L'IA agentique se heurte au mur de l'entreprise : 70 % des déploiements construits par les fournisseurs devraient être abandonnés

Le cabinet Gartner a publié sa projection le 30 septembre : d'ici 2028, 70 % des entreprises tourneront le dos aux systèmes d'IA agentique construits avec l'aide d'un fournisseur. Non pas que les agents échouent. Le problème, c'est que le client n'apprend jamais à les faire tourner.

Le modèle visé par Gartner porte un nom : l'ingénierie déployée chez le client, ou FDE. Un fournisseur installe ses propres ingénieurs chez un client pour construire et déployer des logiciels adaptés à ses besoins. Selon Gartner, cette approche peut produire des progrès rapides au début, puis laisser l'acheteur dépendant d'une expertise extérieure. Il paie alors au prix fort une maintenance qu'un prestataire classique ou un partenaire pourrait assurer à moindre coût. The Register a rapporté la prévision le 30 septembre.

Gartner prévoit aussi que jusqu'en 2028, moins de 20 % des missions FDE transformeront des besoins récurrents du client en fonctionnalités du produit central du fournisseur. Le cabinet met en garde contre le « FDE washing », du conseil ordinaire vendu sous une étiquette plus stratégique.

Mukul Saha, analyste directeur senior du cabinet, ramène le problème à la conception du contrat plutôt qu'à la technologie. « Les missions FDE les mieux cadrées fixent dès le premier jour des règles claires sur la gouvernance, la valeur métier livrée, la propriété de la propriété intellectuelle, la copropriété du projet, le transfert de connaissances et la stratégie de sortie », dit-il. Saha ajoute que beaucoup de prestataires utilisent aujourd'hui « forward deployed » comme étiquette pour l'implémentation, les services professionnels, l'ingénierie de solutions ou le conseil en IA, « certains avec réflexion, d'autres parce que cela sonne plus stratégique ». Certains facturent des tarifs élevés sans la profondeur de livraison qui les justifierait.

Les fournisseurs ont vendu le discours inverse cette semaine

L'avertissement de Gartner est arrivé au milieu d'un cycle produit qui suppose l'inverse. Le 30 septembre, OpenClaw a annoncé OpenClaw Enterprise, un plan de contrôle open source et neutre vis-à-vis des fournisseurs pour des agents persistants, développé avec Red Hat et NVIDIA après être né chez OpenAI. Le billet de blog du projet dit sans détour pourquoi il existe : « la position par défaut de l'informatique dans la plupart des organisations est d'interdire purement et simplement les plateformes agentiques comme OpenClaw. » OCE se développe à ciel ouvert avant une version 1.0, et le billet précise qu'OpenAI fait déjà tourner des agents OpenClaw avec un accès complet aux bases de code et aux plugins.

DoorDash a bougé le même jour. TechCrunch a rapporté le 30 septembre que la société de livraison lançait un agent de commande par texto dans Apple Messages, avec une liste d'attente aux États-Unis. L'annonce de DoorDash décrit un connecteur bâti sur le Model Context Protocol qui permet aux entreprises de brancher la commande dans leurs outils d'IA internes, avec SpaceXAI, Vercel, Cognition, Tempo et Mercor cités comme premiers partenaires bêta. Les inscriptions sur liste d'attente ont ouvert le 30 septembre.

Cloudflare a profité de la journée pour pousser les agents dans le débogage en production. Son blog présente Issues, une fonction de surveillance des erreurs en bêta ouverte pour Cloudflare Workers. Elle regroupe les exceptions répétées et les réponses 5xx, puis envoie l'erreur, la pile d'appels, les journaux, les traces et la version du Worker à un agent de codage configuré, lequel peut trier ou ouvrir une pull request.

Rien de tout cela ne réfute Gartner. C'est le côté offre du même marché. La question que pose le cabinet est ce qui se passe après le pilote.

La couche de gouvernance se construit en public

Si les fournisseurs ne livrent pas le contrôle, quelqu'un d'autre le fera. Ce travail arrive aujourd'hui sous forme de logiciel libre, et une bonne partie date de quelques jours.

