Les discussions sur le thème « Comment optimiser le retour sur investissement de ces agents ».

Toutes les équipes de direction mènent actuellement une discussion de ce genre, sous une forme ou une autre. Le CAC est en hausse. Le NRR est sous pression.

L'ancienne stratégie de GTM — plus de commerciaux, plus d'outils, plus de dépenses — est en train de s'essouffler. Les agents IA constituent la solution évidente.

Voici donc la mission : déployer des agents, réduire les coûts, démontrer le retour sur investissement.

Et là, il se passe quelque chose de gênant.

L'agent doit agir en fonction des données opérationnelles. Il doit suivre le parcours d'une interaction client tout au long de la chaîne de processus jusqu'à son aboutissement. Il doit faire le point entre les dépenses marketing, les actions commerciales, les produits livrés et l'expérience réelle du client, et ce, à travers des systèmes qui n'ont jamais été conçus pour communiquer entre eux.

Les données sont fragmentées. Elles ne sont pas harmonisées. Elles sont dépourvues du contexte opérationnel qui permet d'attribuer le retour sur investissement.

Ce n'est pas l'agent qui constitue le goulot d'étranglement, mais ce sur quoi il opère.

C'est le schéma qui se répète dans toutes les entreprises qui tentent de passer des démonstrations d'IA à son déploiement. Les modèles sont performants.

Les agents sont prêts. Mais la base sous-jacente — c'est-à-dire les données opérationnelles dont ces agents ont besoin pour raisonner — a été conçue pour des humains qui consultent des tableaux de bord, et non pour des machines chargées de prendre des décisions.

Un agent « brillant » qui se base sur des données non validées ne génère pas de retour sur investissement. Il fournit des réponses affirmées que personne ne peut vérifier.

Les entreprises qui obtiennent de réels résultats ne sont pas celles qui disposent des meilleurs agents. Ce sont celles qui ont d’abord mis de l’ordre dans leurs données. Elles ont établi une base solide où chaque activité sait où elle se situe dans un processus, où chaque entité est harmonisée d’un système à l’autre, et où chaque indicateur peut être retracé jusqu’à sa source. Les agents fonctionnent parce que les données sur lesquelles ils s’appuient ont été validées avant leur déploiement.

La vérité dérangeante qui se cache derrière le discours « il faut que ces agents génèrent un retour sur investissement » est que le problème du retour sur investissement ne relève pas des agents. Il s'agit d'un problème d'architecture des données. Et tant que ce problème n'aura pas été résolu, chaque déploiement d'agents ne servira qu'à mesurer des ombres.

Le problème n'a jamais été le manque d'intelligence. Il s'agissait avant tout de produire des éléments sur lesquels on puisse s'appuyer pour raisonner.