Pendant des décennies, les logiciels d'entreprise ont attendu. Ils attendaient que quelqu'un se connecte, ouvre un écran, saisisse des données, approuve l'étape suivante et boucle le processus. Chaque action dépendait d'une intervention humaine, et chaque information nécessitait une demande. Ce modèle est en train d'être démantelé — non pas progressivement, mais à un rythme qui prend de court de nombreuses organisations.

Les agents d'IA — des systèmes capables d'interpréter des objectifs, de surveiller des conditions, de prendre des décisions et d'exécuter des actions across les applications métier sans y être invités à chaque fois — passent des projets pilotes à la production plus vite que ne l'anticipaient les analystes. Gartner avait projeté que 40 % des applications d'entreprise intégreraient des agents d'IA spécialisés d'ici fin 2026, contre moins de 5 % en 2025. Ce chiffre est en train de se concrétiser selon le calendrier prévu. Pour les acheteurs, la différence pratique par rapport à l'automatisation antérieure réside dans l'autonomie : les outils de workflow traditionnels suivent des règles scriptées, tandis que les agents choisissent les étapes à effectuer en fonction de l'objectif et des données dont ils disposent — c'est aussi pourquoi la qualité de ces données compte désormais davantage que le logiciel qui les entoure.

Le service client, là où les données sont les plus claires

Le service client a été la première fonction d'entreprise à présenter de véritables chiffres sur les agents d'IA, et les résultats sont difficiles à contester. Ce n'est pas un hasard : le support génère d'énormes volumes d'interactions répétitives, textuelles et aux résultats bien définis — des conditions qui favorisent les agents par rapport à l'automatisation antérieure et offrent aux fournisseurs la mesure la plus nette des performances avant/après.

La plateforme Agentforce de Salesforce est le cas le mieux documenté à grande échelle. Marc Benioff, président du conseil et CEO de Salesforce, a décrit sans détour le déploiement interne de l'entreprise lors de la conférence sur les résultats du premier trimestre fiscal 2027 en mai 2026 : les agents traitent désormais « le double du volume de service des représentants humains » sur les propres canaux de support de Salesforce. En 15 mois, le système a traité de manière autonome quatre millions de demandes clients. Ce n'est pas un pilote.

PenFed Credit Union a déployé 76 agents Agentforce dans ses opérations, hypothèques, informatique et RH. Son outil « Agent Wingman » a réduit de 10 % la durée moyenne d'appel et de 50 % le travail post-appel, avec des économies annuelles projetées de 1,6 million de dollars pour ce seul agent. UCLA Health a mis en place son premier déploiement Agentforce en huit mois ; l'agent traite désormais les demandes des patients concernant la recherche de prestataires et les essais cliniques, qui exigeaient auparavant des appels téléphoniques.

Jim Roth, président du Customer Success chez Salesforce, a formulé cette mutation au-delà de la simple réduction des coûts : « Quand notre capacité est infinie, nous pouvons être proactifs et créer des expériences client encore plus incroyables. Nous pouvons traiter chaque client comme s'il était notre client le plus important. »

L'ARR d'Agentforce a dépassé 800 millions de dollars, en hausse de 169 % sur un an, avec 29 000 contrats conclus. Plus de 60 % de ces réservations provenaient de clients existants élargissant leur utilisation — généralement un signal plus fiable que la conquête de nouveaux logos.

Opérations informatiques : des files de tickets à la résolution autonome

Les services informatiques ont longtemps été engloutis dans des tâches répétitives et chronophages : réinitialisations de mots de passe, provisionnement de logiciels, demandes d'accès, triage d'incidents. Le volume de ces tickets justifie rarement l'intervention d'ingénieurs seniors, mais il faut bien que quelqu'un s'en charge. Les agents d'IA absorbent cette charge plus vite que prévu.

