Du SaaS au "Service-as-Action" : L'IA agentique sonne la fin du Back-Office tel que vous le connaissez
Résumé : l'essentiel pour les décideurs
Le constat : Les entreprises ont accumulé des centaines de logiciels SaaS. Résultat certains employés passent 40% de leur temps à servir de "colle" (copier-coller) entre ces outils. C'est le syndrome du "Human Middleware".
La rupture 2026 : L'IA ne sert plus seulement à générer du texte (GenAI), elle sert à exécuter des tâches (Agentic AI). On passe du Software-as-a-Service (outil passif) au Service-as-Action (agent actif).
Le ROI immédiat : Dans l'assurance et la banque, les agents IA autonomes prennent désormais en charge 80% des tâches de back-office (gestion de sinistres simples, KYC, réconciliations), réduisant les délais de traitement de quelques jours à quelques minutes.
Regardez vos équipes back-office aujourd'hui. Que font-elles réellement ?
Elles ouvrent un email (Outlook), lisent une pièce jointe (PDF), extraient une information pour la saisir dans un ERP (SAP/Salesforce), vérifient la conformité grâce à un site externe, puis envoient une confirmation.
Elles ne font pas du travail à valeur ajoutée. Elles agissent comme des "APIs humaines". Elles compensent l'incapacité de vos logiciels à se parler entre eux. C'est ce que nous appelons le "Human Middleware". En 2026, avec la pression sur les marges et la pénurie de talents, ce modèle est économiquement mort.
La bonne nouvelle ? La technologie pour y mettre fin est arrivée à maturité : l'IA agentique.
1. La Révolution du "Service-as-Action"
Jusqu'à présent, vous achetiez du SaaS (Software as a Service).
Promesse : "Voici un outil formidable pour aider Léa à faire sa comptabilité."
Réalité : Léa doit apprendre l'outil, cliquer sur les boutons et faire le travail.
En 2026, nous basculons vers le Service-as-Action.
Promesse : "Voici un Agent qui fait la comptabilité."
Réalité : L'Agent se connecte aux banques, catégorise les dépenses, alerte Léa uniquement sur les anomalies, et prépare le bilan.
L'IA n'est plus un copilote qui vous suggère une réponse. C'est un pilote qui a les mains sur le volant de vos applications. Il ne dit pas "Tu devrais rembourser ce sinistre", il clique sur le bouton "Virement" (sous votre supervision, bien sûr).
2. Différence critique : RPA vs IA agentique
Beaucoup de clients me disent : "Gilles, on a déjà fait de la RPA (Robotic Process Automation) il y a 5 ans, c'était l'enfer à maintenir." Vous avez raison. La RPA était "bête". Si un bouton changeait de place sur l'interface, le robot plantait.
L'IA agentique est résiliente. Elle "voit" et "comprend".
RPA (2020) : Suit un script rigide. "Si case A1 est vide, erreur."
Agent IA (2026) : Suit un objectif. "Trouve le numéro de contrat dans ce document, peu importe où il se trouve. S'il manque, écris un mail poli au client pour le demander."
La bonne nouvelle, c’est que tous les workflows automatisés avec la RPA peuvent être modernisés facilement, soit en les remplaçant, soit en y intégrant quelques briques agentiques pour les rendre plus intelligents et robustes.
Le tableau ci-dessous résume pourquoi les DSI remplacent leurs vieux scripts RPA par des Agents :
Critère | RPA traditionnelle (Automatisation) | IA agentique (Autonomie) |
Données d'entrée | Structurées uniquement (excel, bases de données) | Non-structurées (emails, PDFs, images, voix) |
Adaptabilité | Aucune (casse au moindre changement d'UI) | Forte (s'adapte au contexte sémantique) |
Capacité décisionnelle | Zéro (If/Then/Else) | Raisonnement complexe et planification |
Maintenance | Cauchemar (dette technique élevée) | Faible (instructions en langage naturel) |
3. Cas d'usage phare : Le "Sinistre zéro délai" en Assurance
C'est dans l'assurance (IARD) que le "Service-as-Action" est le plus spectaculaire. Voici l'architecture que nous déployons actuellement chez un grand assureur mutualiste :
Le Scénario : Un dégât des eaux mineur ( < 1500€).
