L'IA n'est pas un chatbot : les trois visages de l'IA en entreprise.

« On fait de l'IA » peut vouloir dire qu'on a distribué des licences de chatbot, qu'on fait tourner des modèles de prédiction, ou qu'on a des agents qui exécutent de vrais processus. Trois réalités, trois niveaux de valeur, trois niveaux d'exigence. Une grille de lecture s'impose avant de signer quoi que ce soit.

Visage 1 — l'assistant : utile, générique, diffus

C'est l'IA que tout le monde a vue : un chatbot qui rédige, résume, traduit, reformule. Elle rend service à chaque collaborateur pris individuellement — quelques minutes ici, un brouillon là. Sa limite est structurelle : elle est générique. Elle ne connaît ni vos processus, ni vos données, ni vos règles ; ses gains sont réels mais diffus, difficiles à mesurer, impossibles à capitaliser. Distribuer des licences n'est pas une stratégie IA — c'est de la bureautique améliorée. Nécessaire, pas transformant.

Visage 2 — l'analytique : puissante, et pas nouvelle

Prédire une demande, scorer un risque, détecter une anomalie : cette IA-là existait avant les chatbots, sous le nom de machine learning. Elle produit de la connaissance — un chiffre, un score, une alerte — et s'arrête là : il reste un humain pour décider et un processus pour agir. Sa valeur est réelle quand la donnée est propre et la décision branchée sur le résultat. Son piège est connu : le modèle brillant dont les prédictions ne changent rien, parce que personne n'a construit le chemin entre la prédiction et l'action.

Visage 3 — l'agentique : des processus qui s'exécutent

Le troisième visage ne converse pas et ne prédit pas : il fait. Des agents qui analysent des flux, écrivent et testent du code, contrôlent des fichiers, produisent de la documentation, préparent des restitutions — sous arbitrage humain, dans un cadre défini, avec des règles de sécurité. C'est cette IA-là qui change l'économie d'une entreprise, parce qu'elle s'attaque aux processus eux-mêmes : ce qui demandait une équipe et des mois demande un binôme et des semaines. Nos agents exécutent, nous arbitrons — et l'humain signe la mise en production.

Pourquoi la confusion coûte cher

Parce qu'on évalue l'un avec les promesses de l'autre. On déploie des assistants (visage 1) et on s'étonne de ne pas voir la transformation (visage 3) dans le P&L. On lance un POC analytique (visage 2) et on le juge sur des critères d'outillage qu'il n'a jamais eus. Pire : « l'IA a déçu » devient une conclusion d'entreprise, alors qu'on n'a jamais essayé que le visage le moins engageant. Le bon réflexe est de nommer, pour chaque initiative, le visage concerné — et d'exiger le niveau de preuve qui va avec.

Reconnaître un vrai projet agentique

Trois questions suffisent. Quel processus, précisément, sera exécuté — avec quel début, quelle fin, quel volume ? Quelles données l'agent devra-t-il lire et produire, et sont-elles accessibles ? Qui est responsable de ce que l'agent produit, et qui signe la mise en production ? Si les trois réponses existent, l'enjeu se chiffre et le projet se cadre. S'il en manque une, vous êtes probablement devant un assistant déguisé en transformation — et il vaut mieux le savoir avant de payer.