesurez le désaccord comme une enquête, pas comme une conversation. Soumettez les trois affirmations porteuses de votre business case aux ingénieurs qui construiraient ou exploiteraient l'agent, et demandez à chacun de noter prévalence et impact en privé, avant toute discussion. Vous mesurez un écart, et une réunion le moyenne.
  2. Retirez l'économie d'effectifs de l'approbation et faites tenir le dossier sans elle. S'il ne tient pas, vous n'avez pas trouvé un cas d'usage ; vous avez trouvé un argument de staffing déguisé. La référence du changement réalisé est d'environ 14 %, pas les 32 % que l'on prévoit.
  3. Nommez le propriétaire et le rôle restructuré avant le contrat. L'étape intermédiaire de Habel est celle qui coûte cher à rattraper. La question n'est pas « quelles tâches l'agent peut-il faire » mais « à qui appartient ce poste, qui approuve sa production, et que fait désormais l'humain de ce workflow ».
  4. Écrivez ce qui reste définitivement hors autonomie. Pas un registre des risques — une liste explicite de classes d'actions que l'agent ne peut jamais exécuter seul, convenue avant le déploiement et attachée à la mission. C'est l'artefact le moins cher de tout le programme.
  5. Fixez la porte tuer-ou-scaler avec le budget, pas après. Une fenêtre d'évaluation fixe, des critères de succès définis à l'avance, un verdict binaire. Quarante pour cent des initiatives restent des pilotes par conception parce que personne n'a jamais à décider.

Les points 3 et 4 décrivent une gouvernance qui doit exister quelque part — dans votre processus, ou dans le système que vous déployez. Scovai l'intègre au poste lui-même : ses Digital Employees fonctionnent en confirm-first par défaut, chaque action visible de l'extérieur devient une demande d'approbation portant le nom d'un superviseur, l'autonomie se gagne par type d'action à partir d'un registre tracé plutôt qu'accordée au paramétrage, des classes d'actions désignées restent définitivement hors autonomie, et chaque poste de l'organigramme porte un score d'augmentabilité avant qu'on y déploie quoi que ce soit.

Une décision pour ce trimestre

Vous n'avez pas à trancher si l'IA agentique réduira les effectifs. Vous devez décider si vos hypothèses sur l'IA agentique peuvent tenir avant que les personnes qui construisent la chose ne l'aient écrit noir sur blanc.

Alors, avant que le prochain contrat d'agent ne soit signé, posez les trois affirmations dont dépend votre business case devant votre équipe technique, recueillez leurs notes, et regardez la ligne des effectifs en premier. Si l'estimation de vos ingénieurs et celle de votre plan sont très éloignées, vous n'avez pas une décision d'achat devant vous. Vous avez une prévision qui a déjà échoué une fois, et une occasion gratuite de ne pas la répéter.

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.