Les organisations s’orientent vers l’utilisation de plusieurs plateformes d’orchestration pour les agents d’IA plutôt que de confier cette tâche à un seul fournisseur, selon une analyse continue des données de VB Pulse portant sur 107 organisations. 85 % des organisations utilisent au moins deux outils, tandis que 64 % en utilisent trois, et seulement 15 % s’appuient sur une seule plateforme. Cette diversité ne traduit pas seulement la volonté d’éviter la dépendance à un fournisseur unique ; elle reflète également les préoccupations concernant les capacités des fournisseurs en matière de sécurité et de gestion des autorisations, ainsi que la volonté des équipes d’IA d’imposer leurs propres contrôles.
Microsoft AI Foundry et Copilot Studio arrivent en tête des outils actuellement utilisés, apparaissant dans 70 % des environnements étudiés. OpenAI Agents SDK vient ensuite, avec 68 %, puis Claude Platform d’Anthropic, avec 47 %. Les participants utilisent également, à des degrés divers, Enterprise Agent Platform de Google, les outils LangChain et LangGraph, Salesforce Agentforce, Amazon Bedrock et LlamaIndex. Par ailleurs, 22 % d’entre eux exécutent des outils d’orchestration personnalisés en interne en plus des services des fournisseurs.
Un avenir multiplaforme
53 % des organisations s’attendent à ce que leur « niveau de contrôle » principal soit hybride d’ici la fin de 2026. À l’inverse, 14 % prévoient de s’appuyer sur un service géré par un fournisseur, 13 % envisagent de créer un niveau de contrôle interne personnalisé, tandis que 11 % misent sur des plateformes externes séparant la couche d’orchestration des fournisseurs de modèles.
Cette architecture ne semble pas encore stable : plus des deux tiers des participants prévoient de changer de plateforme au cours d’une année. 15 % ont indiqué que le changement aurait lieu dans les trois mois ou moins, 24 % dans un délai de trois à six mois et 28 % dans un délai de six à douze mois. Claude Agent SDK figure parmi les outils envisagés, avec 43 % des concepteurs participants qui l’étudient. En outre, environ un tiers examine Enterprise Agent Platform de Google, 31 % se concentrent sur une orchestration interne personnalisée et 25 % étudient les options d’OpenAI.
Malgré cette évolution continue, la satisfaction globale moyenne à l’égard des plateformes utilisées a atteint 4,17 sur 5. Toutefois, la satisfaction est tombée à 3,91 sur 5 lors de l’évaluation de la facilité de mise en œuvre, et à 3,63 sur 5 lors de l’évaluation du rapport qualité-prix. Cet écart suggère que le problème ne réside pas nécessairement dans l’absence d’outils, mais dans la difficulté à les intégrer et à les exploiter d’une manière qui justifie leur coût.
Que financent réellement les organisations ?
La flexibilité arrive en tête des critères de choix d’une plateforme, avec 29 %, suivie par les considérations de sécurité et d’autorisations, avec 17 %, ainsi que par la fiabilité du fonctionnement en production et le contrôle de l’exécution de l’agent, avec 15 % chacun. Seuls environ 10 % des participants ont considéré que le « verrouillage du modèle » ou la compatibilité native avec un modèle de base avancé constituait un facteur important. La facilité de développement a été citée par 8 %, le coût total de possession par 4 %, et les performances en matière de latence et de mémoire par seulement 2 %.
Cette priorité se reflète dans les postes de dépenses : la surveillance des agents et la correction de leurs erreurs représentent 31 % des dépenses, contre 30 % pour la mise en œuvre de la sécurité et des autorisations, et 19 % pour les outils de flux de travail. Cela marque un changement par rapport à une précédente vague de l’enquête de VentureBeat, dans laquelle les dépenses consacrées aux outils de flux de travail étaient les plus élevées.
Dans leurs priorités opérationnelles, les organisations se concentrent sur la fiabilité de l’achèvement des tâches, à 30 %, la gestion des flux de travail en plusieurs étapes, à 27 %, la productivité des développeurs, à 23 %, et la stabilité opérationnelle, à 13 %. Seules 7 % des organisations ont placé l’expérience utilisateur au premier rang de leurs priorités, ce qui indique que la construction de l’infrastructure et des contrôles précède encore l’amélioration des interfaces et de l’expérience d’utilisation.
Le problème de la visibilité et du contrôle des coûts
Les principales préoccupations liées au choix d’une plateforme sont les restrictions en matière de sécurité et de gestion des autorisations, à 37 %, suivies par la dépendance au fournisseur, à 23 %, la visibilité et la capacité de surveillance limitées, à 22 %, et le manque de flexibilité dans le choix des modèles et des outils, à 16 %. Plus urgent encore, environ une organisation sur cinq est incapable d’arrêter en temps réel les dépenses d’un agent d’IA devenu incontrôlable.
Pour y remédier, 30 % des organisations s’appuient sur des outils de contrôle natifs, tels que des plafonds budgétaires ou la réduction du taux d’utilisation, tandis que 25 % ont créé des passerelles personnalisées servant d’intermédiaires pour intercepter les agents incontrôlables. 25 % utilisent le routage dynamique afin de transférer les tâches lourdes vers des modèles moins coûteux. En revanche, 21 % s’appuient sur une surveillance réactive après la survenue du problème, comme l’examen ultérieur des journaux, sans bouton d’arrêt immédiat.
La taille de l’organisation ne semble pas être un facteur déterminant de la maturité du contrôle financier : 18 % des organisations comptant plus de 10 000 employés dépendent encore uniquement d’un contrôle réactif, contre 23 % des organisations plus petites. En pratique, cela signifie que disposer de ressources plus importantes ne garantit pas automatiquement l’existence d’outils capables de mesurer les dépenses et de les arrêter avant qu’elles ne s’aggravent.
Les véritables agents ne se sont pas encore généralisés
Les réponses des participants montrent que bon nombre des systèmes décrits comme des « agents » restent des assistants élémentaires ou des chatbots, et non des systèmes autonomes capables d’accomplir des tâches en plusieurs étapes. 47 % ont déclaré qu’entre 26 % et 50 % de leurs systèmes correspondaient à une véritable orchestration, tandis que 35 % ont indiqué que la proportion ne dépassait pas 1 % à 25 %. 14 % ont déclaré que 51 % à 75 % de leurs systèmes consistaient en des flux de travail complexes faisant intervenir plusieurs agents, tandis que seulement 2 % ont indiqué que 76 % à 100 % de leurs systèmes étaient avancés et semi-autonomes. En outre, 3 % ont déclaré qu’ils déployaient encore uniquement des chatbots.
Ces résultats concordent avec la vague de juin de VB Pulse, dans laquelle 71 % des participants ont déclaré qu’un quart ou moins de leurs agents déployés pouvaient mener à bien de manière autonome un travail en plusieurs étapes, tandis que seulement un dixième des participants ont indiqué avoir déployé des agents à grande échelle. Par conséquent, la tendance actuelle ne représente pas tant l’arrivée des agents autonomes à un stade mature que la construction des couches de contrôle nécessaires pour les accueillir à l’avenir. Alors que les organisations progressent dans la création de l’infrastructure, l’écart persiste entre le fait de qualifier un système d’« agent » et sa capacité réelle à exécuter de manière autonome des tâches interdépendantes.