Un pilote d’agent IA coûte quelques dizaines d’euros par mois. Un parc d’agents en production coûte ce que coûte une petite équipe. Entre les deux, il n’y a pas une différence de degré, il y a un changement de nature que la plupart des entreprises découvrent au moment de la facture.

C’est le point de bascule de 2026. Après deux ans passés à démontrer que la technique fonctionne, les directions se heurtent à deux murs qui n’ont rien de technique : le coût réel d’un agent qui tourne vraiment, et l’incapacité à expliquer ce qu’il a fait. Les chiffres publiés cet été le disent sans détour.

Le chiffre qui devrait vous arrêter

Dans son AI Pulse d’été, publié le 23 juillet 2026 et construit sur les réponses de 2 145 dirigeants dans 20 pays, KPMG relève que 37 % des entreprises françaises pourraient réévaluer leur stratégie d’investissement dans l’IA en raison de la hausse des coûts. Ce n’est pas une intention d’abandonner. C’est une remise à plat, presque quatre entreprises sur dix, sur un sujet où l’on nous expliquait il y a un an que le coût du token allait s’effondrer et régler la question tout seul.

Le coût du token a effectivement baissé. Ce n’est pas lui qui pose problème. Ce qui a explosé, c’est le nombre de tokens qu’un agent consomme pour faire son travail, et surtout la part de cette consommation qui ne produit rien d’utile.

Pourquoi le pilote ment sur le coût

Quand vous testez un agent, vous lui donnez une tâche propre, un contexte court, et vous regardez le résultat. Quand il passe en production, quatre choses arrivent en même temps, et aucune n’apparaissait dans le pilote.

Le contexte gonfle. Un agent utile connaît vos dossiers, vos règles, vos échanges précédents. Chaque appel transporte cette mémoire. Un agent qui coûtait trois centimes par exécution avec un contexte de 2 000 tokens en coûte trente avec un contexte de 40 000, pour un travail identique.

Les reprises ne sont pas gratuites. En démonstration, l’agent réussit du premier coup, sinon on ne montre pas la démonstration. En production, il se trompe d’outil, reçoit une réponse vide, recommence. Chaque reprise est facturée comme un succès. Sur nos propres chaînes, la part d’appels qui n’aboutissent à rien d’exploitable se situe entre 10 et 20 % selon la complexité de la tâche, et c’est un chiffre que nous surveillons comme on surveille un taux de rebut en atelier.

La supervision est du travail humain. Un agent qui produit dix livrables par jour, ce sont dix livrables à relire. Tant que personne ne mesure ce temps, le gain affiché est faux. C’est d’ailleurs le calcul que nous détaillons dans notre article sur le retour sur investissement d’un workflow agentique : le poste qui fait basculer un ROI positif en ROI négatif est presque toujours la relecture, jamais l’inférence.

L’infrastructure devient un sujet. Dès que plusieurs agents tournent en parallèle, la latence et le débit cessent d’être des détails de confort et deviennent des lignes de coût, avec des arbitrages de dimensionnement qui ressemblent à ceux de n’importe quelle infrastructure. Nous avons consacré un article entier à cette bataille du débit et de la latence, parce que c’est le moment où le sujet quitte le bureau du responsable innovation pour arriver sur celui de la DSI.

L’autre mur : personne ne sait ce que l’agent a fait

La même étude KPMG relève que 31 % des organisations françaises considèrent la difficulté à comprendre le comportement des agents IA comme un frein majeur. Une entreprise sur trois, donc, a un agent qui fonctionne et qu’elle n’ose pas laisser travailler seul, faute de pouvoir répondre à une question simple : pourquoi a-t-il fait ça.

Cette question n’est pas philosophique. Elle arrive le jour où un client conteste un livrable, où un contrôle interne demande une trace, où un collaborateur affirme qu’il n’a jamais validé ce que l’agent a envoyé. Si votre agent ne tient pas un journal de ce qu’il a reçu, décidé et produit, vous n’avez rien à opposer.

Le même rapport indique que 50 % des organisations françaises jugent seulement « assez claire » la responsabilité liée à la qualité et à l’actualisation des données. Une responsabilité assez claire, c’est une responsabilité qui n’est claire pour personne le jour où il faut la porter.

