IA agentique : gouverner aujourd’hui les systèmes autonomes de demain

En France comme dans le reste de l'Europe, les réglementations sur l'intelligence artificielle, la cybersécurité et la résilience opérationnelle se renforcent et se complètent. L'AI Act et NIS2 introduisent de nouvelles obligations en matière d'IA et de cybersécurité, tandis que DORA vise plus spécifiquement à renforcer la résilience opérationnelle du secteur financier. Ensemble, ces réglementations imposent aux entreprises de mieux maîtriser leurs risques numériques et de pouvoir rendre compte de leurs pratiques. Or, avec la multiplication des agents d'IA, leur adoption pourrait rapidement dépasser la capacité des entreprises à les encadrer efficacement. La gouvernance ne relève donc plus de la seule conformité : elle devient un véritable impératif opérationnel.

Parallèlement, l'IA a largement dépassé le cadre de la simple automatisation et des outils génératifs, les entreprises explorent désormais l'IA agentique, capable d'interagir avec différentes applications, de prendre des décisions et d'exécuter des actions avec une intervention humaine limitée. Selon l'étude mondiale State of AI 2026 de McKinsey, 62 % des entreprises expérimentent déjà avec des agents d'IA, tandis que 23 % déclarent en déployer à plus grande échelle dans au moins une fonction.

Ces nouveaux usages promettent des gains de productivité considérables, mais créent aussi de nouveaux risques. En effet, pour fonctionner efficacement, les agents doivent accéder à davantage de données et interagir avec plusieurs environnements. Les entreprises permettent ainsi aux logiciels non seulement de consulter l'information, mais aussi d'agir directement sur leurs opérations.

Une question fondamentale se pose alors : comment concilier innovation et contrôle ? La réponse passe notamment par des architectures qui intègrent, dès leur conception, la gestion des accès, la traçabilité et les exigences de conformité au cycle de vie des applications. L'objectif est de permettre aux agents d'agir tout en maintenant un cadre clair sur ce qu'ils peuvent faire, avec quelles données et sous quel niveau de supervision.

Plus d'autonomie, plus de contrôle

L'IA agentique peut contribuer à renforcer la gouvernance, à condition que les garde-fous soient intégrés dès la conception. Dans le développement logiciel, elle peut notamment automatiser les revues de code, recommander des correctifs de sécurité et veiller au respect des politiques et des modèles de données de l'entreprise. Son intérêt dépasse toutefois les seuls gains de productivité : elle permet d'intégrer les exigences de sécurité et de conformité directement dans le développement des applications, plutôt que de les vérifier a posteriori. Applications, workflows et intégrations peuvent ainsi évoluer dans un cadre défini en amont.

Cette approche devient d'autant plus essentielle que les entreprises multiplient les modèles, les outils de développement et les agents autonomes. Cette prolifération est déjà perçue comme un risque : selon la dernière étude State of Application Development d'OutSystems, 94 % des entreprises se disent préoccupées par l'AI sprawl. Sans cadre commun, cette multiplication des initiatives accroît la complexité et rend plus difficile la maîtrise des accès, des données et des responsabilités. Les entreprises peuvent rapidement perdre en visibilité sur les agents déployés, les actions qu'ils exécutent, les données qu'ils utilisent et les personnes responsables de leurs décisions.

Or, la gouvernance peine encore à suivre : selon une étude Deloitte seuls 21 % des répondants estiment que leur entreprise dispose d'un modèle mature pour encadrer l'IA agentique. C'est tout le paradoxe : si l'IA crée de nouveaux besoins de contrôle, elle peut aussi fournir une partie des outils nécessaires pour y répondre, notamment en améliorant la visibilité sur le stockage et l'utilisation des données, en détectant les erreurs de configuration et en facilitant la traçabilité nécessaire aux audits.

Quand l'IA agit, qui reste responsable ?

Le passage à l'IA agentique ne constitue pas seulement une évolution technologique : il redéfinit aussi la répartition du contrôle et des responsabilités au sein des entreprises. Cette autonomie suscite encore des réserves, car selon Capgemini, la part des entreprises déclarant faire confiance aux agents d'IA entièrement autonomes est passée de 43 % à 27 % en un an. À mesure que ces systèmes gagnent en autonomie, les entreprises doivent clairement définir les actions qui peuvent leur être déléguées, celles qui nécessitent une validation humaine et les responsabilités associées aux décisions prises. Cet enjeu devient d'autant plus important lorsque plusieurs agents, applications et workflows interagissent entre différents systèmes et fonctions métier.

Cette nouvelle répartition des responsabilités exige des mécanismes de contrôle adaptés à chaque usage. Les règles d'accès, de sécurité et d'utilisation des données doivent être intégrées dès le développement, plutôt que vérifiées a posteriori. Les équipes métier peuvent ainsi gagner en autonomie, tout en évoluant dans un cadre commun qui garantit la cohérence des pratiques et la maîtrise des risques.

L'avenir : des écosystèmes agentiques gouvernés

À mesure que les entreprises déploient plusieurs agents, applications et modèles d'IA, l'enjeu ne sera plus seulement de gouverner chaque système individuellement, mais de maîtriser leurs interactions. Orchestration, surveillance et supervision humaine doivent donc être pensées comme des composantes de l'architecture dès le départ, et non ajoutées a posteriori.

En définitive, l'essor de l'IA agentique confronte les entreprises à une question en apparence simple : jusqu'où peuvent-elles déléguer leur capacité d'action à un logiciel ? À mesure que l'IA passe de la génération d'informations à l'exécution d'actions, la gouvernance ne peut plus être pensée comme un contrôle extérieur au système. Elle doit être intégrée à son architecture.

Pour les entreprises, l'enjeu dépasse la seule conformité : leur capacité à tirer parti de l'IA agentique dépendra moins du nombre d'agents déployés que de leur aptitude à en conserver la maîtrise à mesure qu'ils se multiplient.