Ils l'ont fait. Ils ont osé. Un papier intitulé « Bringing predictive analytics to the agentic AI era » — comprenez : « ça fait vingt ans qu'on vous vend des modèles qui prédisent, maintenant on vous vend qu'ils décident tout seuls ». Et surtout, on vous vend ça plus cher.
L'article commence par une affirmation en béton armé : en 2026, la question n'est « plus de savoir si les modèles prédictifs surpassent les prévisions statistiques — le débat est clos ». Clos par qui ? Sur quels chiffres ? Quel protocole ? Silence radio. C'est la technique du petit-déjeuner de séminaire : on déclare une victoire contestable comme un fait établi, et on enchaîne avant que quiconque ait eu le temps d'ouvrir un tableur.
Le débat soit-disant « clos » n'a jamais été ouvert
Un modèle de gradient boosting bien calibré, nourri de données propres, bat encore allègrement un LLM sur une prévision de demande à l'échelle SKU. Ce n'est pas une opinion, c'est une évidence statistique que n'importe quel data scientist honnête répète depuis deux ans, généralement dans un open space, généralement sans être écouté. La « question » que l'article balaie d'un revers de manche n'était pas un débat tranché. C'était un débat ennuyeux. Et l'ennui, dans cette industrie, est un crime capital.
Alors on a changé de sujet. Le mot « prédiction » avait un défaut rédhibitoire : il impliquait qu'on pouvait vérifier si le modèle avait eu raison. Le mot « agent » n'a pas ce problème.
Trois lettres de plus, dix fois le tarif
Suivez l'argent, c'est toujours là que l'histoire devient lisible. Un moteur de règles déterministe, ça se facture quelques dizaines de milliers d'euros par an. Le même moteur, avec un LLM posé dessus et une interface conversationnelle, devient une « plateforme d'IA agentique » — la licence est passée à la conversation, à l'« action », à la « résolution ». Certains éditeurs facturent déjà autour de deux dollars l'échange. Vos anciens dashboards n'avaient jamais généré de revenu récurrent de cette ampleur. Vos anciens dashboards avaient surtout un avantage insupportable : ils étaient auditables.
Le glissement lexical est documenté, massif, et personne n'est dupe. Gartner, qui n'est pourtant pas un repaire de bolcheviques, estimait dès juin 2025 que plus de 40 % des projets d'IA agentique seraient abandonnés d'ici fin 2027. Le même cabinet plaçait la technologie en plein sommet d'une courbe de désillusion, poliment rebaptisée. Ce n'est pas une prédiction, c'est un constat d'étape.
95 % dans le mur, et on réclame la carte bleue
En août 2025, une étude du MIT a lâché sa bombe : 95 % des pilotes d'IA générative n'ont produit aucun retour mesurable, sur un échantillon de plusieurs centaines de déploiements. Cinq pour cent. Le taux de réussite commercial du grille-pain en 1960. Et la réponse de l'industrie a été d'une élégance confondante : recommander d'acheter, plus vite, la version « agentique » de ce qui n'a pas marché.
Parce que c'est ça, la vraie innovation. Pas la technique — la gestion du narratif. Une IA prédictive qui se trompe, ça produit un graphique faux et un analyste qui lève le sourcil. Un agent autonome qui se trompe, ça produit un virement, un contrat annulé, une commande passée, une réputation en miettes. L'erreur change de nature. Elle devient irréversible. Mais le marketing, lui, ne change pas de ton.
« L'intention métier » : la formule magique qui annule toute obligation
La partie la plus savoureuse arrive avec le concept de « dérive » — comment empêcher l'agent de s'écarter de l'intention métier. Vraie question, posée vingt fois par les juristes, les commissaires aux comptes et les assureurs, et balayée à chaque fois par la même incantation : « alignement ».
Or une intention non écrite, non mesurée et non contractualisée n'existe pas. Elle ne s'audite pas, ne se teste pas, ne se plaide pas. Et voilà pourquoi les éditeurs adorent ce mot : il les exonère de tout. Quand un agent se trompe, la faute revient à votre intention floue, pas à leur modèle. C'est du génie contractuel. Les cabinets de conseil facturent la définition de l'intention. Les éditeurs facturent sa réalisation. Vous achetez les deux, et vous portez le risque. Élégant, non ?
Détail que l'article omet soigneusement : le 2 août 2026, les obligations européennes pour les systèmes d'IA à haut risque entrent en application. Documentation technique, traçabilité, supervision humaine effective, évaluation de conformité. Le calendrier n'a rien d'hypothétique. On parle là de vos agents qui décident des conditions de crédit, du tri de CV, de l'accès aux services essentiels. Écrire en 2026 un papier sur l'autonomie décisionnelle sans prononcer une seule fois le mot « responsabilité », il fallait le faire. Ils l'ont fait.
La question qu'on ne vous posera jamais
Aucun de ces articles ne commence par : « Qui signe quand ça déraille ? » Aucun ne mentionne la police d'assurance, le journal d'audit, la procédure de recours. Pas de chapitre sur le salarié dont l'agent évalue la performance, ni sur le client dont l'agent refuse le dossier. Pas un mot sur la réversibilité, cet aveu qu'on ne vendra jamais.
Alors posons-la, la question. Votre fournisseur vous certifie-t-il contractuellement le résultat d'une décision prise par son agent ? Acceptera-t-il une clause de responsabilité solidaire, chiffrée, plafonnée en votre faveur ? Exigera-t-il une assurance erreur d'agent — et à quel prix, puisque l'actuaire, lui, ne croit pas au storytelling ?
Posez-la. Regardez la réaction. Le silence qui suivra vous en apprendra plus que dix livres blancs sur l'IA agentique. Et surtout : il ne coûte rien. Contrairement à l'autonomie.