La parade est moins sophistiquée qu’on ne l’imagine. Elle tient en trois décisions : l’agent écrit tout ce qu’il fait dans un journal consultable, il cite ses sources dans le livrable lui-même, et il s’arrête devant les décisions que vous avez désignées comme les vôtres. Un agent qui s’arrête et attend n’est pas un agent raté, c’est un agent conçu.

Ce qui sépare un agent d’un parc d’agents

L’écart entre l’expérimentation et la production reste béant. Un rapport de First Page Sage publié le 22 juin 2026, qui agrège plus de trente études portant sur plus de 16 000 entreprises, mesure que 62 % des projets d’IA agentique des grandes entreprises sont encore en phase d’expérimentation. La proportion monte à 70 % dans les entreprises intermédiaires et à 80 % dans les PME. En face, les déploiements complets à grande échelle plafonnent à 13 % chez les grandes entreprises, 5 % chez les intermédiaires, 3 % dans les PME.

Autrement dit, presque tout le monde a un agent qui marche, et presque personne n’a un parc qui tourne. L’obstacle n’est pas la capacité à construire le premier agent, qui est aujourd’hui à la portée de quiconque sait décrire son métier. L’obstacle est tout ce qui vient après : la reprise sur erreur, le suivi des versions, les droits, la supervision, l’arrivée du deuxième et du dixième agent. C’est exactement le passage que nous décrivons dans industrialiser après le pilote, et c’est là que se joue la différence entre une démonstration réussie et un actif d’entreprise.

Ce que nous faisons chez nos clients

Trois réflexes, appliqués dès le premier agent plutôt qu’au moment où la facture surprend.

Mesurer avant de déployer. Sur cent exécutions réelles, relever le coût moyen, le taux de reprise et le temps de relecture humaine. Ces trois nombres tiennent sur une ligne et disqualifient à eux seuls la moitié des cas d’usage qu’on nous propose. Mieux vaut le savoir avant d’avoir câblé l’agent à cinq outils.

Il faut aussi accepter le verdict quand il est mauvais. Le déploiement d’un agent sur un processus qui coûte trente euros par mois en temps humain ne se justifie pas, quel que soit l’enthousiasme de la démonstration. KPMG note d’ailleurs que le premier levier d’adaptation cité par les entreprises est la restructuration des workflows, à 47 %, devant le recrutement de profils IA à 43 % et la formation à 41 %. La priorité affichée n’est pas d’acheter de la technologie, elle est de réorganiser ce qui existe.

Journaliser dès le premier jour. Ajouter un journal après coup demande de reprendre l’architecture. L’écrire au départ ne coûte presque rien et vous donne, gratuitement, la traçabilité que le contrôle interne réclamera dans six mois.

Désigner les points d’arrêt. Avant d’écrire la moindre consigne, lister les décisions que l’agent ne prendra jamais seul. Chez nous, un agent rédige, illustre et publie, mais il n’envoie jamais un message à un client sans validation. Ce n’est pas de la prudence, c’est le partage du travail qui rend l’ensemble défendable.

Ceux qui butent aujourd’hui ne sont pas ceux qui ont mal choisi leur modèle. Ce sont ceux qui ont traité le pilote comme une preuve, alors que c’est seulement une hypothèse. Les erreurs qui reviennent le plus souvent sont d’ailleurs assez peu variées, et nous les avons rassemblées dans les erreurs classiques qui font échouer un projet d’agent IA.

Ce qu’il faut retenir

Le coût et l’explicabilité ne sont pas des problèmes qui se résoudront tout seuls par la baisse des prix ou par la prochaine génération de modèles. Ce sont des problèmes de conception, et ils se règlent au moment où l’on dessine l’agent, pas au moment où l’on découvre la facture. Un agent bien conçu sait ce qu’il coûte, garde la trace de ce qu’il fait, et s’arrête là où vous avez décidé qu’il devait s’arrêter.

L’IA propose, vous décidez.

Sources

• KPMG, AI Pulse édition été 2026 : l’IA en France face au défi de la valeur, publié le 23 juillet 2026, enquête auprès de 2 145 dirigeants dans 20 pays.
• Position Zero, IA agentique : les entreprises testent encore plus qu’elles ne déploient, reprise du rapport First Page Sage du 22 juin 2026, agrégation de plus de 30 études portant sur plus de 16 000 entreprises.