85 % des entreprises utilisent une IA agentique sur une base de données qui n'est pas prête

Le défi des agents d'IA n'est pas qu'ils commettent des erreurs. C'est qu'ils peuvent commettre la même erreur au sein d'une entreprise, instantanément et à grande échelle.

Les entreprises n'attendent pas une IA agentique. Il est déjà en production, et les agents opèrent dans le cadre de véritables flux de travail commerciaux dans tous les secteurs. Mais la plupart des organisations s'appuient sur une base qui ne peut pas les soutenir. Gartner estime que plus de 40 % des projets d'IA agentiques seront annulés d'ici 2027, souvent parce que les entreprises sont passées trop rapidement à des cas d'utilisation que leurs données et leur infrastructure ne pouvaient pas prendre en charge de manière fiable.

Notre dernière étude, « Indice de préparation à l'IA agentique 2026 », quantifie cet écart. Près de 60 % des entreprises déclarent avoir investi des millions dans l'IA agentique, et 41 % l'utilisent déjà en production. Lorsqu'on leur demande ce qui les freine, la qualité et le lignage des données arrivent en tête de liste avec 42 %, suivis par la souveraineté et la conformité réglementaire à 39 %, et la sécurité et la confidentialité à 39 %. Le talent, la stratégie et les compétences occupent tous un rang inférieur.

Dans l'ensemble, 85 % ne disposent pas de la base de données nécessaire pour soutenir l'IA agentique à grande échelle, et cela se reflète dans leurs résultats.

[CTA_MODULE]

Il ne s'agit pas d'un problème de modèle. C'est un problème de données.

Seulement 15 % des organisations affirment qu'elles le sont entièrement préparé pour l'IA agentique aujourd'hui, et parmi ces organisations, presque toutes (98 %) font état d'une grande confiance dans le retour sur investissement de l'IA agentique. Parmi les moins préparés, ce chiffre tombe à 16 %.

Les entreprises qui bénéficient d'un retour sur investissement élevé grâce à l'IA agentique fonctionnent différemment. Les organisations parfaitement préparées ont mis en place 4 éléments :

• Déplacement automatique des données qui maintient les informations à jour
• Lignage qui montre d'où proviennent les données et comment elles ont évolué
• Interopérabilité qui permet aux données de circuler entre les systèmes sans être piégées
• Une gouvernance qui définit ce à quoi les agents peuvent accéder, ce qu'ils peuvent faire et les domaines dans lesquels l'évaluation humaine reste importante.

Le résultat est une base centralisée et gouvernée, où les données sont cohérentes, traçables et fiables dans l'ensemble de l'entreprise.

Les agents n'attrapent pas ce que les gens attrapent

Les utilisateurs consultent les tableaux de bord, les numéros de questions et remarquent quand quelque chose ne va pas. Les agents ne font pas ça. Ils opèrent dans n'importe quel contexte. Lorsqu'un système fonctionne de manière autonome, il ne s'arrête pas pour remettre en question les données ; il lit ce qui s'y trouve et agit en conséquence.

Un agent alimenté par des données de faible qualité ou mal gérées ne s'améliore pas au fil du temps ; il prend simplement les mauvaises décisions plus rapidement. Ce qui n'était auparavant que de petites erreurs (une intégration défaillante, un champ manquant, une définition contradictoire) sont devenues des défaillances à l'échelle du système.

La vraie question est donc de savoir si la base de données sous-jacente peut permettre un fonctionnement autonome à grande échelle. Pour 85 % des entreprises, ce n'est pas possible.

Ce qui change en matière d'infrastructure de données ouvertes

Un Infrastructure de données ouverte extrait les données des applications cloisonnées dans un fondation des lacs de données gouvernés, une source de vérité centralisée où les données structurées et non structurées sont stockées à grande échelle. À partir de là, les données peuvent être définies, connectées et accessibles de manière cohérente par les systèmes informatiques et d'IA en aval de l'entreprise. Les agents et les analystes travaillent à partir de la même vision complète, actuelle et fiable de l'entreprise. Les données circulent dans le système sans duplication entre plusieurs entrepôts et sans dépendre de connexions fragiles qui se brisent sous la pression.

La gouvernance en est un élément essentiel. Les agents ont besoin d'accéder aux données, mais ils ont également besoin de limites claires quant à ce qu'ils peuvent voir, à ce qu'ils peuvent faire et aux décisions qui nécessitent un examen humain. Il ne s'agit pas simplement d'une question de conformité. Cela devient une condition de participation. Soixante-cinq pour cent des entreprises déclarent qu'elles restreindraient fortement ou bloqueraient carrément les fournisseurs qui ne peuvent pas répondre aux exigences de gouvernance et de souveraineté. Une fois que les agents entrent en production, la gouvernance devient la couche de contrôle qui détermine où les systèmes autonomes sont autorisés à fonctionner. L'infrastructure de données ouverte définit ces limites une fois et les applique à tous les systèmes connectés afin de les agents peuvent fonctionner de manière fiable au lieu de deviner.

Sans cette base, l'IA génère des poches de valeur. Les cas d'utilisation individuels fonctionnent et certains processus s'accélèrent. Mais cela n'évolue pas et ne change pas le mode de fonctionnement de l'entreprise. Grâce à une infrastructure de données ouverte, l'IA fait partie intégrante du modèle d'exploitation au lieu d'être simplement une couche de productivité.

Les entreprises qui tirent le meilleur parti de l'IA agentique sont celles qui ont construit les bases de données nécessaires pour la soutenir. C'est ce qui distingue les organisations qui enregistrent un retour sur investissement élevé de celles qui attendent encore de le voir.

[CTA_MODULE]