En 2025, les entreprises du Fortune 500 ont déployé en moyenne 35 agents d’intelligence artificielle autonomes dans leurs opérations, contre moins de cinq deux ans plus tôt. Ce n’est pas une métaphore sur la vitesse du changement technologique. C’est un fait organisationnel concret, avec des conséquences sur qui fait quoi, qui décide quoi, et qui porte la responsabilité de quoi.
Le rapport annuel de l’Institut Stanford sur l’intelligence artificielle publié en 2026 documente ce basculement avec une précision inhabituelle pour un sujet où le bruit médiatique dépasse généralement le signal. L’IA cesse d’être un outil qu’un humain utilise. Elle devient un agent qui agit, prend des décisions et interagit avec d’autres systèmes sans validation humaine à chaque étape. Ce glissement est discret dans les organigrammes. Il est massif dans les pratiques.
L’essentiel
- Les entreprises du Fortune 500 ont déployé en moyenne 35 agents IA autonomes en 2025, contre moins de 5 en 2023, selon l’AI Index de Stanford 2026.
- Les secteurs les plus avancés (finance, logistique, services juridiques) utilisent ces agents pour des tâches à décisions répétées : validation de crédit, planification de tournées, revue contractuelle.
- L’enjeu de gouvernance reste ouvert : dans la majorité des entreprises pionnières, la chaîne de responsabilité en cas d’erreur d’un agent n’est pas formellement définie.
- Les modèles d’organisation émergents (superviseur humain d’une flotte d’agents, architecte de workflows IA) sont testés mais pas stabilisés.
- Le prochain cycle de négociation sectorielle en Europe, notamment dans la banque et la logistique, devrait être le premier à intégrer explicitement la question des agents autonomes.
Trente-cinq agents par entreprise, et personne ne l’a vraiment prévu
Les chiffres de Stanford méritent qu’on s’y attarde. Le décompte d’agents IA actifs dans les grandes entreprises n’est pas un indicateur que les directions des ressources humaines suivaient. La plupart des déploiements ont eu lieu par la voie des DSI et des directeurs opérationnels, souvent en dehors des discussions sur la stratégie sociale. Un agent qui traite automatiquement les demandes de remboursement de frais, qui planifie les créneaux de livraison ou qui scanne des milliers de contrats pour identifier des clauses à risque n’apparaît pas dans l’organigramme. Il n’a pas de fiche de poste. Il n’est pas soumis à évaluation annuelle.
Cette discrétion organisationnelle est en partie structurelle. Les agents IA sont souvent des briques logicielles achetées comme des abonnements SaaS ou construites en interne par des équipes techniques sans mandat explicite pour consulter les représentants du personnel. Le résultat est une transformation qui avance à la vitesse des cycles de déploiement logiciel, pas à celle des négociations sociales.
Ce décalage n’est pas propre aux agents. Il reproduit le schéma observé avec l’automatisation des développeurs juniors, où les effets sur les recrutements sont apparus avant que les entreprises aient eu le temps de poser le cadre. La différence avec les agents autonomes, c’est l’échelle. Trente-cinq agents par entreprise du Fortune 500, c’est trente-cinq entités qui agissent, pas trente-cinq outils qu’un humain actionne.
Ce que font concrètement ces agents, secteur par secteur
L’IA agentique n’est pas homogène. Ses usages les plus avancés se concentrent dans trois secteurs où la répétition à haute fréquence de décisions standardisées crée un terrain fertile.
Dans la finance, les agents gèrent des pans entiers de la chaîne de crédit aux entreprises. JPMorgan Chase a déployé des agents capables d’analyser des bilans, de croiser des données sectorielles et de produire une recommandation de crédit que l’analyste humain valide ou non. Selon la banque, le traitement des dossiers PME a été significativement accéléré. L’analyste ne disparaît pas, mais son rôle se recentre sur les cas atypiques, les dossiers complexes, les décisions qui impliquent une relation client. C’est une reconfiguration, pas une suppression.
Dans la logistique, DHL et Amazon ont déployé des agents de planification qui optimisent les tournées en temps réel en intégrant les données météo, les contraintes de trafic et les priorités clients. Ces systèmes prennent plusieurs milliers de micro-décisions à la minute. Aucun humain ne valide chaque affectation de colis à un livreur. Le superviseur humain intervient sur les exceptions, les conflits d’allocation, les situations hors norme.
