Les agents IA ne se contentent plus de proposer un texte à relire. Ils consultent vos systèmes, enchaînent les actions et bouclent un dossier. Selon l’enquête mondiale de McKinsey publiée en août 2026, 40 % des répondants issus de grandes entreprises déclarent déjà les déployer à l’échelle, contre 27 % un an plus tôt. Le cas de Klarna, la fintech suédoise du paiement fractionné, montre ce que cette vitesse peut coûter quand personne n’a décidé où s’arrête l’agent et où commence l’humain.
Sommaire
- Ce que mesure McKinsey en 2026 : des agents qui passent à l’échelle
- De l’assistant à l’exécutant : ce qu’un agent fait de plus
- Une adoption qui double, des processus qui restent en l’état
- Le cas Klarna : deux ans de service client confié à un agent
- Tracer la frontière entre l’agent et l’humain
- Les processus qui se prêtent le mieux aux agents, et par où commencer
- Gouvernance : qui répond des actes d’un agent
Ce que mesure McKinsey en 2026 : des agents qui passent à l’échelle
Les agents IA sortent de la phase d’essai dans les grandes entreprises. D’après l’enquête « The state of AI in 2026 » de McKinsey, 40 % des répondants issus d’organisations de plus d’un milliard de dollars de chiffre d’affaires déclarent les déployer à l’échelle. Ils étaient 27 % un an plus tôt. Dans les structures plus petites, la proportion stagne à 22 %.
L’enquête du cabinet de conseil américain a été menée du 4 mai au 8 juin 2026 auprès de 1 719 participants dans 97 pays, et publiée en août [1]. Elle définit un agent comme un système d’IA capable d’agir dans le monde réel, de planifier et d’exécuter de manière autonome plusieurs étapes d’un processus. Les fonctions où les répondants citent le plus souvent un déploiement à l’échelle sont l’informatique, la gestion des connaissances et le développement logiciel.
Le même rapport apporte une nuance qui intéresse directement les dirigeants. 80 % des répondants disent que l’IA a amélioré leur productivité individuelle. Seuls 37 % attribuent à l’IA au moins une partie du résultat d’exploitation de leur entreprise. Le gain se voit sur le poste de travail et se perd en route avant d’atteindre les comptes.
Un chiffre explique en partie cet écart. Parmi les entreprises les plus performantes avec l’IA, environ 6 % des répondants, près des trois quarts déclarent avoir profondément revu leurs processus de travail à cause de l’IA, contre 55 % l’année précédente. Chez les autres, la proportion tombe à un quart [1]. Les entreprises qui tirent de la valeur des agents sont donc d’abord celles qui ont redessiné le travail autour d’eux.
De l’assistant à l’exécutant : ce qu’un agent fait de plus
Un assistant d’IA vous propose une réponse, et vous décidez quoi en faire. Un agent accède aux outils de l’entreprise, enchaîne plusieurs actions et mène la tâche jusqu’à son résultat. La différence porte sur la décision : avec un agent, une partie des choix passe de l’humain à la machine, en cours de route.
Prenons une réclamation client. Avec un assistant, le conseiller demande un projet de réponse, le relit, puis agit lui-même dans les outils de gestion. Avec un agent, la machine consulte l’historique du client, identifie le problème, déclenche un remboursement ou modifie la commande, puis clôt le dossier. Le conseiller intervient en supervision, sur les cas que l’agent lui transmet, ou plus du tout.
Ce changement modifie la façon dont on mesure le travail. Avec un assistant, la qualité dépend toujours de la personne qui relit. Avec un agent, elle dépend aussi des règles qu’on lui a données, des accès qu’on lui a ouverts et des cas qu’on a prévu de lui retirer. Ces trois éléments relèvent de l’organisation du travail.
