Varick Agents : pour faire adopter l'IA, il faut la rendre invisible
Plutôt que de convaincre les salariés d'utiliser un énième copilote, la startup Varick Agents propose de cacher les agents dans NetSuite ou Salesforce et de vendre directement le résultat.
En bref
Dans un billet de blog, Varick Agents explique que l'IA en entreprise échoue surtout faute d'adoption par les salariés, autour de 25 à 30 % selon elle. Sa réponse : construire des agents qui tournent en arrière-plan dans les outils existants, gouvernés par un seul responsable, et passer du « software as a service » à l'« outcome as a service ». La thèse est stimulante, mais le texte reste un argumentaire commercial sans chiffres vérifiables.
🍺 Version comptoir
En gros, les boîtes ont acheté des copilotes IA pour leurs salariés, et les salariés ont fait ce qu'on fait tous avec un nouvel outil : ils l'ont ignoré poliment. Varick en conclut que le problème, c'est l'humain, donc qu'il faut lui épargner l'effort de changer, en glissant l'IA dans son vieux NetSuite sans qu'il s'en rende compte. C'est un peu le principe du légume râpé caché dans la sauce bolognaise, version comptabilité fournisseurs. Ça compte parce que si l'IA marche mieux quand personne ne la voit, la question devient vite : qui la surveille ?
À retenir
- 1
Selon Varick Agents, la plupart des pilotes d'IA en entreprise échouent parce que l'adoption par les salariés plafonne autour de 25 à 30 %.
- 2
Le modèle copilote ou chatbot laisse la responsabilité du workflow au salarié, qui doit lui-même trouver où l'IA s'insère dans sa tâche.
- 3
La startup oppose l'ère du SaaS, où l'interface était le produit, à celle de l'IA, où l'on vend un résultat : l'« outcome as a service ».
- 4
Premier principe : construire là où le travail se fait déjà (NetSuite, Salesforce, Excel), via des API ou des agents de computer use quand il n'y en a pas.
- 5
Second principe : pousser l'IA en arrière-plan tout en confiant à un seul responsable un control plane pour suspendre un workflow, modifier une permission ou retirer un agent.
- 6
Chaque agent doit se demander à chaque exécution si un humain doit valider, et le notifier là où il travaille déjà (email, Slack).
- 7
Varick mise sur une approche orientée services, avec des forward deployed engineers sur site pendant des semaines, et cible les entreprises de plus d'un milliard de dollars de chiffre d'affaires.
Le diagnostic : l'adoption comme goulot d'étranglement
Le point de départ est simple : les utilisateurs ne cherchent pas un outil pour faire le travail, ils veulent que le travail soit fait. Or l'IA d'entreprise est encore livrée sous forme de copilote ou de chatbot que l'employé doit apprendre à intégrer à sa tâche.
Conséquence, selon Varick Agents : le retour sur investissement dépend entièrement de la bonne volonté des salariés. Avec des taux d'adoption qui tournent autour de 25 à 30 %, surtout sur les tâches hors code, la promesse financière s'évapore.
L'argument central est comportemental : quelqu'un qui travaille de la même façon avec les mêmes outils depuis plus de dix ans ne changera pas d'habitude parce qu'on lui offre une nouvelle interface, même capable de piloter un essaim d'agents.
Du SaaS à l'« outcome as a service »
Quand une entreprise achetait un CRM, elle achetait une interface : à l'ère du SaaS, l'interface était le produit, parce qu'il fallait outiller les salariés.
Varick estime qu'à l'ère de l'« intelligence abondante », cette logique s'inverse. Les entreprises ne veulent plus d'outils pour faire le travail, elles veulent qu'il soit fait. La startup a donc cessé de vendre un outil pour vendre un résultat, qui n'exige pas que toute l'organisation utilise une interface.
La formule résume le positionnement : si le logiciel d'entreprise était l'ère du software as a service, l'IA d'entreprise serait celle de l'outcome as a service.
Principe n°1 : construire là où le travail se fait déjà
La finance vit dans Excel et NetSuite, les commerciaux dans Salesforce, Slack et l'email. Plutôt que de créer de nouveaux espaces pour l'IA, Varick installe ses agents dans ces systèmes, même anciens, parce que c'est là que l'entreprise tourne réellement.
Exemple donné : au lieu de demander à une équipe finance d'ouvrir une nouvelle plateforme pour la comptabilité fournisseurs, les agents sont construits par-dessus NetSuite et traitent en arrière-plan les étapes manuelles.
Techniquement, cela passe par les API quand elles existent, et par des agents de computer use sinon. L'agent lit dans les systèmes de confiance, agit dans le workflow existant et réécrit dans la source de vérité de l'entreprise.
Principe n°2 : l'arrière-plan sans perte de contrôle
Faire disparaître l'IA de la vue des salariés pose un problème évident : le client peut avoir l'impression de perdre la main. Varick répond par un control plane destiné au propriétaire du processus, qui voit quels agents tournent et peut suspendre, modifier ou retirer sans écrire de code.
La gouvernance doit aussi être intégrée aux agents eux-mêmes. À chaque exécution, l'agent évalue si une intervention humaine est nécessaire, se réfère à la politique interne et prévient la bonne personne par email ou Slack.
Pour reproduire fidèlement le travail d'un analyste, Varick envoie des forward deployed engineers sur site pendant des semaines afin de capter le contexte et le savoir tacite. La justification : le code est universel, d'où des produits génériques comme Claude Code ou Codex, mais chaque back-office a ses particularités.
Ce que le billet ne dit pas
Le texte affirme que cette approche a provoqué une « explosion » de l'adoption et des gains de ROI rapides, sans fournir un seul chiffre, client ou étude de cas. Le taux de 25 à 30 % n'est pas sourcé non plus.
Il se conclut d'ailleurs par un appel commercial : ouverture d'un nombre limité de missions pour août, réservées aux entreprises réalisant plus d'un milliard de dollars de chiffre d'affaires annuel. Il faut le lire comme un manifeste de positionnement autant que comme un retour d'expérience.
“AI users aren’t in the market for a tool to help get work done. They just want the work to be done.”
“If enterprise software was the era of software as a service, enterprise AI is the era of outcomes as a service.”
“We stopped building new places for people to use AI and started putting AI into the places where they already worked.”
Pourquoi ça compte
Le billet met le doigt sur une vraie fracture : une grande partie de l'IA d'entreprise a été vendue comme un outil de productivité individuelle, alors que la valeur se trouve dans l'automatisation de processus entiers. L'idée de déplacer l'IA de l'interface vers l'arrière-plan, et de facturer un résultat plutôt qu'un siège, rejoint un mouvement plus large du secteur vers les agents et la tarification à l'outcome. Le modèle des forward deployed engineers, popularisé par Palantir, revient aussi en force parce que les back-offices sont trop singuliers pour un produit générique. Mais il faut garder la tête froide : ce modèle ressemble beaucoup à du conseil sur mesure, avec les coûts et la difficulté de passage à l'échelle qui vont avec, ce qui explique sans doute le ciblage des entreprises à plus d'un milliard. Surtout, une IA invisible qui agit dans les systèmes comptables pose des questions de responsabilité et d'audit que quelques écrans de contrôle ne règlent pas à eux seuls. La thèse est convaincante ; les preuves, elles, restent à montrer.
Pour vous
Faites-la travailler sur vos sources.
Gratuit : un mois d'articles et trois de vos sources. Pro : l'archive complète et vos sources, dès 8 €/mois.
Pour votre équipe
La même machine, sur vos sujets.
Un espace à vos couleurs, vos angles de veille, vos curateurs. Pilote ouvert à trois entreprises.