L'Autonomous Workforce de ServiceNow, dévoilé à sa conférence Knowledge 2026 en mai, est le déploiement le plus complet de ce modèle. Le L1 Service Desk AI Specialist interne de l'entreprise résout les cas informatiques qui lui sont assignés 99 % plus vite que les agents humains traitant les mêmes cas, et la plateforme gère déjà de manière autonome plus de 90 % des demandes informatiques des employés de ServiceNow elle-même.

Bill McDermott, président du conseil et CEO de ServiceNow, a décrit ce positionnement à Knowledge 2026 comme un passage « au-delà de la plateforme des plateformes pour devenir l'agent des agents d'IA, connectant n'importe quel modèle, n'importe quel cloud et n'importe quelle source de données ».

Les déploiements réels le confirment. Bell Canada, après avoir déployé les ServiceNow AI Agents dans sa division Telecom, a rapporté une amélioration de 25 % du temps de réponse client et 90 % de retours positifs sur la précision de l'IA. L'assistant d'IA « Red » de Honeywell a éliminé la majorité des conversations du service desk, libérant le personnel informatique pour des tâches de plus haut niveau.

L'Autonomous CRM de ServiceNow résout désormais plus de 100 millions de cas clients par mois, orchestre plus de 16 millions de commandes et configure plus de sept millions de devis across sa base clients. Les revenus d'abonnement de ServiceNow ont atteint 3,67 milliards de dollars au premier trimestre 2026, en hausse de 22 % sur un an — une croissance réalisée sur un marché où les acheteurs ne renouvellent pas à la légère.

Opérations financières : le travail ingrat qui compte vraiment

Les déploiements d'IA en entreprise au meilleur ROI se sont révélé être les moins glamours : traitement de documents, rapprochement de factures, mise en correspondance de données — des tâches que personne ne veut faire mais que tout le monde exige d'effectuer avec précision.

Praveen Akkiraju, managing director chez Insight Partners, l'a souligné lors de CXOTalk en juin 2026, en prenant Stampli comme exemple. Stampli est une plateforme de comptes fournisseurs native IA qui se superpose aux systèmes ERP existants et applique une logique d'agents au traitement des factures : capture de factures dans n'importe quel format, codification des transactions, rapprochement des lignes avec les bons de commande et acheminement des approbations selon des schémas appris des données historiques de l'entreprise elle-même.

L'observation d'Akkiraju : « Vous disposez d'une plateforme de données solide sur laquelle vous pouvez désormais construire un agent afin d'exploiter l'un des super-pouvoirs des LLM : discerner le signal du bruit. »

En d'autres termes, l'automatisation des comptes fournisseurs est intéressante non pas parce qu'elle supprime des frappes clavier, mais parce que l'agent apprend à quoi ressemble la normale et commence à signaler ce qui ne l'est pas.

Les données corroborent ce constat. Les déploiements d'IA en finance et opérations sont documentés comme accélérant les processus de clôture de 30 à 50 %, et les agents de service client font gagner plus de 40 heures par mois aux petites équipes. Il s'agit de résultats rapportés issus de déploiements actuels, pas de projections. Le schéma est cohérent across les industries : les rendements les plus élevés proviennent des agents traitant des processus de coordination à fort volume, lourds en conformité et multi-étapes — précisément le travail qu'il était le plus difficile de justifier de confier à du personnel humain coûteux.

Ventes et CRM : des registres au chiffre d'affaires

La mutation en cours dans les logiciels de vente est plus importante que ne le réalisent la plupart des acheteurs. Les systèmes CRM ont toujours été des systèmes d'enregistrement : on consigne ce qui s'est passé après coup, et quelqu'un lit le rapport plus tard. Les agents d'IA modifient à la fois le décalage et la direction de ce flux.

Paul Fipps, président du Global Customer Operations chez ServiceNow, a décrit le schéma observé par sa plateforme dans les équipes commerciales : « Nous avons constaté de première main comment les agents aident les équipes à prioriser les bons leads, à améliorer la conversion et à réduire le temps de préparation de près de 80 %. » Cette réduction compte, car la préparation commerciale est souvent le goulot d'étranglement entre un lead qualifié et une véritable conversation.

