L’ia en entreprise passe à l’automatisation par agents intelligents

L'adoption de l'IA en entreprise évolue vers des systèmes agentiques selon Databricks

Adoption de l'IA : les entreprises se tournent vers des systèmes agentiques

Selon Databricks, l’adoption de l’intelligence artificielle en entreprise connaît un tournant majeur grâce à l’émergence des systèmes agentiques. Les organisations passent de simples chatbots à des architectures où des agents d’IA planifient et exécutent des tâches de manière autonome dans des workflows intelligents.

Des promesses non tenues à l’essor des agents intelligents

La première vague de l’IA générative a souvent été décevante, avec des cas d’usage limités à des démonstrateurs ou des robots conversationnels isolés. Toutefois, les données récentes de Databricks, issues de plus de 20 000 entreprises (dont 60 % du Fortune 500), montrent un changement de paradigme. Les entreprises adoptent des architectures « agentiques » où les modèles ne se contentent plus de répondre, mais exécutent des actions concrètes dans des chaînes de traitement.

Entre juin et octobre 2025, l’utilisation de workflows multi-agents sur la plateforme Databricks a augmenté de 327 %. L’IA devient ainsi un véritable pilier des architectures informatiques modernes.

L'agent « superviseur » au cœur de l’adoption des systèmes agentiques

Ce changement est largement porté par l’essor de l’agent « superviseur ». Lancé en juillet 2025, cet agent orchestre les tâches en les découpant et en les déléguant à des sous-agents spécialisés. Il reproduit ainsi les principes des structures managériales humaines.

En octobre 2025, ce type d’agent représentait 37 % des usages. Les entreprises technologiques en sont les principales utilisatrices, avec près de quatre fois plus de systèmes multi-agents que les autres secteurs. Toutefois, la valeur ajoutée est transversale. Par exemple, le secteur financier utilise ces systèmes pour automatiser la conformité réglementaire et la réponse client.

Une pression accrue sur l’infrastructure traditionnelle

Avec les agents capables d’exécuter des tâches, les bases de données traditionnelles, souvent conçues pour des traitements humains ponctuels, se révèlent inadaptées. Aujourd’hui, 80 % des bases de données sont créées par des agents d’IA, contre seulement 0,1 % deux ans plus tôt.

De plus, 97 % des environnements de test et développement liés aux bases de données sont désormais lancés automatiquement, ce qui permet le déploiement rapide d’environnements éphémères. Depuis la version publique des Databricks Apps, plus de 50 000 applications data et IA ont vu le jour, avec un taux de croissance de 250 %.

La normalisation des stratégies multi-modèles

Pour éviter la dépendance à un fournisseur unique, les entreprises misent de plus en plus sur la diversité des grands modèles de langage (LLM). En octobre 2025, 78 % utilisaient au moins deux familles de LLM comme ChatGPT, Claude, Llama ou Gemini.

Entre août et octobre 2025, la part des entreprises utilisant trois modèles ou plus est passée de 36 % à 59 %. Cela permet d’optimiser les coûts, en confiant les tâches simples à des modèles plus légers tout en réservant les modèles avancés aux cas d'usage complexes.

Le secteur du retail est en tête, avec 83 % des entreprises utilisant plusieurs familles de modèles. Dans cette logique, les plateformes unifiées et interopérables deviennent essentielles pour construire une pile technologique IA moderne.

Autre tendance forte : 96 % des inférences IA sont aujourd’hui traitées en temps réel. Ce chiffre grimpe à 32 requêtes instantanées pour chaque traitement par lot dans le secteur technologique, et 13 contre 1 dans la santé, où la réactivité est cruciale.

La gouvernance : un accélérateur plutôt qu’un frein

Contrairement aux idées reçues, la gouvernance ne ralentit pas l’innovation en IA — elle l'accélère. Les entreprises qui utilisent des outils de gouvernance mettent 12 fois plus de projets IA en production.

De même, les organisations qui évaluent systématiquement la qualité des modèles enregistrent près de six fois plus de déploiements. Ces bonnes pratiques rassurent les parties prenantes grâce à une meilleure maitrise des risques liés à la sécurité, aux données et à la conformité.

Une automatisation utile et discrète de l’entreprise

L’intérêt réel de l’IA agentique réside dans l’automatisation des tâches répétitives à fort volume. Selon Databricks, les cas d’usage dominants par secteur sont :

• Industrie & automobile : 35 % des usages concernent la maintenance prédictive.
• Santé & sciences de la vie : 23 % sont dédiés à la synthèse de littérature médicale.
• Retail & biens de consommation : 14 % se concentrent sur l’intelligence de marché.

Près de 40 % des cas traitent directement des enjeux clients comme le support, l'onboarding ou la fidélisation. Ce sont ces usages « classiques » mais nécessaires qui bâtissent les fondations de déploiements plus avancés.

L’ingénierie au centre de la valeur IA

Pour Dael Williamson, CTO EMEA chez Databricks, la phase de test est derrière nous. Les entreprises déploient déjà des agents IA dans leurs systèmes critiques. Celles qui réussissent s'appuient sur des pratiques solides de gouvernance et d'évaluation.

Le véritable avantage compétitif ne réside plus dans la technologie en elle-même, mais dans la manière dont elle est intégrée, ouverte et opérée. Les plateformes interopérables qui permettent d’exploiter ses propres données sont désormais essentielles pour se différencier sur le long terme.

@ReservoirLive