Votre architecture n’a pas été conçue pour les agents et cela va se voir !

L’agentique révèle brutalement votre dette technologique

40 % des projets agentiques pourraient être cancelled d’ici fin 2027. Les causes sont multifactorielles : business value non démontrée, coûts non maîtrisés, conduite du changement insuffisante, use cases mal choisis. Mais dans la majorité des cas, l’architecture est le facteur amplificateur. C’est elle qui transforme un problème de maturité en échec industriel. Les architectures legacy ont été conçues pour des transactions séquentielles et des workflows prédéfinis. Elles n’ont pas été pensées pour des agents qui ont besoin de real-time data, d’accès contextuels et d’interactions multi-systèmes. Pendant que les organisations hésitent, le nombre d’agents actifs sur les plateformes de travail a été multiplié par 15x en un an. La collision est inévitable.

L’erreur classique est de regarder l’agentique depuis l’interface. Le front conversationnel attire l’attention parce qu’il est visible et immédiatement impressionnant. L’avantage stratégique se joue ailleurs. Ce dont les organisations ont besoin n’est pas une enterprise architecture quinquennale de plus. C’est une architecture d’action : une architecture qui transforme une intention métier en action fiable, traçable, gouvernée et économiquement pilotée. C’est cette idée qui structure tout le reste.

Trois layers, un seul système

Les architectures d’action les plus matures s’organisent autour de trois layers : l’intelligence du travail (Work IQ : digital workplace, usage telemetry, collaboration graph), qui comprend comment les personnes collaborent et produisent au quotidien. L’intelligence de la donnée (Fabric IQ : data products, semantic layer, data lineage), qui fournit le contexte sémantique, la governance et la traçabilité sur un data lake unifié. L’intelligence applicative (Foundry IQ : agent orchestration, tool registry, sandbox execution), qui permet aux agents de raisonner et d’agir en environnement de production sécurisé.

C’est l’alignement de ces trois layers qui transforme un agent isolé en enterprise capability. Et le gap entre prise de conscience et exécution reste massif : près de 95 % des organisations reconnaissent que la connectivité entre données, processus et applications est critique pour l’IA, mais à peine un quart estiment que c’est en place. Ce que je constate : les systèmes les plus avancés distinguent deux patterns. Les single-agent workflows, où un agent mobilise séquentiellement plusieurs tools. Et les multi-agent workflows, où des agents spécialisés collaborent via des knowledge graphs partagés. Les deux exigent des données cohérentes, interopérables et gouvernées. Sans ça, les agents propagent des erreurs en cascade. Les agents n’opèrent jamais seuls. L’integration et le deployment sont là où la valeur se réalise et se scale.

Agent observability, control plane et trust by design

On ne peut pas industrialiser des agents sur un socle fragmenté, lent à intégrer ou peu observable. Le cloud AI-ready est une condition d’enterprise capability. Mais la supervision des agents va bien au-delà du monitoring classique de l’infrastructure. Elle exige une observabilité comportementale (que fait l’agent, pourquoi, avec quelles données), du policy enforcement (quelles règles encadrent son autonomie), de l’auditabilité (quelle chaîne de décision a mené à cette action), une limitation d’autonomie par niveaux et une capacité d’intervention humaine en temps réel.

Et dans les environnements enterprise, la sécurité n’est pas une couche à ajouter après coup. C’est un pilier transverse de l’architecture d’action : authentification des agents (chaque agent a une identité), scoping des permissions (un agent de pricing n’accède pas aux données RH), segmentation des environnements (sandbox, staging, production), audit continu des actions et des accès. En FSI, c’est un prérequis réglementaire. En Retail, c’est la condition pour que le comex accepte de laisser un agent toucher au pricing ou aux stocks.

C’est le rôle d’un control plane unifié comme Agent 365 : observer, gouverner, sécuriser et piloter l’ensemble des agents de l’entreprise, quelle que soit leur origine. L’AIOps en est une composante, pas tout le sujet. Dès que le nombre d’agents dépasse le seuil artisanal, ce control plane devient la condition du scale.

Le FinOps AI fait partie de l’architecture, pas seulement de la governance

La baisse spectaculaire des coûts d’inférence sur les deux dernières années a démocratisé l’accès mais certaines entreprises enregistrent déjà des factures mensuelles de plusieurs dizaines de millions. Le FinOps AI doit être intégré dès la conception de la plateforme : choix du bon model pour le bon usage, arbitrage entre SLM et LLM selon la complexité de la task, traçabilité de la consommation par agent et par processus.

Mais le FinOps AI ne peut pas être qu’un sujet de coût. Pour être défendable en comex, il doit devenir un sujet de valeur : coût par outcome business, coût par décision automatisée, gain marginal vs alternative humaine. C’est cette logique de ValueOps qui permet de piloter l’investissement agentique comme un levier de performance, pas comme un centre de coût. Il existe un tipping point, autour de 60 à 70 % du coût d’un équivalent hardware, à partir duquel l’investissement on-premise redevient rationnel. L’architecture d’action intègre cette dimension dès le premier jour, pas comme un afterthought.

Les choix qu’il faut faire tôt

Plus les choix d’architecture sont reportés, plus la dette migre vers l’aval. Les agents se branchent sans framework stable, la sécurité s’ajoute après coup, l’observabilité arrive trop tard. Le bon réflexe : penser la plateforme comme un système cohérent dès le premier use case industrialisé (data connectors, orchestration frameworks, model management, agent observability, FinOps AI intégré, trust & security by design, contrôles d’autonomie par niveaux). C’est cette discipline architecturale qui permettra ensuite d’innover vite sans reconstruire les fondations à chaque itération. Le front conversationnel attire l’attention. L’architecture d’action crée l’avantage. Et c’est cette architecture que nous accompagnons chez nos clients.

Le focus sur deux industries : 

Services Financiers (FSI)

Dans la banque, l’agentique sans architecture traçable devient un risque réglementaire. La complexité est maximale : core banking, CRM, risk engines, regulatory reporting, des dizaines de systèmes qui ne parlent pas la même langue. L’architecture d’action en FSI repose sur trois piliers : traçabilité décisionnelle (pourquoi cet agent a refusé ce crédit), conformité intégrée (DORA, AI Act, zero trust sur les agents) et capacité à orchestrer des agents sur des systèmes critiques sans point de défaillance unique. 98 % des Frontier firms FSI utilisent la GenAI mais leur avantage ne vient pas des models, il vient de l’architecture qui les sous-tend.

Retail / CPG

Dans le retail, l’agentique sans donnée unifiée devient une multiplication de pilotes locaux impossibles à scaler. 70 % des organisations Retail basculeront vers des solutions IA customisées dans 24 mois. La nécessité va au-delà de la customisation IA : c’est l’unification des signaux stocks, pricing, demande, promotions, logistique et expérience client pour permettre des décisions agentiques cohérentes sur tous les channels. Le pricing dynamique agentique, le pilotage supply chain autonome et l’exécution omnicanal en temps réel sont les trois fronts où l’architecture d’action fait la différence entre un POC local et un avantage compétitif scalable.

Article 5 → L’architecture d’action est posée. Mais une plateforme sans contexte exploitable et sans governance de la confiance ne scale pas !