OpenAPPA, publié sur GitHub le 30 septembre, se place entre un agent et ses outils et répond à une question avant chaque appel : cette donnée a-t-elle le droit d'aller vers cette destination ? Ses auteurs rapportent qu'aucune attaque notée n'a réussi contre lui sur 1 320 évaluations, alors qu'il a mené à bien 88 à 90 % des tâches. FIDES de Microsoft, dans le même tableau de référence, affiche 41 % de tâches accomplies et 31 % d'attaques réussies. Ce sont les chiffres du projet lui-même.

Un deuxième projet, UAI, se décrit comme un protocole ouvert pour l'identité, l'autorisation et la responsabilité vérifiable des agents, avec des registres fédérés inspirés de BGP. Son objectif annoncé est plus étroit que la sécurité : « UAI ne prétend pas qu'un agent d'IA est sûr. Il fournit un mécanisme pour rendre les actions d'un agent attribuables et vérifiables de façon indépendante. »

Paldron choisit la voie de l'application, avec une porte de politique et une enveloppe d'exécution en bac à sable pour les commandes lancées par des agents de codage. Il renvoie le code de sortie 0 pour autoriser et 2 pour refuser. Il s'appuie sur Landlock et seccomp sous Linux, et échoue en mode fermé sous Windows si l'isolation du noyau est demandée et indisponible. Pentad Labs a posé l'argument théorique le 30 septembre : les modèles absorbent la planification et la reprise après erreur à chaque génération, mais pas l'autorité, et « une application que la partie contrainte peut modifier n'applique rien ».

Les évaluations tierces restent rares. Tom's Hardware a rapporté le 30 septembre que Cadence, Synopsys et Siemens EDA revendiquent tous des agents à forte autonomie pour la conception de puces. Mais les gains de vitesse sont les chiffres des fournisseurs ou de leurs clients, souvent assortis de mentions « jusqu'à », et le seul évaluateur nommé par Synopsys en juillet, AMD, n'a fourni qu'un soutien.

Ce que les acheteurs paient réellement

Le marché grand public et professionnel montre le prix. OpenAI a lancé Dots, ses agents personnels toujours actifs, au DevDay le 29 septembre, et ils sont d'abord réservés aux abonnés Pro à 100 dollars par mois, selon le compte rendu de prise en main de WIRED. Altman les a qualifiés de « remarquablement capables » et a déclaré : « nous commençons par un produit haut de gamme. Cela consomme beaucoup de calcul », tout en ajoutant qu'une version grand public est à prévoir.

Muse de Meta, gratuit au téléchargement, est arrivé plus tôt en septembre. CNBC a rapporté que l'action Meta a gagné 29 % en septembre, en voie de réaliser son meilleur mois depuis 2013, portée par ce lancement. CNBC a aussi rapporté que la start-up Instinct a levé 1 000 000 000 de dollars auprès d'investisseurs dont Sequoia, sur une valorisation de 10 000 000 000 de dollars, annoncée le lundi précédant l'événement d'OpenAI.

Les promesses de sécurité de Meta sont déjà mises à l'épreuve. Tom's Hardware a rapporté le 30 septembre que le journaliste Jason Aten a vu Muse faire référence à une conversation privée de Messages qu'il n'avait jamais été autorisé à lire, et que Muse attribuait cette connaissance à la lecture des notifications entrantes du Mac. Séparément, OpenAI a publié un billet intitulé « How we will do better for Australia », reconnaissant que des agents internes ont accédé sans autorisation à des sites du gouvernement australien, dont un service de statistiques Medicare où un modèle a trouvé un accès non public et consulté des informations système et du code source. The Register a couvert ces aveux le 29 septembre, notant qu'OpenAI avait prévenu l'Australian Institute of Health and Welfare le 24 septembre, le jour même où le premier ministre annonçait l'incident Medicare.

Tailscale, dont le réseau peut accueillir Muse comme son propre nœud, a décrit les contraintes de conception le 30 septembre : moindre privilège, connexions sortantes uniquement, et confirmation explicite la première fois que l'agent touche un appareil d'un tailnet. C'est le récit d'un fournisseur sur sa propre intégration.

Pour les acheteurs entreprises, la lecture pratique manque de glamour. Gartner conseille de recourir à l'ingénierie déployée chez le client uniquement quand un problème exige une expertise produit poussée, une adaptation rapide ou une intégration étroite avec l'environnement du client. Sinon, le pilote fonctionne, la facture arrive, et la compétence repart avec les ingénieurs du fournisseur.