Vos outils métiers n'ont pas été conçus pour recevoir un agent, et c'est le vrai sujet de la semaine. Pendant qu'on débat du meilleur modèle, les agents passent de la conversation à l'action : ils lisent votre CRM, déclenchent un paiement, modifient un enregistrement. Honnêtement, la plupart des entreprises que je croise ne sont pas prêtes à ça.
Un agent qui paie, c'est déjà lancé
Selon Fredzone, OpenAI a lancé le 14 novembre 2026 ChatGPT Wallet. L'option permet à des agents appelés « dots » d'acheter en ligne pour le compte de l'utilisateur. Elle est réservée pour l'instant à des abonnés ChatGPT Pro américains de 18 ans et plus, avec une carte Visa, Mastercard ou American Express émise aux États-Unis.
Le fonctionnement est instructif. Un jeton de paiement remplace les coordonnées bancaires, et l'agent transmet seul l'adresse de livraison et les coordonnées de contact au vendeur. Chaque achat est validé par Face ID ou empreinte digitale. L'humain reste donc dans la boucle, pour l'instant.
Ça ne durera pas. OpenAI prévoit d'ajouter des plafonds de dépenses et des règles par catégorie d'achat ou par période, pour que les agents gèrent des achats pré-approuvés en autonomie. Retenez ce détail : le passage de « je valide chaque achat » à « je fixe des règles et je laisse faire » est exactement le saut que vos propres agents feront dans vos outils.
Le trafic des agents grimpe, les ventes restent à prouver
Les chiffres qui circulent sont impressionnants. Dans une analyse d'a16z adaptée par TechFlow, le trafic navigateur des agents a été multiplié par 8 entre août et octobre 2026, d'après le suivi de Human Security. Meta, avec Muse, en capte 60 %, contre 30 % pour la suite OpenAI. Côté commerce, les données Shopify citées font état d'un trafic vers ses marchands multiplié par 8 sur un an au premier trimestre 2026, et de commandes issues de la recherche IA multipliées par près de 13.
Je reste prudent. Du trafic n'est pas du chiffre d'affaires, et le même article de Fredzone note que DoorDash et Uber rapportent pour l'instant de faibles volumes de commandes passées via IA. Aux États-Unis, 11 % des parcours d'achat en ligne passent déjà par une consultation d'IA avant le site transactionnel, selon a16z. C'est un signal sérieux, pas un raz-de-marée établi.
Ce que je retiens pour une PME : les agents cessent de simuler des clics. Selon a16z, le protocole MCP et les connecteurs de plugins leur permettent d'appeler directement les fonctions d'un service tiers. Claude propose déjà la connexion en un clic de plugins externes pour toute une organisation via l'administrateur. Si votre outil n'expose rien de propre, il sera contourné ou ignoré.
Cas d'école : l'agent qui recolle trois systèmes
Un retour d'expérience publié par Unite.AI décrit bien ce qu'un agent apporte quand le problème est précis. Une entreprise de réseau d'experts associait des demandes d'enquête à des experts à travers trois systèmes qui ne se parlaient pas. Son équipe vérifiait à la main profils, participations passées et conformité pour chaque mise en relation.
L'agent construit combinait une recherche sémantique, l'historique de participation et les règles de conformité. En production, les résultats rapportés sont nets.
Source : Unite.AI, 2026
Pourquoi ça a marché ? Le problème était spécifique : des informations éparpillées, un recollage manuel, une qualité de mise en relation mesurable avant et après. Notez aussi la précaution de l'auteur : un travail à règles fixes se traite souvent mieux par une automatisation classique, et un travail de recherche et de synthèse par un simple assistant. L'agent se justifie quand il faut lire un contexte, choisir entre plusieurs actions permises et enchaîner des étapes.
Précision de méthode : ce texte est écrit par la société qui a mené le projet. Je le lis comme un retour de terrain utile, pas comme une étude indépendante.
Ailleurs : les grands éditeurs vendent la gouvernance en kit
Du côté des grands comptes américains, la réponse arrive sous forme de plateforme. Selon Brief IA, IBM et Microsoft ont annoncé Imagine Enterprise le 10 novembre 2026. La plateforme vise d'abord les secteurs réglementés, avec des cadres pour la finance, l'assurance et le retail. Elle s'appuie sur plus de 6 000 actifs d'IBM Consulting Advantage, avec un déploiement en service managé ou en auto-gestion.
La gouvernance repose sur la pile Microsoft : Entra pour l'identité, Purview et Defender pour la gouvernance et la sécurité, Fabric, Microsoft 365 et Azure pour l'intégration aux systèmes existants. SEI, acteur de la fintech, explore ces capacités agentiques avec IBM Consulting. Le message est clair : les agents arrivent avec leur identité, leurs contrôles et leur observabilité, ou ils n'arrivent pas.
Vous n'avez pas besoin d'une telle plateforme pour en tirer la leçon. L'identité de l'agent, ses droits et la traçabilité de ses actions sont les premières briques que les grands éditeurs placent sur la table. Si vous les traitez en dernier, vous construisez à l'envers.
Le vrai problème : vos processus ne sont pas prêts
Selon la recherche 2026 de Deloitte citée par Unite.AI, seules 5 % des organisations jugent leurs processus métier très préparés aux agents. Gartner, de son côté, prévoit que plus de 40 % des projets d'IA agentique seront annulés d'ici fin 2027. Ces deux chiffres racontent la même histoire : l'IA est prête bien avant l'entreprise.
