Pourquoi vos agents IA marchent en démo et cassent en production

Les outils web (WebSearch/WebFetch) sont bloqués par les permissions dans cette session non-interactive, je ne peux donc pas vérifier de nouvelles pages en direct. Je m'appuie sur des rapports publics 2025 que je connais avec certitude (Gartner, MIT/Project NANDA, S&P Global), sans inventer de chiffre, et sur notre mode opératoire réel pour la partie inédite.

Que disent les chiffres 2025, au-delà des démonstrations ?

Trois publications convergent en 2025, et aucune ne vient d'un sceptique de principe. Gartner prévoit que plus de 40 % des projets d'IA agentique seront annulés d'ici fin 2027, en cause : coûts mal maîtrisés, valeur métier floue et contrôles de risque insuffisants. Le cabinet ajoute un point que tout dirigeant devrait retenir avant de signer un contrat : sur les milliers d'éditeurs qui se disent « agentiques », il n'en compte qu'environ 130 comme réellement tels — le reste relève de ce qu'il nomme l'agent washing.

Côté terrain, le rapport du MIT (Project NANDA, août 2025) estime que ~95 % des projets pilotes de GenAI en entreprise ne produisent aucun retour mesurable sur le compte de résultat. Et S&P Global Market Intelligence relevait début 2025 qu'environ 42 % des entreprises avaient abandonné la majorité de leurs initiatives IA, contre ~17 % un an plus tôt.

Indicateur	Chiffre	Source
Projets d'IA agentique annulés d'ici fin 2027	> 40 %	Gartner, juin 2025
Pilotes GenAI en entreprise sans retour mesurable	~95 %	MIT / Project NANDA, août 2025
Entreprises ayant abandonné la majorité de leurs initiatives IA	~42 % (vs ~17 % un an avant)	S&P Global Market Intelligence, 2025
Éditeurs « agentiques » jugés réellement agentiques	~130 sur des milliers	Gartner, juin 2025

Ces chiffres ne disent pas « l'IA ne marche pas ». Ils disent que la démonstration et la production sont deux régimes différents, et que la plupart des projets meurent au passage de l'un à l'autre.

Qu'est-ce qui casse, concrètement, une fois en production ?

Quatre mécanismes reviennent, dans l'ordre où ils font mal.

Le non-déterminisme. Un modèle de langage ne renvoie pas deux fois exactement la même sortie. En démo, on rejoue jusqu'à ce que ce soit propre. En production, la variation devient un extrait mal découpé, une facture mal lue, un e-mail envoyé au mauvais destinataire. Ce n'est pas un bug qu'on corrige une fois : c'est une propriété du composant qu'il faut encadrer.

La dépréciation de modèle. Les fournisseurs retirent leurs anciennes versions selon un calendrier public. Un agent branché sur un identifiant de modèle figé cesse de répondre le jour du retrait — ou pire, bascule silencieusement sur une version au comportement différent. Une automatisation qui « marchait depuis six mois » peut casser sans qu'une seule ligne de votre code ait bougé. C'est la panne la plus traître pour une PME sans équipe technique : rien n'a changé chez vous, tout a changé en amont.

Le coût réel. En démo, on compte quelques appels. En production, la facture, c'est volume × jetons × réessais. Chaque relance après échec, chaque contexte rechargé, chaque étape d'un agent qui s'appelle lui-même multiplie les jetons. Le coût n'apparaît qu'au volume, c'est-à-dire précisément quand on ne peut plus reculer.

L'échec silencieux et l'absence de retour arrière. Un agent qui se trompe ne lève pas toujours une erreur : il produit une réponse plausible et fausse. Sans point de contrôle indépendant, personne ne le voit — sauf le client. Et beaucoup de montages n'ont aucun mécanisme de retour arrière : une fois l'action déclenchée (mail parti, statut modifié, écriture faite), on ne l'annule pas.

Dimension	En démonstration	En production
Entrées	Cas choisis, propres	Réel, bruité, hors périmètre
Version du modèle	Celle du jour	Dépréciée, parfois sans préavis
Coût	Quelques appels	Volume × jetons × réessais
Échec	Rejoué à la main	Silencieux, découvert par le client
Retour arrière	Inutile	Souvent inexistant

Ce qu'on en fait chez nous

Nous exploitons des systèmes en ligne pour le compte d'entreprises : notre métier n'est pas de livrer une démonstration, c'est de tenir la production. Concrètement, quelques règles que nous appliquons et qui répondent point par point à ce qui précède.

Un agent ne déclare jamais lui-même que « ça marche ». C'est notre garde-fou central : toute affirmation de correction ou de déploiement est bloquée tant qu'un vérificateur indépendant n'a pas fait passer les contrôles — tests, build, appel réel à l'endpoint, parcours de bout en bout, et existence d'une sauvegarde. Nous appelons ça l'anti-auto-notation. Une IA qui se corrige et se félicite toute seule, c'est exactement le circuit qui produit les 95 % de pilotes sans retour.

Sauvegarde vérifiée avant toute action. Pas de correction sans point de restauration existant et contrôlé. Le retour arrière n'est pas une option de dernière minute, c'est une précondition.

Audit chaque nuit à 00h00, surveillance 24/7. Les pannes silencieuses se détectent par une observation régulière, pas au moment où le client appelle. Un audit nocturne compare l'état attendu à l'état réel et remonte les écarts avant l'ouverture.

Versions de modèle épinglées et calendrier de dépréciation suivi. Nous ne laissons pas un identifiant de modèle « flotter ». Le retrait d'une version est un événement qu'on planifie, pas qu'on subit un lundi matin.

Traçabilité de bout en bout. Observer relève d'un niveau ; agir, déployer ou écrire un document officiel relève d'un niveau supérieur, avec validation humaine et trace. Une correction non tracée n'existe pas.

Aucune de ces règles n'est spectaculaire. C'est précisément le point : ce qui tient en production ressemble à de l'exploitation classique — sauvegardes, supervision, contrôle indépendant — appliquée à un composant non déterministe.

Questions fréquentes

Faut-il renoncer aux agents IA en PME ? Non. Il faut cesser de les juger sur la démonstration. Un agent est rentable quand la tâche est répétitive, l'erreur détectable et réversible, et le volume connu. Hors de ce cadre, le coût réel et les échecs silencieux effacent le gain. Le tri se fait avant le développement, pas après.

Comment éviter qu'une automatisation casse toute seule ? En traitant chaque automatisation comme de l'infrastructure : version de modèle épinglée, suivi des calendriers de dépréciation des fournisseurs, supervision quotidienne et sauvegarde vérifiée. Une panne « sans cause interne » vient presque toujours d'un changement en amont ; on l'anticipe en surveillant l'amont, pas seulement son propre code.

Comment savoir si un prestataire fait de l'« agent washing » ? Demandez ce qui se passe en cas d'échec : y a-t-il un contrôle indépendant, un retour arrière, une trace ? Demandez le coût au volume réel, pas au cas de démonstration. Un fournisseur sérieux parle de pannes et de sauvegardes ; un vendeur d'agent washing parle surtout de capacités.

Sources

• Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 — Gartner, 25 juin 2025
• MIT report: 95% of generative AI pilots at companies are failing — Fortune, reprenant le rapport MIT « The GenAI Divide » (Project NANDA), 18 août 2025
• Companies abandoned 42% of AI initiatives — S&P Global Market Intelligence — S&P Global Market Intelligence, 2025
• Model deprecations — Anthropic (documentation, mise à jour continue)