Agent IA sur mesure, branché sur vos outils.

On présente souvent les agents IA autonomes comme des employés numériques capables de tout faire seuls. En entreprise, la réalité est plus nuancée, et c’est une bonne nouvelle : le niveau d’autonomie se règle, tâche par tâche.

Nous distinguons trois niveaux, que nous fixons avec vous pendant le cadrage :

• Assister : l’agent prépare un brouillon, une synthèse ou une recommandation. Un membre de l’équipe valide tout. C’est le bon point de départ pour les réponses aux clients.
• Agir sous contrôle : l’agent exécute seul les actions simples et réversibles, comme classer une demande ou compléter une fiche, et soumet les autres à validation.
• Agir seul : réservé aux tâches à faible risque, bien bornées, dont la qualité a été mesurée sur plusieurs semaines.

Ce curseur évolue avec le temps. Un agent commence presque toujours au premier niveau, puis gagne en autonomie à mesure que ses résultats sont mesurés. Chaque action est journalisée : vous savez à tout moment ce que l’agent a fait, sur quelle base et avec quel résultat.

Techniquement, cette supervision repose sur des règles explicites plutôt que sur la seule bonne volonté du modèle : liste fermée des actions possibles, droits d’accès minimaux dans chaque outil, seuils de confiance en dessous desquels l’agent passe la main, et alertes en cas de comportement inhabituel. C’est ce qui permet de répondre sereinement à la question du comité de direction : « que se passe-t-il quand il se trompe ? ».

Un agent IA en entreprise n’est pas un outil de plus. Il travaille dans les logiciels que vos équipes utilisent déjà et prend en charge les étapes qui ne demandent pas de jugement : chercher, recouper, ressaisir, préparer.

Les meilleurs candidats partagent trois caractéristiques :

• une tâche fréquente, répétée plusieurs dizaines de fois par semaine ;
• des règles connues, même si elles ne sont écrites nulle part ;
• des données accessibles dans vos outils, par API ou par export.

Le service client, la qualification commerciale, le traitement des documents et la préparation des dossiers reviennent le plus souvent. Vous trouverez des exemples détaillés par métier dans nos cas d’usage, du service client aux opérations.

À l’inverse, nous déconseillons un agent quand la tâche est rare, quand chaque cas est unique ou quand les données ne sont pas accessibles. Une simple automatisation ou un chatbot appuyé sur vos documents suffit alors, pour un coût bien moindre. Le diagnostic initial sert précisément à faire ce tri avant d’investir.

Pour estimer l’intérêt d’un agent, nous partons de trois chiffres que vous connaissez déjà : le nombre de fois où la tâche revient chaque mois, le temps qu’elle prend, et le coût horaire de la personne qui s’en charge. Nous les comparons au coût de construction et au coût d’usage des modèles, qui se calcule à la tâche. Notre calculateur de retour sur investissement fait ce calcul en deux minutes.

Le dernier critère est humain. Un agent réussit quand l’équipe qui va l’utiliser participe à sa conception : c’est elle qui connaît les exceptions, les cas limites et les raccourcis. Nous l’associons dès le cadrage, puis nous la formons à superviser l’agent plutôt qu’à le subir.

Les plateformes « sans code » permettent de créer un agent en quelques heures. Elles sont parfaites pour tester une idée. Elles atteignent leurs limites dès qu’il faut se connecter à un ERP ancien, respecter des règles d’accès fines ou garantir l’hébergement des données en Europe.

Une agence agent IA comme Sirocco apporte trois choses qu’un outil ne fournit pas :

• L’intégration : nos équipes développent aussi des logiciels sur mesure, ce qui permet de connecter l’agent à vos applications, y compris celles qui n’ont pas d’API moderne.
• La mesure : un seuil de performance est fixé avant le développement, puis suivi en production. Vous savez ce que l’agent rapporte, et ce qu’il coûte.
• La réversibilité : le code, les instructions et les jeux de tests vous appartiennent. Vous pouvez changer de modèle, de fournisseur ou de prestataire sans repartir de zéro.

Le choix du modèle fait aussi partie du travail. Claude, GPT, Mistral ou un modèle open source hébergé chez vous : chacun a ses forces selon la tâche, la langue, le volume et la confidentialité requise. Nous comparons plusieurs modèles sur vos propres exemples pendant la phase de cadrage, puis nous gardons l’architecture assez souple pour en changer plus tard. Les prix et les performances évoluent vite ; votre agent ne doit pas rester prisonnier d’un fournisseur.

Pour les questions de vocabulaire, notre glossaire de l’IA explique les notions de LLM, de RAG et de MCP que vous croiserez dans tout projet d’agent.