Agents IA
Un agent isolé dans un onglet travaille vite. Une équipe, elle, travaille ailleurs.
L’IA devient plus utile quand elle partage le contexte des outils, conversations et décisions du travail réel.
Agents IA
Un seul gros agent ou plusieurs spécialistes ? Le service client commence à choisir son équipage.
La coordination de plusieurs agents spécialisés peut mieux couvrir des besoins variés qu’un assistant monolithique.
Un client écrit sur WhatsApp.
Il commence par demander où en est son prêt.
Deux minutes plus tard, il pose une question sur son compte.
Puis il veut modifier une information.
Dans beaucoup de systèmes automatisés, ce changement de sujet suffit à casser l’expérience.
Nouveau bot.
Nouveau contexte.
Nouvelle conversation.
Le 4 septembre 2026, Salesforce présentait le cas d’Agibank, banque brésilienne qui utilise une architecture unifiée réunissant six agents et onze bots. Selon cette étude de cas publiée par Salesforce, les agents spécialisés traitent environ 70 000 demandes par mois de manière autonome.
Le chiffre est intéressant.
L’architecture l’est encore plus.
Une équipe de stand ne repose pas sur une seule personne
Imaginez qu’une seule personne doive conduire la voiture, changer les pneus, lire la télémétrie, parler à la direction de course et préparer le prochain relais.
Polyvalent.
Très polyvalent.
Probablement pas très efficace.
Dans un système IA, on cherche parfois exactement ça : un agent immense qui sait tout faire.
Lire les mails.
Répondre aux clients.
Consulter les factures.
Modifier le CRM.
Chercher une procédure.
Proposer un geste commercial.
Planifier un rendez-vous.
On peut construire ce type d’agent.
Mais à mesure que les missions s’accumulent, ses permissions, ses instructions et ses exceptions deviennent plus difficiles à maîtriser.
Spécialiser simplifie parfois le problème
Un agent peut être chargé uniquement des demandes liées à la facturation.
Un autre des rendez-vous.
Un autre des informations produit.
Un autre des dossiers nécessitant une consultation de données internes.
Puis un orchestrateur identifie le besoin et passe la main au bon spécialiste.
Sur le papier, ça fait davantage d’agents.
Dans la pratique, chacun peut avoir un périmètre plus clair.
Ses propres outils.
Ses propres droits.
Ses propres règles.
Ses propres indicateurs.
C’est souvent plus facile à tester.
Le vrai problème devient le passage de relais
Une équipe de course peut avoir les meilleurs spécialistes du monde.
Si personne ne communique, le résultat sera mauvais.
Avec plusieurs agents, le point critique est similaire.
Quel contexte passe d’un agent à l’autre ?
Quelles données doivent rester communes ?
Comment éviter que le client répète trois fois son problème ?
Que se passe-t-il si deux agents donnent des réponses contradictoires ?
Qui décide qu’une demande doit revenir vers un humain ?
C’est ici que l’orchestration devient le cœur du système.
Pas dans le nombre d’agents.
Le client ne devrait pas voir votre organigramme technique
C’est une règle que j’aime bien.
Le client n’a pas besoin de savoir qu’il vient de passer de l’agent « crédit » à l’agent « compte courant ».
Il a besoin que la conversation continue.
L’architecture peut être très complexe derrière.
L’expérience, elle, devrait rester simple.
C’est un peu comme un arrêt aux stands réussi.
Le spectateur voit une voiture qui s’arrête quelques secondes puis repart.
Il ne voit pas les dizaines de procédures nécessaires pour que tout se passe bien.
L’humain reste un membre de l’équipage
Un système multi-agent ne signifie pas que toutes les demandes doivent être automatisées.
Au contraire.
Il peut devenir très bon pour identifier les cas qui sortent du cadre.
Client en colère.
Demande atypique.
Montant important.
Information contradictoire.
Risque réglementaire.
Contexte sensible.
L’agent peut préparer le dossier et transférer avec le contexte déjà rassemblé.
Le conseiller humain ne repart pas de zéro.
Là, l’automatisation améliore aussi le travail humain.
Il faut toutefois distinguer deux choses. Répondre à une question sur l’état d’un prêt n’est pas décider si une personne obtient ce prêt. Dès qu’un système intervient dans l’évaluation de solvabilité, le recrutement, l’emploi ou une autre décision importante concernant une personne, le niveau d’exigence change fortement. Certaines utilisations sont classées à haut risque par l’AI Act et une décision entièrement automatisée produisant un effet juridique ou significatif peut aussi relever de l’article 22 du RGPD. Une vraie intervention humaine, la possibilité de contester et le contrôle des biais ne sont alors plus de simples options de confort.
Commencer par deux spécialistes, pas par douze
Je ne construirais pas une armée d’agents dès le départ.
Je choisirais deux catégories de demandes fréquentes et bien délimitées.
On mesure.
Taux de résolution.
Nombre d’escalades.
Temps de traitement.
Erreurs.
Satisfaction.
Puis on regarde s’il existe une raison réelle d’ajouter un spécialiste.
L’objectif n’est pas d’avoir une belle photo d’équipe.
C’est de traiter correctement les demandes.
La tendance actuelle du service client montre quelque chose d’assez utile pour tous les projets IA : parfois, la meilleure architecture n’est pas un cerveau qui sait tout faire.
C’est une équipe bien organisée qui sait quand se passer le relais.
Sources vérifiées
À lire aussi
Agents IA
Plus les agents exécutent, plus le jugement humain devient précieux.
L’automatisation déplace la valeur humaine vers la direction, la priorisation, l’arbitrage et la responsabilité.
Agents IA
Agents IA : la performance commence par les limites
L’autonomie utile d’un agent dépend de ses permissions, de sa traçabilité et de la place du contrôle humain.