IA agentique : 4 défis que les entreprises de l’adtech vont devoir surmonter

Commerce agentique, publicité agentique : ces nouveaux termes ne vous ont certainement pas échappé. Et pour cause, l’intelligence artificielle générative est en train de franchir un nouveau cap. Après avoir assisté les collaborateurs dans la rédaction et la création de contenus, l’IA devient désormais « agentique ». Concrètement, cela signifie que les modèles ne se contentent plus de recommander ou de générer du texte, mais qu’ils agissent de manière autonome, en manipulant des logiciels, des bases de données et en exécutant des tâches complexes. Une évolution de fond pour le monde du travail, qui s’accompagne de défis majeurs de gouvernance, de coûts et d’adoption.

Défi 1 : La gouvernance des agents

Aujourd’hui, l’un des problèmes majeurs de l’IA agentique réside dans le contrôle. Avec la multiplication des solutions sur le marché, de nombreuses entreprises ont voulu des retours sur investissement rapides et ont donné accès aux agents IA sans pour autant mettre en place les processus de contrôle adéquats.

Pour qu’un agent autonome puisse, par exemple, payer avec une carte bancaire d’entreprise ou réserver un voyage, il doit accéder à des informations hautement confidentielles, ce qui n’est pas sans risque. Comme le souligne Diego Ferri, associé chez EY Fabernovel : « Nous avons besoin de ce que l’on appelle dans le jargon de l’IA des ‘guard rails’, c’est-à-dire des processus qui permettent de contrôler et d’orchestrer nos services ».

Cette couche d’orchestration devient d’autant plus complexe que les agents sont amenés à interagir avec divers logiciels d’entreprise (ERP, CRM) via des protocoles informatiques, tout en devant parfois communiquer avec d’autres agents internes qui ne parlent pas forcément le même langage.

Défi 2 : Le piège des « réponses fausses »

Contrairement aux logiciels traditionnels qui renvoient un code d’erreur lorsqu’une fonction échoue, ce qui permet de corriger le problème, l’IA générative est programmée pour fournir une réponse coûte que coûte. Si la mémoire de l’agent ou les accès sont mal configurés, « il va quand même donner une réponse et elle sera probablement fausse » alerte Diego Ferri. Dans des secteurs comme le e-commerce ou la relation client, une recommandation erronée faite de manière autonome peut avoir des conséquences désastreuses…

Défi 3 : L’explosion des coûts cachés liés aux API

Jusqu’à présent, les entreprises ont calculé le retour sur investissement de l’IA en se basant sur le coût des « tokens », c’est-à-dire la puissance de calcul du modèle de langage. Mais l’IA agentique introduit un nouveau modèle de facturation : le coût des appels API (quand l’IA va chercher une information dans un logiciel tiers).

À chaque fois qu’un agent accède ponctuellement à un CRM pour accomplir une tâche, l’éditeur du logiciel facture cet accès. « On a pensé notre stratégie sur un coût de token (la puissance de calcul de l’IA), en oubliant le coût de connectivité. Or, facturé à chaque interaction avec un logiciel, ce coût d’appel API peut être 10 à 1000 fois supérieur », ajoute l’associé chez EY Fabernovel.

Défi 4 : L’adoption de la part des équipes

L’intégration de ces agents se heurte à la réalité du terrain et des processus métiers. Ajouter un outil d’IA sans repenser la manière dont un collaborateur exécute son travail au quotidien ne fait pas vraiment sens.

L’adoption reste donc un défi majeur, parfois freiné par la peur ou un manque de formation. « Si le collaborateur ne maîtrise pas l’outil ou s’il s’intègre mal à son quotidien, les succès obtenus lors des premières expérimentations ne passeront jamais à l’échelle », analyse Diego Ferri.

Quel impact pour les entreprises de l’adtech ?

Le secteur de la publicité digitale, déjà fortement automatisé, observe ces évolutions avec attention. Assisterons-nous à l’émergence d’entreprises technologiques fonctionnant presque exclusivement avec des agents autonomes ?

Sur la partie création de contenus, c’est déjà une réalité. Comme l’illustre Alexandre Mahé, Associé chez EY Fabernovel, « on observe déjà des processus à 90 % automatisés, où des algorithmes récupèrent, recadrent et monétisent des vidéos sur les réseaux sociaux sans quasiment aucune intervention humaine ». En revanche, pour des acteurs technologiques comme les DSP, il estime que le basculement vers une automatisation totale avec une poignée d’employés n’est pas pour demain : « Les éditeurs de presse sont de plus en plus vigilants quant à la manière de monétiser leur inventaire et les accords en gré à gré restent fondamentaux. Un DSP ne peut pas tourner avec trois personnes, car la gestion des partenariats commerciaux exige un temps humain énorme ».

L’IA agentique devrait néanmoins accélérer la consolidation du marché de l’adtech. « Le fait que le marché soit de moins en moins fragmenté va pousser les petits acteurs dans les bras des géants de la Tech, ce qui va accélérer la polarisation autour de mastodontes », complète Alexandre Mahé. Le risque pour ces intermédiaires est même existentiel : « Si toute la valeur apportée par un acteur de l’adtech peut être gérée par quelques agents, le client final, qui détient la donnée, préférera s’en charger lui-même en interne ».

Cette automatisation présente néanmoins un paradoxe. Face à la performance du tout-automatique des grands groupes, les petites structures pourront tirer leur épingle du jeu et regagner du poids en misant sur des différenciateurs comme le relationnel ou la souveraineté.