Et si l’IA prenait en charge de manière autonome le développement logiciel ? Les systèmes d’IA agentique, tels que GitHub Copilot Workspace, visent déjà à traiter des demandes de haut niveau et à écrire, tester et déboguer du code de manière autonome. Ce bond en avant, qui va au-delà de la simple génération d’extraits de code pour s’étendre à l’automatisation de flux de travail cognitifs de bout en bout, transforme en profondeur le travail intellectuel et l’interaction avec les logiciels. Il est désormais impératif pour les dirigeants de comprendre l’impact de l’IA agentique sur la stratégie, les feuilles de route et les effectifs. Selon les personnes interrogées dans le cadre d’une récente enquête menée par le Boston Consulting Group,une entreprise sur trois dans le monde prévoit de consacrer plus de 25 millions de dollars à l’IA en 2025.
Définition de l’IA agentique : au-delà des chatbots, vers des acteurs autonomes
Forget simple chatbots. Agentic AI represents systems designed to autonomously pursue goals. Given a high-level objective, an agentic system can devise a plan, execute steps by interacting with various digital tools (APIs, browsers, applications), and adapt based on outcomes. It’s the transition from AI that responds based on patterns to AI that acts to accomplish specific tasks.
Much confusion stems from the fact that agentic AI often leverages powerful Gen AI models like OpenAI’s GPT-4o or Google’s Gemini as its core reasoning engine. However, the agentic framework – exemplified by platforms emerging from OpenAI’s Assistants API or open source toolkits – provides the crucial layers of autonomy, planning, memory, and tool interaction. Imagine that instead of having a powerful engine, you have a self-driving vehicle that uses that engine to navigate traffic, follow routes, and reach a destination. This dynamic capability separates it sharply from brittle, script-following robotic process automation.
IA agentique contre IA générative : le bond en avant concret à l’origine de l’engouement actuel
Generative AI’s power to create content – from code snippets via the original GitHub Copilot to marketing copy via Jasper – is undeniable. However, agentic AI harnesses this generative power and makes it actionable. It’s the difference between asking an AI to write Python code vs. asking an agent to build, test, and debug a functional Python script that integrates with a specific API to achieve a business outcome.
The current wave of hype, evident in soaring valuations for AI startups and intense focus from tech giants, stems from this leap to autonomous action. While Gen AI might draft sections of a business plan, an agentic system could be tasked with “Analyze market trends for Product X, identify key competitors, draft a competitive strategy document, and schedule a review meeting,” orchestrating research, analysis, generation, and scheduling tools. This potential for automating complex, multi-step workflows end to end, moving beyond human-in-the-loop for every step, fuels the immense strategic interest and investment.
L’impératif « agentique » : repenser les logiciels, bousculer les acteurs établis
Why is virtually every software company, from hyperscalers to SaaS providers, racing to develop an agentic strategy? Because it promises to redefine user interaction and software value. As Microsoft CEO Satya Nadella said, technologies like Copilot “fundamentally change how we relate to computing,” acting as orchestrators.
Nous voyons cette situation évoluer rapidement :
- Microsoft’s Copilot Ecosystem: The broad rollout of Microsoft 365 Copilot across Word, Excel, and Teams isn’t just about embedding generative features; it’s about enabling users to delegate tasks like “Summarize unread emails from Project Phoenix and flag action items” or “Analyze Q4 sales data in this Excel sheet and create a PowerPoint summary.” The recent launch of GitHub Copilot Workspace explicitly targets this, aiming to take developer requests from issue description to tested pull request with minimal intervention.
- Google’s Agentic Integrations: Google continues to weave Gemini more deeply into Workspace, enabling complex cross-app actions. The evolution of AI Overviews in Search hints at a future where Search doesn’t just provide links but performs actions or complex research tasks directly.
- Salesforce, ServiceNow, Adobe: These platforms are integrating agentic features (like Salesforce Einstein Copilot or ServiceNow’s Now Assist) to automate complex CRM, IT service management, and creative workflows, allowing users to interact via natural language goals rather than complex UIs.
- Startups: Companies like Adept AI, focused on teaching AI to use existing software interfaces, underscore the ambition to create universal agents, attracting significant venture capital interest throughout 2024.
Cette tendance risque de bouleverser les modèles logiciels établis. Si les utilisateurs parviennent à obtenir des résultats complexes grâce à des agents conversationnels s’ajoutant aux applications traditionnelles, l’interface utilisateur et les fonctionnalités de l’application sous-jacente perdent de leur importance. Les acteurs en place doivent s’adapter sous peine de risquer d’être progressivement supplantés.