Le piège est connu. Une démo montre un remboursement traité en moins d'une minute. Puis l'agent bloque, parce que l'approbation se trouve dans un système financier auquel il n'est pas connecté et que l'adresse du client diffère entre deux bases. Ce sont les exceptions qui coûtent, et elles sont précisément ce que la démo évite.
Le calcul du temps gagné est le plus souvent faux. Prenons l'exemple chiffré d'Unite.AI : une demande prend 20 minutes à un employé, l'agent ramène le premier jet à 2 minutes, puis quelqu'un passe 15 minutes à vérifier et corriger. Il reste 3 minutes de gain, avant même de compter le coût de l'agent. Dans un cas bancaire cité par l'article, d'après McKinsey, les tokens pèsent 20 à 25 % des coûts d'exploitation variables, la supervision humaine 70 à 75 %. L'essentiel de la dépense est hors du modèle.
Et sous les processus, il y a la donnée. J'ai travaillé sur l'uniformisation et la segmentation d'une base de 16 millions d'e-mails pour La Poste. Lâchez un agent avec des droits d'écriture dans une base non nettoyée, il fera des dégâts à grande vitesse. C'est l'objet de ma note Arrêtez de chercher le meilleur modèle d'IA : assainissez votre CRM, et ça devient encore plus vrai quand l'IA agit.
Ce que je ferais à votre place
Trois options se présentent. La première : attendre que le marché se stabilise. C'est raisonnable pour un achat grand public, mais vos concurrents apprendront pendant ce temps, et vos clients commenceront à passer par des assistants. La seconde : acheter une plateforme complète, façon Imagine Enterprise. Elle se justifie dans un secteur réglementé avec de gros moyens, mais elle ne remplace pas la remise à plat de vos process. La troisième : un pilote de huit semaines sur un seul processus. C'est celle que je choisis, au rapport effort / valeur.
Voici comment je le cadrerais, en m'appuyant sur le déroulé d'Unite.AI.
- Semaines 1 et 2 : documenter le processus tel qu'il tourne, avec son volume, son temps, ses erreurs et son coût. Sans cette référence, vous ne saurez jamais si l'agent rapporte quelque chose.
- Semaine 3 : fixer les limites de l'agent, c'est-à-dire son identité, ses permissions et ses accès aux données.
- Semaines 4 à 6 : le tester sur ce qui casse les démos, comme les données incomplètes et les erreurs système.
Sur le niveau d'autonomie, je m'appuie sur la grille de Gartner de mai 2026 : Observer, Conseiller, Agir avec approbation, Agir de manière autonome. Mon choix : démarrez à Conseiller, montez à Agir avec approbation, et ne passez à l'autonomie que sur des actions réversibles et plafonnées. C'est le même chemin que celui d'OpenAI avec son Wallet : validation d'abord, plafonds ensuite.
Deux garde-fous non négociables. À chaque niveau, l'agent a sa propre identité, des droits limités à sa tâche et un journal de chaque action. Et quelqu'un doit pouvoir le suspendre et couper ses accès immédiatement. Unite.AI insiste aussi sur l'injection de prompt : des instructions cachées dans un document ou un e-mail que l'agent lit pendant un travail légitime. Un agent qui ne fait que lire et un agent qui écrit dans votre CRM ne présentent pas le même risque.
Dernier point, la place de l'agent. Dans le cas rapporté par Unite.AI, une société de services avait un agent de support qui interrogeait plusieurs systèmes, mais les équipes devaient ouvrir une application à part et ne le faisaient guère. Intégré à la plateforme de support, au cœur du ticket, il a été utilisé. Un agent de contrôle de conformité, intégré à Salesforce, tournait dès qu'un dossier était créé. L'agent n'avait pas changé, seule sa place dans le flux de travail avait changé.
Votre fiche d'identité sera lue par des machines
L'autre moitié du sujet concerne ceux qui vous achètent. Si des agents deviennent des intermédiaires d'achat, ils devront vous trouver et comprendre ce que vous vendez. OpenAI a lancé Businesses in ChatGPT, qui permet de revendiquer sa page professionnelle, d'intégrer des flux de produits et de mesurer les retours des utilisateurs, d'après a16z. OpenAI a aussi publié un Commerce Partner Playbook pour les commerçants, et Amazon bloque les agents au profit d'Alexa.
Bloquer ou accueillir est un choix de distribution, pas un choix technique. De mon point de vue, une PME n'a pas les moyens d'Amazon : mieux vaut être lisible que fermé. C'est le terrain d'Isoligne, mon projet qui regarde ce que les assistants IA disent des entreprises. Avant qu'un agent achète chez vous, il doit vous citer correctement. Je ne sais pas encore quelle part de vos ventes passera par là, et personne ne le sait vraiment. Mais préparer le terrain coûte peu.
Lundi matin
Choisissez un processus dont le coût ou les délais sont déjà évidents pour ceux qui le font tourner. Nommez un responsable métier, pas seulement un chef de projet technique. Mesurez le temps complet, vérification et corrections comprises, avant d'écrire la moindre ligne.
Listez ensuite les systèmes que l'agent devrait toucher et demandez-vous, pour chacun, qui approuve quoi. Si personne ne sait répondre, vous avez trouvé votre vrai chantier, et ce n'est pas un chantier d'IA.
Quel est l'objectif au final : gagner du temps, réduire les erreurs, ou vendre à des clients qui passent par un assistant ? La réponse décide du processus à piloter. Vous avez le même sujet sur la table ? Parlons-en trente minutes : https://yaokilab.com/rdv
Francis Meleard, fondateur de Yaoki Lab. Notes de terrain, chaque semaine.