Réception (trigger) : L'assuré envoie une photo et un constat via l'app mobile ou WhatsApp.
Analyse (computer vision et NLP) : L'Agent IA analyse la photo (vérifie que c'est bien un dégât des eaux, estime le coût des réparations) et lit le constat manuscrit.
Vérification (reasoning) : L'Agent interroge le Core Insurance System (ex: Guidewire) pour vérifier les garanties du contrat.
Action (execution) :
Si tout est vert : L'Agent déclenche le virement instantané et notifie l'artisan partenaire.
Si doute (fraude potentielle ou hors plafond) : L'Agent escalade le dossier à un gestionnaire humain avec une note de synthèse pré-rédigée.
Résultat : Le temps de gestion passe de 7 jours à 3 minutes. Le gestionnaire humain ne traite plus que les 20% de cas complexes où son expertise est irremplaçable.
4. Le nouveau rôle de l'humain : "Manager de flotte d'Agents"
Cette transition fait peur aux équipes. C'est normal. Mais le message que nous portons chez Keyrus est clair : on ne remplace pas l'humain, on supprime la robotisation de l'humain.
Dans une organisation "Agentic First", vos collaborateurs ne sont plus des opérateurs de saisie. Ils deviennent des superviseurs.
Ils définissent les objectifs des agents.
Ils traitent les exceptions (les "Edge Cases").
Ils auditent la qualité des décisions.
C'est une montée en compétence massive. On passe du "Faire" au "Faire Faire".
Conclusion : n'attendez pas que vos concurrents automatisent leur marge
En 2026, une entreprise qui paie des bac+5 pour copier des données d'un PDF vers un excel a un problème de solvabilité à court terme.
L'IA agentique n'est pas de la science-fiction. Les "briques" (LLM, APIs, MCP, Orchestrateurs) sont là. La question n'est plus "est-ce possible ?", mais "quel processus, s'ils étaient automatisés demain, libéreraient le plus de valeur pour vos clients ?".
C'est par ce processus qu'il faut commencer.
Quelle est la différence entre l'IA "agentique" et l'IA générative ?
L'IA générative (type ChatGPT) crée du contenu (texte, image). L'IA agentique utilise ce contenu pour agir sur le monde réel via des outils grace au protocole MCP (envoyer un email, créer une facture, modifier une base de données). L'Agent possède une capacité de planification : il peut décomposer un objectif complexe ("Organise le déplacement de l'équipe") en sous-tâches autonomes.
Est-ce risqué de laisser une IA prendre des décisions ?
Oui, sans garde-fous. C'est pourquoi nous implémentons le principe du "Human-in-the-loop" (l'humain valide l'action) pour les tâches critiques, ou du "Human-on-the-loop" (l'humain supervise a posteriori) pour les tâches à faible risque. On définit des seuils de confiance : si l'IA est sûre à moins de 98%, elle ne fait rien et demande de l'aide.
Quels sont les pré-requis techniques pour déployer des Agents ?
Vos applications doivent être ouvertes (API-First). Si vos logiciels métier sont des "boîtes noires" sans API, l'Agent ne pourra pas agir. C'est souvent l'occasion de moderniser votre couche d'intégration (iPaaS). De plus, comme expliqué dans notre article précédent, vos données doivent être propres et documentées.
L'IA agentique va-t-elle remplacer la RPA (UiPath, BluePrism) ?
L’IA agentique ne remplacera pas la RPA, elle la complétera. Les leaders de la RPA intègrent déjà massivement l'IA Générative. La RPA classique restera pour les tâches très répétitives à fort volume et faible variance. L'IA agentique prendra le relais pour tout ce qui demande de la compréhension contextuelle et de la gestion d'imprévus.
Par où commencer pour un premier projet d'IA agentique ?
Ne commencez pas par le cœur du réacteur. Choisissez un processus de "Support" douloureux et chronophage : le support informatique (Niveau 1), la qualification des leads entrants (Marketing), ou la gestion des justificatifs de notes de frais. Visez un ROI rapide (3 mois) pour prouver la valeur interne.