C’est pour cette raison que le sujet concerne les directions des ressources humaines autant que les directions informatiques. Confier une étape à un agent revient à modifier un poste : certaines tâches disparaissent, d’autres apparaissent, comme la supervision, le traitement des exceptions ou le contrôle de la qualité. Si personne ne redessine ce poste, le collaborateur hérite des tâches restantes sans que son rôle soit clarifié. C’est la logique que décrivent les DRH qui placent désormais la refonte des postes avant la formation.
Une adoption qui double, des processus qui restent en l’état
Les agents entrent dans le quotidien des salariés plus vite que les entreprises ne réorganisent le travail. Selon l’enquête « AI at Work » du Boston Consulting Group publiée en juin 2026, 30 % des salariés interrogés disent que des agents sont déjà intégrés à leurs processus de travail, contre 13 % un an plus tôt [2].
Cette enquête du cabinet de conseil américain porte sur 11 749 salariés dans 14 pays et de nombreux secteurs. Le communiqué qui l’accompagne résume le problème dans son titre : l’IA transforme les métiers plus vite que les entreprises ne transforment le travail [3]. Plus de la moitié des répondants, 52 %, disent d’ailleurs ne comprendre que partiellement ce qu’est un agent. Et 61 % estiment pourtant qu’un agent pourrait faire au moins la moitié de leur travail d’ici trois ans.
Le BCG chiffre ce que rapporte la refonte des processus. Les salariés dont l’entreprise a revu ses façons de travailler ont 24 points de plus de chances de constater une amélioration mesurable des résultats, et 22 points de plus de gagner au moins une journée par semaine. Une stratégie claire augmente l’impact mesurable de 25 points, quand de meilleurs outils seuls ne le font progresser que d’environ 5 points [3].
Dans les faits, beaucoup d’entreprises branchent un agent sur un processus conçu pour des humains, sans toucher à la répartition des tâches. L’agent accélère une étape. Le goulot d’étranglement se déplace alors un cran plus loin, chez la personne qui doit vérifier, corriger ou reprendre ce que l’agent a produit. Ce phénomène touche en premier lieu les managers de proximité, qui absorbent ces reprises, comme le montre notre analyse de l’adoption de l’IA par les managers intermédiaires.
Le cas Klarna : deux ans de service client confié à un agent
Klarna a été l’un des premiers grands groupes à confier son service client à un agent IA, en février 2024. Quinze mois plus tard, l’entreprise relançait des recrutements humains. Son parcours, largement documenté par la presse spécialisée, montre ce qu’un agent fait bien, et le prix d’une automatisation menée avant d’avoir défini sa limite.
Au lancement, Klarna annonce que son assistant, développé avec OpenAI, prend en charge les deux tiers des conversations du service client et fait le travail de 700 personnes. L’entreprise gèle ses recrutements et ses effectifs diminuent. En mai 2025, elle change de cap. Elle lance le recrutement de conseillers humains, en télétravail et avec des horaires flexibles, pour que les clients puissent toujours parler à une personne. Son dirigeant, Sebastian Siemiatkowski, déclare alors qu’investir dans la qualité du support humain est « la voie de l’avenir » pour Klarna [4]. Selon la presse, des clients s’étaient plaints de réponses génériques à des questions complexes [5].
Klarna n’a pas retiré l’agent. En novembre 2025, son dirigeant indique qu’il traite toujours les deux tiers des demandes, fait le travail de 853 équivalents temps plein et a permis 60 millions de dollars d’économies. Le temps de réponse a baissé de 82 % et les demandes répétées de 25 %, avec une satisfaction jugée équivalente à celle obtenue par les conseillers humains [5].
Le même article rapporte deux éléments qui tempèrent le bilan. Les coûts du service client et des opérations de Klarna ont atteint 50 millions de dollars au troisième trimestre 2025, contre 42 millions un an plus tôt. Et Kate Leggett, analyste du cabinet Forrester, y qualifie Klarna de cas d’école d’un déploiement mal mené, centré sur la réduction des coûts au détriment de l’expérience client [5].
