Au-delà du cloud-native : vers l’entreprise agentique

Par le Dr FeiFei Li, Chief Technology Officer et président des activités internationales d’Alibaba Cloud

Pendant deux décennies, le cloud a permis aux entreprises de déployer des logiciels et de la puissance de calcul à une échelle sans précédent. L’IA ouvre aujourd’hui une nouvelle étape. C’est le passage du cloud-native à l’AI-native, puis à l’agent-native. Il ne s’agit plus seulement de gérer des infrastructures, mais d’orchestrer à grande échelle des capacités d’analyse, de décision et, désormais, d’action.

Pour les dirigeants, cette évolution est moins une question de technologie que d’organisation. Qui prendra les décisions, qui exécutera les tâches et à quelle vitesse ? Les réponses à ces questions détermineront en partie la manière dont les entreprises travailleront et resteront compétitives au cours de la prochaine décennie.

Des fondations techniques aux moteurs de décision

Cette transition est déjà engagée dans de nombreuses entreprises, notamment dans le support client, le risque, le marketing et les outils de productivité. Le cloud-native a modernisé les fondations techniques grâce aux infrastructures élastiques, aux conteneurs et aux microservices. Avec l’AI-native, le changement est d’une autre nature. Les applications sont conçues autour des modèles, et non enrichies après coup de quelques fonctions d’IA.

Ces modèles ne sont plus de simples fonctionnalités. Ils deviennent des moteurs de décision capables d’interpréter des données complexes, de personnaliser les expériences et d’automatiser des arbitrages, du crédit aux prévisions logistiques. Les plateformes AI-native réunissent modèles, données, boucles de rétroaction et supervision humaine. Elles s’apparentent de plus en plus à des systèmes d’exploitation de l’intelligence, capables d’apprendre en continu.

L’agent-native va plus loin

Le cabinet McKinsey décrit l’émergence d’organisations où humains et agents travaillent côte à côte, à un coût marginal proche de zéro. Cette nouvelle répartition du travail transforme les modèles économiques, le fonctionnement des entreprises et leur gouvernance. Avec l’agent-native, les agents peuvent planifier et exécuter des tâches en plusieurs étapes, utiliser différents outils et intervenir dans les systèmes de l’entreprise, sous supervision humaine. Ils deviennent ainsi une nouvelle catégorie d’utilisateurs, aux côtés des ingénieurs et des applications. Les interfaces cloud doivent à leur tour évoluer pour leur permettre d’accéder directement aux outils et aux services dont ils ont besoin.

Selon le cabinet d’études Gartner, 40 % des applications d’entreprise intégreront des agents spécialisés en 2026, contre moins de 5 % en 2025. Dans les grandes entreprises, leur nombre moyen pourrait passer d’une quinzaine en 2025 à plusieurs dizaines de milliers en 2028. À cette échelle, de nouvelles questions de gouvernance se poseront.

Des systèmes de référence aux systèmes d’action

L’AI-native et l’agent-native changent la manière dont les décisions sont prises et exécutées. En raccourcissant le délai entre détection, décision et action, l’IA agentique permet par exemple d’identifier une fraude, de lancer une microcampagne ou de réorienter des stocks plus rapidement. Les entreprises gagnent ainsi en réactivité et peuvent adapter leurs opérations par le logiciel plutôt que par des réorganisations.

Cette évolution touche également la manière de travailler. Certaines entreprises parlent déjà d’« employés non humains », dotés d’identifiants, de responsabilités précises et placés sous supervision humaine. Leur arrivée soulève des questions de responsabilité, d’audit, de risque et de culture, mais ouvre la possibilité d’accroître les capacités sans augmenter les effectifs au même rythme.

Elle change enfin l’arbitrage entre développement interne et achat de logiciels. À mesure que l’IA réduit le coût du développement sur mesure et de l’automatisation, les entreprises pourraient réexaminer leur dépendance aux plateformes SaaS monolithiques. Des processus jusqu’ici pris en charge par ces logiciels peuvent être formulés comme une intention, puis orchestrés par des agents.

Le nombre d’agents ne garantit pas le succès

Multiplier les agents ne garantit pas le succès. À mesure qu’ils gagnent en autonomie, la question est surtout de savoir dans quel cadre ils peuvent agir de manière sûre et efficace. Gartner souligne le taux d’échec élevé des projets d’IA générative et la nécessité de renforcer la sécurité et la supervision. Pour les entreprises, cela passe par des environnements d’exécution isolés, une gestion rigoureuse des identités et des contrôles adaptés à chaque tâche.

La technologie ne représente toutefois qu’une partie de l’équation. McKinsey souligne que les gains apparaissent lorsque les processus sont repensés de bout en bout autour de l’IA, avec une supervision humaine et un investissement dans les compétences et la culture. Les équipes doivent pouvoir travailler avec les agents comme avec des collaborateurs, et non comme avec de simples outils.

L’avantage se jouera dans la manière dont les entreprises feront leurs choix et les mettront en œuvre. Celles qui ciblent avec soin les processus à transformer et repensent les rôles autour d’équipes hybrides pourront avancer plus vite et apprendre à moindre coût.

Avancer sans brûler les étapes

Les dirigeants n’ont pas besoin de devenir des théoriciens de l’IA, mais d’aborder l’agent-native avec méthode. Cela suppose d’avancer par étapes, avec une gouvernance pensée dès le départ et un cadre sécurisé pour l’accès aux données et aux outils. L’enjeu n’est pas de multiplier les agents, mais de les intégrer progressivement aux processus de l’entreprise, d’en mesurer les résultats et d’apprendre au fil des usages.