Repenser la protection des données : vers une cyber-résilience autonome
Le secteur de la protection des données, confronté à des cybermenaces de plus en plus graves, telles que les attaques sophistiquées par ransomware en plusieurs étapes qui se sont multipliées fin 2024, a désespérément besoin des capacités proactives que promet l’IA agentique :
- Une défense proactive allant au-delà de la détection des anomalies : l’IA actuelle signale les anomalies, mais les systèmes basés sur des agents pourraient aller plus loin. Imaginez un agent capable de détecter les schémas de reconnaissance des ransomwares, de créer de manière autonome des instantanés des machines virtuelles critiques via la plateforme de sauvegarde, de vérifier l’intégrité de ces instantanés et d’isoler les terminaux suspects avant même que le chiffrement ne commence — réduisant ainsi considérablement l’ampleur des dégâts.
- Intelligent, context-aware recovery: Instead of rigid recovery plans, an agent could analyze an attack’s scope (e.g., using threat intelligence feeds via API), identify the safest recovery points across multiple systems, orchestrate the restore using the backup infrastructure, perform automated data validation checks, and even generate post-incident reports.
- Dynamic policy optimization: Agents could analyze evolving compliance mandates (like updated GDPR or CCPA rulings) or observed protection gaps and automatically adjust backup policies, frequencies, and retention settings, maintaining continuous alignment without manual overhead.
Commvault, Arlie et l’avenir : les structures « agentic » au service de la résilience des données
Navigating this evolution requires a data resilience platform built for an AI-driven world. At Commvault, our AI copilot, Arlie, already leverages AI to provide insights and streamline operations. But our vision extends further, toward enabling Agentic Fabrics.
Ce concept envisage une architecture intelligente et interconnectée dans laquelle des agents d’IA, guidés par Arlie, opèrent et se coordonnent de manière autonome au sein de votre environnement de données hybride. Il ne s’agit pas simplement d’un assistant, mais d’un réseau d’agents spécialisés travaillant ensemble :
- Un agent chargé de surveiller l’état de sécurité pourrait détecter une menace et alerter un autre agent via Arlie afin de sécuriser immédiatement les sauvegardes concernées.
- En se basant sur l’intention de l’utilisateur (« Restaurer la base de données CRM à l’état dans lequel elle se trouvait avant l’activité suspecte d’hier »), Arlie pouvait demander aux agents de coordonner cette restauration complexe sur l’ensemble des serveurs d’applications, des bases de données et du stockage dans le cloud, tout en vérifiant l’intégrité des données après la restauration.
- Les agents pourraient identifier de manière proactive les possibilités de réduction des coûts en analysant les habitudes d’utilisation des données et en transférant automatiquement les données peu utilisées vers des niveaux de stockage moins coûteux, conformément aux objectifs définis dans les politiques.
L’Agentic Fabric incarne la prochaine étape de l’évolution de l’architecture intelligente : un écosystème coordonné au sein duquel des agents d’IA opèrent de manière autonome tout en collaborant à l’échelle de l’ensemble de votre environnement de données. Il ne s’agit pas simplement de déployer des assistants isolés, mais bien de créer un réseau interconnecté d’agents spécialisés qui communiquent et se coordonnent de manière transparente :
- Les agents de sécurité peuvent détecter instantanément les menaces et déclencher des mesures de protection par l’intermédiaire d’autres agents spécialisés, sans intervention humaine.
- Les processus de Recovery peuvent s’appuyer sur l’interprétation de l’intention exprimée en langage naturel (« Restaurer nos systèmes à l’état dans lequel ils se trouvaient avant la violation ») tout en orchestrant des flux de travail techniques complexes dans des environnements hybrides.
- L’optimisation des ressources s’inscrit désormais dans une démarche continue, les agents identifiant de manière proactive les gains d’efficacité et les mettant en œuvre conformément aux politiques définies par l’entreprise.
Cette évolution vers l’IA agentique oblige les organisations à repenser trois aspects essentiels : leur architecture de données (afin de permettre aux agents de fonctionner de manière autonome tout en garantissant la sécurité), leurs cadres de gouvernance (pour établir des garde-fous adaptés aux actions des agents) et leurs stratégies de résilience (en tirant parti des agents pour anticiper les menaces plutôt que de se contenter d’y réagir). Les organisations qui adopteront ce paradigme ne se contenteront pas de gagner en efficacité : elles transformeront en profondeur la manière dont elles protègent, gèrent et exploitent leurs ressources de données.
Alors que le paysage numérique devient de plus en plus complexe et que les vecteurs de menaces se multiplient de manière exponentielle, une question s’impose : votre entreprise se prépare-t-elle à un monde où l’IA ne se contente pas d’assister votre équipe, mais protège activement vos actifs les plus précieux ? La révolution des agents n’est pas pour demain : elle est déjà en train de transformer la technologie d’entreprise. Êtes-vous prêt à évoluer avec elle ?