Le modèle actuel combine un agent pour les demandes simples et volumineuses, comme un statut de commande ou un échéancier, et des conseillers pour les situations qui demandent du jugement et de l’empathie [4].
Tracer la frontière entre l’agent et l’humain
Le cas Klarna se lit comme un problème de découpage. L’agent tient ses promesses sur les demandes simples et répétitives. Il montre ses limites dès qu’une situation sort du cadre. La décision utile consiste donc à fixer, processus par processus, ce que l’agent traite seul, ce qui remonte à un humain, et à quel moment.
Très peu d’entreprises ont fait ce travail. Selon l’étude publiée en septembre 2026 par l’IBM Institute for Business Value auprès de 1 500 dirigeants RH, seules 26 % des organisations définissent clairement quelles activités restent conduites par un humain, lesquelles sont assistées par l’IA et lesquelles sont exécutées par elle [6]. Nous avons détaillé ces résultats dans notre article sur l’érosion des compétences liée à l’IA.
Concrètement, tracer cette frontière demande trois choses. D’abord, cartographier le processus étape par étape, avec les personnes qui le font aujourd’hui. Ensuite, classer chaque étape selon trois critères : le volume, la variabilité des cas et la gravité d’une erreur. Enfin, fixer le point de passage de relais, c’est-à-dire les signaux qui obligent l’agent à transmettre le dossier à une personne : une réclamation qui revient, un montant qui dépasse un seuil, un client qui exprime de la détresse.
Cette frontière bouge avec le temps. Elle avance quand l’agent prouve sa fiabilité sur un type de cas, elle recule quand les erreurs augmentent. Elle doit avoir un propriétaire, qui la revoit à intervalles réguliers. Bien placée, elle libère les équipes des tâches les plus ingrates et concentre leur temps sur ce qui exige de l’écoute, de la négociation ou une décision difficile.
Les processus qui se prêtent le mieux aux agents, et par où commencer
Les processus qui réussissent avec un agent partagent trois traits : un périmètre borné, un résultat mesurable et des outils numériques déjà en place. Les tâches floues, rares ou à fort enjeu humain résistent mieux à l’automatisation. Choisir le bon processus au départ compte souvent davantage que la puissance de l’agent.
Un périmètre borné, comme le traitement des factures fournisseurs ou le tri des demandes entrantes, donne à l’agent un terrain où ses actions restent prévisibles. Un résultat mesurable, comme un délai de traitement ou un taux de résolution, permet de vérifier qu’il crée de la valeur. Des outils déjà connectés, un logiciel de gestion de la relation client ou un système comptable, lui fournissent les données et les leviers d’action dont il a besoin. Sans eux, le projet devient un chantier informatique.
Pour démarrer, choisissez un seul processus qui coche ces trois cases. Confiez à l’agent la partie répétitive et volumineuse. Gardez une personne sur les cas complexes. Fixez dès le départ le point de passage de relais et la personne qui en est responsable. Puis mesurez pendant quelques semaines le temps gagné, la qualité obtenue et la charge de reprise pour vos équipes.
Une fois ces résultats vérifiés, élargissez processus par processus. À chaque étape, prévoyez ce que deviennent les personnes concernées : quelles tâches elles perdent, lesquelles elles gagnent, quelles compétences il leur faut pour superviser un agent. Ce travail rejoint la logique d’une organisation pensée par compétences, qui raisonne en activités et en savoir-faire.
Gouvernance : qui répond des actes d’un agent
Un agent qui agit seul pose une question qu’un assistant ne posait pas : qui répond de ses décisions ? Plus l’agent dispose d’autonomie, plus l’entreprise doit encadrer ses accès, garder une trace de ce qu’il fait et prévoir à quel moment une personne reprend la main.
