Industrie Mag - Le journal de l'industrie.

Seules 15 % des entreprises sont pleinement prêtes pour l’IA agentique en production, alors même que près de 60 % y investissent des millions

Fivetran, au cœur de la fondation de données pour l’IA, publie « The 2026 Agentic AI readiness index », un nouvel indice mondial mesurant le niveau de préparation des environnements de données des entreprises à supporter des charges de travail / initiatives d’IA agentique en production. Les résultats montrent que seules 15 % des entreprises (12% en France) sont pleinement prêtes à supporter l’IA agentique en production, alors même que près de 60 % (62% en France) déclarent y investir de plusieurs millions à plusieurs dizaines de millions.

Fondé sur une enquête menée auprès de 400 professionnels de la donnée aux États-Unis, dans la région EMEA et en Asie-Pacifique, l’indice évalue les entreprises selon les exigences fondamentales en matière de données nécessaires pour que l’IA agentique fonctionne de manière fiable, notamment la fraîcheur des données, la traçabilité, la gouvernance et l’interopérabilité.

Les systèmes d’IA agentique sont conçus pour planifier, agir et exécuter au sein des workflows métier, augmentant à la fois la valeur et le risque liés à l’adoption de l’IA. À mesure que ces systèmes passent en production, les lacunes en matière de qualité des données, de gouvernance et d’interopérabilité cessent d’être des problèmes de second plan pour devenir des défaillances opérationnelles, limitant ce que l’IA peut automatiser en toute sécurité à grande échelle.

« La plupart des entreprises n’échouent pas dans l’IA à cause des modèles, elles échouent parce que leurs données ne sont pas prêtes », déclare George Fraser, CEO de Fivetran. « Les entreprises déploient l’IA agentique en production sur des pipelines fragiles, avec une traçabilité absente, et sur des systèmes qui n’ont jamais été conçus pour l’autonomie. Dans ce cas, on n’obtient pas de meilleurs résultats, on obtient des échecs plus rapides. »

Les principales conclusions du rapport incluent :

 La production va plus vite que la préparation : 41 % des entreprises (42% en France) utilisent déjà l’IA agentique en production, malgré des lacunes importantes en matière de fiabilité des données, de gouvernance et d’interopérabilité.
 Les défis liés aux données constituent le principal frein : les obstacles les plus souvent cités à l’atteinte des objectifs en matière d’IA agentique sont la qualité et la traçabilité des données (42 % global / 42% France), la conformité réglementaire et la souveraineté (39 % global / 34% France), ainsi que les risques liés à la sécurité et à la confidentialité (39 % global / 40% France).
 L’interopérabilité est essentielle à la réussite : 86 % des responsables data (72% en France) indiquent que l’extensibilité et l’interopérabilité des plateformes sont importantes ou critiques, dont 17 % (22% en France) qui les considèrent comme critiques dans les décisions relatives à l’IA et aux données, mais de nombreuses entreprises restent contraintes par des systèmes fragmentés et un verrouillage fournisseur. Les plateformes d’intégration de données sont citées comme la principale source de risque de verrouillage.

Ces résultats soulignent une tendance plus large du secteur : à mesure que les systèmes d’IA deviennent plus autonomes, l’infrastructure de données devient le facteur limitant. Selon Gartner, jusqu’à 60 % des projets d’IA pourraient être abandonnés faute de données prêtes pour l’IA.

La préparation des données détermine les résultats de l’IA

Le rapport mesure le niveau de préparation à l’aide de l’Agentic AI Readiness Index, un score composite qui évalue dans quelle mesure la fondation de données d’une organisation est prête selon des critères clés, notamment la fraîcheur des données, la traçabilité, la gouvernance et l’interopérabilité. Le score moyen de préparation parmi les répondants est d’environ 61–62 % (63% en France), ce qui indique que la plupart des entreprises doivent combler des lacunes critiques pour obtenir un retour sur investissement de leurs dépenses en IA.

Les entreprises qui se déclarent pleinement prêtes affichent un avantage clair, non seulement en matière de confiance, mais aussi dans leur mode de fonctionnement. Ces équipes ont davantage tendance à exploiter des pipelines de données automatisés et continus qui maintiennent des informations et un contexte à jour et fiables, à appliquer une traçabilité et une gouvernance de bout en bout afin de préserver la confiance et la conformité, et à standardiser des architectures interopérables qui permettent aux données de circuler librement dans toute leur infrastructure.

En conséquence, elles sont en mesure de déployer l’IA agentique plus largement, à la fois dans les workflow internes et dans les produits orientés client, et se montrent nettement plus confiantes dans leur capacité à générer un retour sur investissement significatif à partir de leurs investissements en IA.

Construire une fondation pour l’IA agentique

Le rapport identifie quatre exigences fondamentales pour soutenir l’IA agentique en production :

 Des données fraîches et fiables, fournies via des pipelines automatisés
 Une traçabilité transparente permettant de suivre la manière dont les données sont créées et transformées
 De solides contrôles de gouvernance pour garantir la sécurité et la conformité
 Une interopérabilité ouverte entre les systèmes afin d’éviter le verrouillage et de permettre la flexibilité

Ensemble, ces capacités constituent le socle d’une fondation de données prête pour l’IA, permettant aux entreprises de déployer l’IA agentique à grande échelle tout en conservant la maîtrise des coûts, des risques et des performances.

Méthodologie

L’Indice de préparation à l’IA agentique 2026 repose sur une enquête menée par Redpoint Ventures auprès de 400 professionnels de la donnée aux États-Unis, dans la région EMEA et en Asie-Pacifique. Les répondants comprennent des architectes data, des ingénieurs data, des responsables analytics et d’autres décideurs chargés de concevoir et d’exploiter les infrastructures de données et les systèmes d’IA au sein d’entreprises de taille intermédiaire et de grandes entreprises.

Afin de garantir la représentativité d’environnements de données matures, l’enquête s’est concentrée sur des entreprises comptant au moins 2 000 employés aux États-Unis et dans la région EMEA, et 500 employés ou plus au Japon, en Australie et à Singapour. Les participants appartiennent à des secteurs intensifs en données, notamment la technologie, les services financiers, la santé, le retail et l’industrie manufacturière.