Dans les services juridiques, des cabinets comme Allen & Overy et Linklaters ont rendu publics leurs déploiements d’agents pour la revue contractuelle. Un agent peut traiter mille contrats là où un associé junior en traiterait dix par jour. L’impact sur les recrutements d’entrée de gamme dans le droit des affaires est documenté par plusieurs barreaux américains : les postes d’associate en première année reculent pour la troisième année consécutive.
La question de gouvernance que personne ne veut trancher
Si les déploiements avancent vite, les cadres de responsabilité restent flous. C’est là que l’optimisme doit être lucide.
Quand un agent IA prend une décision erronée, qui est responsable ? La DSI qui a déployé le système ? Le fournisseur du modèle sous-jacent ? Le manager qui a configuré les paramètres ? L’entreprise dans son ensemble ? Dans la majorité des entreprises pionnières, selon une enquête du cabinet Gartner publiée en 2025, cette chaîne n’est pas formellement documentée. Les entreprises ont déployé avant de gouverner.
Ce n’est pas une critique de leur compétence. C’est une observation sur la vitesse d’adoption. Les frameworks de gouvernance de l’IA en entreprise se construisent typiquement deux à trois ans après les premiers déploiements à grande échelle. On l’a vu avec les algorithmes de scoring RH, avec les systèmes de recommandation client, avec les modèles de pricing dynamique. La gouvernance suit l’usage, elle ne le précède pas.
Mais les agents autonomes posent un problème nouveau par rapport aux algorithmes de décision précédents. Un modèle de scoring produit une recommandation. Un agent agit. Il envoie des emails, passe des commandes, modifie des paramètres dans des systèmes tiers. L’erreur d’un agent n’est pas un nombre incorrect dans une feuille de calcul. C’est une action dans le monde réel, avec des effets qui peuvent se propager avant qu’un humain les détecte.
L’Union européenne a pris ce problème à bras-le-corps dans l’AI Act, dont les dispositions sur les systèmes d’IA à haut risque incluent désormais explicitement certaines catégories d’agents autonomes. Mais le texte définit des obligations de transparence et d’audit, pas une architecture de responsabilité. La question de savoir qui paie quand un agent fait une erreur coûteuse reste ouverte dans la plupart des juridictions.
Les nouveaux métiers qui émergent autour des agents
Le tableau n’est pas uniformément sombre. Dans les entreprises les plus avancées, des rôles nouveaux apparaissent, qui n’existaient pas en 2022.
Le plus documenté est celui d’agent supervisor, parfois appelé AI workflow manager. Ce profil est chargé de superviser une flotte d’agents, de détecter les dérives de comportement, d’ajuster les paramètres et d’escalader les cas anormaux aux équipes métier. C’est un métier à mi-chemin entre l’ingénierie logicielle et la gestion d’équipe. Il exige une compréhension des logiques de décision des agents, une capacité à lire des logs systèmes, mais aussi un jugement opérationnel sur ce qui relève de l’exception légitime et ce qui relève de l’erreur systémique.
D’autres rôles émergent en amont : les architectes de workflows IA, qui conçoivent les processus dans lesquels les agents opèrent ; les responsables d’éthique de l’IA opérationnelle, distincts des juristes en conformité AI Act. En aval : des profils d’audit d’agents, qui vérifient ex-post que les décisions prises correspondent bien aux règles définies.
Ces métiers ne compensent pas en volume les postes qui disparaissent. Mais ils signalent quelque chose d’important : l’économie des agents n’est pas une économie sans humains. C’est une économie où le travail humain se déplace vers la supervision, la conception et le contrôle des systèmes automatisés. Ce glissement vers des rôles de jugement et de gouvernance correspond à ce que Tyler Cowen et d’autres économistes optimistes anticipaient comme le repositionnement naturel du travail face à l’automatisation. Le débat macroéconomique reste vif, mais les signaux micro sont là.
Ce que les négociations collectives n’ont pas encore intégré
Le front social tarde à rattraper le front technique. En Europe, les instances représentatives du personnel ont, dans l’ensemble, abordé l’IA sous l’angle des outils d’aide à la décision et de la surveillance des salariés. Les comités sociaux et économiques français ont ainsi obtenu, via l’ANI sur les transitions professionnelles, un droit d’information-consultation sur les projets d’IA affectant les conditions de travail. Mais la notion d’agent autonome, d’un système qui agit et non plus qui recommande, ne figure pas encore dans les textes conventionnels.