Confier à un agent le pouvoir de rembourser un client, de passer une écriture comptable ou d’envoyer un message au nom de l’entreprise suppose trois garde-fous. Des limites écrites à son autonomie, par exemple un montant maximal. Un journal de ses actions, consultable par un responsable. Des points d’arrêt où une personne valide avant que l’action parte. Sans ce cadre, une erreur de paramétrage se répète sur des milliers de dossiers avant que quelqu’un la remarque.
Le cadre réglementaire européen va dans le même sens. Le règlement européen sur l’IA classe les usages selon leur niveau de risque, et range parmi les usages à haut risque ceux qui touchent au recrutement et à la gestion des salariés, comme le tri de candidatures ou l’évaluation des performances [7]. Un agent déployé sur ces processus relève donc d’obligations renforcées. Ceci n’est pas un conseil juridique : faites valider votre situation par un juriste.
La gouvernance d’un agent associe ainsi trois fonctions. La direction informatique gère les accès et la sécurité. Les métiers fixent les règles et la frontière avec l’humain. La direction des ressources humaines veille à ce que les postes, les compétences et les responsabilités suivent. Quand l’une des trois manque, l’agent fonctionne techniquement et personne ne répond de ce qu’il fait.
Conclusion
Les agents IA font désormais une partie du travail à la place de vos équipes, et leur déploiement s’accélère dans les grandes entreprises. Les chiffres de McKinsey et du BCG montrent que la valeur va aux organisations qui redessinent leurs processus autour de ces agents. Klarna l’a appris en public. Avant d’automatiser un processus, décidez où s’arrête l’agent, qui reprend la main et ce que deviennent les postes concernés. C’est une décision d’organisation, et elle se prend avant le déploiement.
Pour repérer les processus que l’IA a changés sans qu’ils aient été revus, découvrez notre mission Quel levier IA activer ?
Caroline Prat
FAQ
Quelle différence entre un chatbot et un agent IA ?
Un chatbot répond à des questions. Un agent IA agit : il accède aux outils de l’entreprise, enchaîne plusieurs actions et mène une tâche jusqu’à son résultat, par exemple traiter une réclamation de bout en bout, remboursement compris.
Les agents IA vont-ils supprimer des emplois ?
Ils modifient d’abord le contenu des postes. Selon McKinsey, 14 % des répondants disent que l’IA a contribué à réduire les effectifs de leur entreprise sur l’année écoulée, et 39 % s’attendent à une baisse l’an prochain. Le cas Klarna montre que les humains restent nécessaires sur les cas complexes.
Quelles compétences faut-il pour travailler avec un agent ?
Savoir décrire une tâche et ses règles, repérer une erreur dans un résultat qui semble correct, traiter les exceptions que l’agent transmet et décider quand reprendre la main. Ces compétences de supervision viennent s’ajouter au métier de base.
Combien de temps faut-il pour tester un agent sur un processus ?
Quelques semaines suffisent en général pour mesurer le temps gagné, la qualité et la charge de reprise sur un processus bien borné. La durée dépend surtout de l’état des outils numériques existants et de la clarté des règles métier.
Sources
- McKinsey & Company, QuantumBlack, The state of AI in 2026: On the road to ROI, août 2026. Enquête en ligne du 4 mai au 8 juin 2026, 1 719 participants dans 97 pays.
- Boston Consulting Group, AI at Work: Why Strategy Matters More Than Tools, juin 2026. Enquête auprès de 11 749 salariés dans 14 pays.
- Boston Consulting Group, communiqué, AI Is Reshaping Jobs Faster Than Companies Are Reshaping Work, 3 juin 2026.
- CX Dive, Klarna changes its AI tune and again recruits humans for customer service, 9 mai 2025.
- CX Dive, Klarna says its AI agent is doing the work of 853 employees, 20 novembre 2025.
- IBM Institute for Business Value, 2026 CHRO Study: Designing the Thinking Organization, 21 septembre 2026.
- Règlement (UE) 2024/1689 du 13 juin 2024 établissant des règles harmonisées concernant l’intelligence artificielle, annexe III, point 4, EUR-Lex.
