Agents IA en entreprise : les six leçons d'un vendeur qui en déploie

Un praticien qui parle de ses échecs

Le constat de départ est sévère : la plupart des gens ne savent pas ce qu'est un agent, et les moins de 5 % qui le savent voient leur projet s'effondrer. Hallucinations, perte du fil en cours de tâche, mauvais outil appelé au mauvais moment : l'agent brille en démo et casse en production.

L'auteur se présente comme un ancien de Meta parti il y a six mois fonder une entreprise qui ne fait que déployer des agents pour de grands comptes. Il revendique 3 M$ d'ARR, qu'il attribue non à une intelligence supérieure mais à un nombre suffisant d'échecs pour avoir trouvé « la formule ».

Le contexte, toujours le contexte

Première leçon, assumée comme évidente : brancher un modèle sur une base de données et le laisser se débrouiller ne fonctionne pas. L'agent ne sait ni ce qui compte, ni ce qui s'est passé cinq étapes plus tôt.

Trois leviers sont détaillés. La mémoire : pour une exception de facturation, l'agent doit savoir ce qui l'a déclenchée, qui a soumis la facture, quelle politique s'applique et ce qui s'est passé la dernière fois avec ce fournisseur. Le flux d'information : des entrées et sorties structurées et vérifiables à chaque étape, à l'image du /compact de Claude Code. La connaissance métier, que l'humain doit fournir dans un format exploitable.

C'est sur ce point que l'auteur fonde sa promesse de pouvoir « tout automatiser » : ses équipes absorbent la base documentaire du client et interrogent ses employés. Il résume plus loin : les context engineers sont des « prompt engineers 2.0 ».

Multiplier les humains, pas les remplacer (pour l'instant)

La bonne question n'est pas « qui ne va-t-on pas embaucher ? » mais « comment trois personnes peuvent-elles faire le travail de quinze ? ». L'agent prend la recherche, la collecte, le recoupement, le formatage, le routage et les relances ; l'humain garde la décision.

Exemple : une équipe finance qui passait 70 % de sa semaine de clôture à chercher des justificatifs manquants la passe désormais à résoudre les problèmes. L'auteur affirme que ses clients ne licencient pas, faute de manquer de travail, tout en concédant que cela changera. Il qualifie au passage de « délirants » ceux qui nient que les agents remplaceront du travail humain.

Corollaire pratique : pas besoin de couvrir chaque cas limite. Il suffit de bien traiter les cas courants et de renvoyer le reste à un humain avec assez de contexte pour trancher vite.

L'architecture avant le modèle

Trois schémas : l'agent solo, simple mais fragile quand le workflow s'allonge et que la fenêtre de contexte sature ; les agents parallèles, rapides mais qui exigent un protocole de fusion et un juge, humain ou LLM, pour les conflits ; les agents collaboratifs en séquence (triage, recherche, résolution), où ce sont les passages de relais qui cassent.

L'erreur courante serait de voir là des détails d'implémentation alors qu'il s'agit de décisions d'architecture. Pour une validation de deal commercial, un agent unique ou un routeur vers des agents spécialisés (prix, juridique, direction) ? La réponse dépend de la complexité des étapes et du besoin de coordination, et se trouve en interrogeant les équipes. Sinon, des mois de debugging sur des « bugs » qui sont en réalité des inadéquations de conception.

Tuer les dashboards, forcer la résolution

La leçon la plus tranchée : « Dashboards are useless. » Les équipes savent déjà qu'il manque des reçus ou que des deals bloquent au juridique. L'agent doit détecter le problème au moment où il survient et l'envoyer, avec tout le nécessaire, à la personne qui peut le régler.

Concrètement : une facture sans justificatif est signalée et bloquée avant comptabilisation ; une validation qui traîne plus de 24 heures est escaladée automatiquement avec le contexte du deal ; un jalon fournisseur manqué déclenche le plan de contingence. Le dashboard ne vient qu'une fois le problème quasiment éliminé.

Sur-mesure contre SaaS, et la règle des trois mois

Le SaaS s'achète facilement parce qu'il coche une case, puis devient un outil de plus où se connecter, abandonné au bout d'un an mais trop coûteux à quitter. Les agents bâtis sur l'infrastructure existante, eux, travaillent dans les outils déjà utilisés et s'améliorent avec le temps : l'investissement « compose » au lieu de se déprécier.

Dernier commandement : en production en trois mois maximum. Un projet à un an construit « un fantôme » dans un secteur qui aura changé entre-temps. L'auteur reproche aux équipes internes de chiffrer 6 à 12 mois, ou de glisser sans fin, et réclame des ingénieurs formés aux limites réelles de l'IA. L'article se conclut sur un appel à réserver un audit IA gratuit chez Varick Agents.