Ce vide n’est pas une fatalité. En Allemagne, le modèle de cogestion a permis aux Betriebsräte de négocier des accords-cadres sur l’utilisation de l’IA dans plusieurs grandes entreprises industrielles. Ces accords définissent les périmètres d’autonomie des systèmes, les modalités de recours humain, et les obligations de formation des superviseurs. Ils ne couvrent pas encore explicitement les agents au sens technique du terme, mais ils établissent une jurisprudence contractuelle sur laquelle les prochaines négociations pourront s’appuyer.
Le calendrier est connu. Les conventions collectives dans la banque française, la logistique allemande et les services financiers britanniques arrivent à renégociation entre 2026 et 2028. Ce sera le premier cycle de négociation où les agents IA seront suffisamment présents dans les opérations pour que leur gouvernance sociale devienne un enjeu explicite. Les organisations syndicales qui auront préparé leur doctrine en amont auront un avantage de cadrage significatif. Celles qui arriveront à la table sans vocabulaire technique précis risquent de négocier sur le terrain de l’employeur.
La question que les prochains mois vont forcer à trancher
L’enjeu de fond n’est pas de savoir si les agents IA vont se déployer. Ils se déploient. L’enjeu est de savoir qui définit les règles du jeu pendant la période de stabilisation qui s’ouvre, et si ces règles seront négociées ou simplement imposées par le fait accompli technique.
Deux modèles s’affrontent en pratique. Le premier, dominant aujourd’hui, est celui du déploiement d’abord, gouvernance ensuite. Il a l’avantage de la vitesse et l’inconvénient de l’improvisation : quand un incident survient, les entreprises répondent dans l’urgence, sans cadre préétabli. Le second, émergent, est celui du déploiement concerté : les acteurs syndicaux, les juristes, les équipes techniques et les directions opérationnelles co-construisent les règles avant que les systèmes ne soient en production. Ce modèle est plus lent. Il est aussi plus robuste face aux cas limites.
La consommation énergétique de l’IA fera l’objet de contraintes réglementaires croissantes. La gouvernance des agents autonomes suivra probablement la même trajectoire : d’abord ignorée, puis subie, puis codifiée sous la pression d’un incident suffisamment visible pour forcer la main des législateurs. La question est de savoir si les entreprises et les partenaires sociaux auront construit un cadre avant cet incident, ou après.
Les prochains cycles de négociation collective sont une opportunité concrète. Pas pour freiner les déploiements, mais pour définir les conditions dans lesquelles ils se font. Ce n’est pas la même chose.
Sources
- Stanford HAI, AI Index Report 2026 — https://aiindex.stanford.edu
- Stanford HAI, AI Index Report 2026 (lien officiel) — https://hai.stanford.edu/ai-index/2026-ai-index-report
- Gartner, Survey on AI Agent Governance in Enterprises, 2025 — citation sans URL directe stable
- Gartner, Gouvernance agents IA, mai 2026 — https://www.gartner.com/en/newsroom/press-releases/2026-05-26-gartner-says-applying-uniform-governance-across-ai-agents-will-lead-to-enterprise-ai-agent-failure
- European Parliament, AI Act — Official text — https://www.europarl.europa.eu/topics/en/article/20230601STO93804/eu-ai-act-first-regulation-on-artificial-intelligence
- Commission européenne, Guidelines classification systèmes IA à haut risque, mai 2026 — https://digital-strategy.ec.europa.eu/en/library/draft-commission-guidelines-classification-high-risk-ai-systems
- JPMorgan Chase, communications institutionnelles sur le déploiement de l’IA, 2024-2025
- Allen & Overy / Linklaters, rapports annuels 2024
- A&O Shearman — Agents IA agentiques (officiel, février 2026) — https://www.aoshearman.com/en/news/ao-shearman-and-harvey-to-roll-out-agentic-ai-agents-targeting-complex-legal-workflows
- Microsoft Cyber Pulse 2026 — Fortune 500 et agents IA — https://www.microsoft.com/en-us/security/blog/2026/02/10/80-of-fortune-500-use-active-ai-agents-observability-governance-and-security-shape-the-new-frontier/
- DHL Freight, AI route planning — https://dhl-freight-connections.com/en/trends/ai-route-planning/
- NALP / ABA Journal, Recrutement associates — https://www.abajournal.com/web/article/law-firms-reduced-the-pace-of-associate-hiring-shifting-to-new-talent-model-report-says