Du côté de Salesforce, Benioff a cité le déploiement de Dell comme un résultat qui va au-delà de l'efficacité : les agents Agentforce ont automatisé des parties de la chaîne d'approvisionnement de Dell, dont l'intégration de nouveaux fournisseurs, ramenant le temps moyen d'onboarding de plusieurs mois à quelques jours.

Reddit a dévié 46 % des cas de support et réduit les temps de résolution de 84 %, faisant passer le temps de réponse moyen de 8,9 minutes à 1,4 minute. Adecco a traité 51 % des conversations avec les candidats en dehors des heures ouvrées standard entièrement via des agents. Ce ne sont pas des cas marginaux ; ils deviennent le schéma de déploiement par défaut des grands clients entreprise.

Le problème d'intégration que personne n'a pleinement résolu

Le schéma d'ensemble est réel, mais assorti d'un sérieux bémol. Les agents fonctionnent lorsque les données sous-jacentes sont propres et connectées. Sinon, les résultats sont médiocres ou imprévisibles.

Le rapport 2026 Connectivity Benchmark, ayant interrogé 1 050 dirigeants informatiques d'entreprise dans le monde, révèle que seulement 27 % des applications d'entreprise sont actuellement connectées. L'entreprise moyenne exploite 12 agents d'IA, dont la moitié fonctionnent dans des silos isolés plutôt qu'au sein de systèmes coordonnés. Et 86 % des dirigeants informatiques estiment que les agents créeront plus de complexité que de valeur en l'absence d'intégration. Gartner est allé plus loin, projetant que plus de 40 % des projets d'IA agentique pourraient être annulés d'ici 2027 en raison de la hausse des coûts, d'une valeur métier peu claire et de contrôles de risque insuffisants.

Boomi est la plateforme qui attaque ce problème le plus frontalement. La couche d'intégration d'entreprise — qui connecte les applications, gère les API, synchronise les données de référence et désormais gouverne les workflows d'agents d'IA — compte actuellement plus de 75 000 agents en production across sa base clients.

Joe Varghese, senior manager IT Enterprise Data, Integrations and Analytics chez Amneal Pharmaceuticals, a décrit le résultat de l'association de Boomi avec Claude pour construire un agent autonome de réponse aux incidents 24h/24 et 7j/7 : « Nous avons fait passer le respect des SLA de 85 % à 98 %, et nos équipes peuvent désormais se concentrer sur l'innovation au lieu de la gestion des incidents. » L'agent détecte, diagnostique et pilote la résolution sans attendre qu'un humain ouvre un ticket.

Boomi a été nommé Pioneer dans le Gartner Emerging Market Quadrant de juin 2026 pour les No-Code Agent Builders, une catégorie de reconnaissance plus récente suivant spécifiquement les plateformes rendant le déploiement agentique accessible sans ressources d'ingénierie spécialisées.

Le McDermott de ServiceNow a reconnu le problème plus large à Knowledge 2026 : « Les entreprises ont investi des milliards dans des capacités d'IA, mais la grande majorité ne peut pas relier cet investissement à des résultats métier mesurables. »

Le défi de l'intégration ne se résout pas par une annonce de produit. Il exige de traiter l'architecture des données comme un prérequis au déploiement des agents, non comme une considération après coup. Les entreprises qui tirent le plus des agents d'IA actuellement sont celles qui ont abordé la question ainsi dès le départ : données propres, permissions définies, pistes d'audit et supervision humaine pour les décisions importantes. Ce travail se fait en parallèle du déploiement des agents, et non en séquence — plus brouillon que cela n'en a l'air, mais plus honnête quant à la manière dont la transformation réelle des entreprises se déroule. Pour les organisations qui observent ce domaine, le signal à suivre n'est pas les annonces des fournisseurs, mais si les déploiements d'agents tiennent face à ce critère d'annulation de 2027 — ce que, au vu des chiffres actuels d'intégration des données, la plupart des entreprises n'ont pas encore gagné le droit de tenir pour acquis.