Les entreprises voient dans l’IA agentique l’une des prochaines grandes évolutions technologiques. Pourtant, si l’intérêt est quasi unanime, la plupart des organisations ne disposent pas encore des fondations techniques nécessaires pour la déployer à grande échelle.
C’est l’un des principaux enseignements d’une étude menée par Harvard Business Review Analytic Services pour Cribl auprès de 351 dirigeants impliqués dans des projets d’IA agentique. Alors que 96 % des répondants considèrent cette technologie comme stratégique dans les deux prochaines années, seuls 23 % estiment disposer aujourd’hui des infrastructures et de la stratégie adaptées pour soutenir son déploiement.
Pour Cribl, spécialiste de la gestion des données de télémétrie, ce décalage s’explique principalement par l’évolution des besoins en matière de collecte, de traitement et de gouvernance des données. Les agents IA, capables d’exécuter des tâches de manière autonome et d’interagir avec différents systèmes, nécessitent des volumes importants de données contextualisées pour fonctionner efficacement. Selon l’étude, 76 % des organisations constatent déjà une hausse des volumes de données de télémétrie liée à ces usages, et près d’un tiers évoque un doublement ou davantage de ces flux. Cette montée en charge a également un impact financier. Parmi les entreprises ayant déjà déployé des agents IA, 47 % indiquent que leurs coûts d’infrastructure ont dépassé les prévisions initiales, tandis que plus de huit organisations sur dix anticipent de nouveaux investissements pour adapter leurs environnements techniques.
L’étude souligne également que les préoccupations liées à la confidentialité des données, le manque de compétences spécialisées, l’inadéquation des architectures existantes et la difficulté à mesurer précisément le retour sur investissement continuent de freiner les projets. Près de la moitié des dirigeants interrogés citent d’ailleurs l’absence d’indicateurs de performance clairs comme un obstacle à l’accélération des déploiements.
Pour les organisations les plus avancées, la réponse passe par une refonte de la stratégie de données. Elles cherchent à mieux exploiter les données de télémétrie, à les enrichir avec du contexte métier et à s’appuyer sur des architectures plus ouvertes afin de soutenir l’essor des agents IA. Une approche qui correspond à la vision défendue par Cribl, qui considère la télémétrie comme une couche essentielle pour fournir aux agents IA les données pertinentes dont ils ont besoin tout en maîtrisant les coûts d’infrastructure.
