Les agents IA d'entreprise deviennent utiles lorsqu'ils peuvent lire le bon contexte métier, agir dans un flux défini et laisser une trace claire qu'une personne peut vérifier. Un modèle plus puissant ne suffit pas à corriger des documents dispersés, des responsabilités floues ou des autorisations excessives.

C'est la leçon pratique du partenariat élargi entre Atlassian et OpenAI, annoncé par OpenAI le 6 octobre 2026. Les deux entreprises relient les modèles d'OpenAI au Teamwork Graph d'Atlassian afin que les agents puissent exploiter le contexte des personnes, des projets, des documents et des décisions. Pour les dirigeants, le message est simple : préparez l'environnement de travail avant d'accorder davantage d'autonomie à un agent.

Pourquoi les agents IA d'entreprise ont besoin de contexte métier

Un modèle généraliste connaît la langue et les schémas. Il ne sait pas d'emblée quelle prévision de ventes est à jour, qui a approuvé une remise, si un dossier de support est urgent ou quelle politique s'applique en Belgique. Ces réponses sont réparties entre votre CRM, votre service d'assistance, votre espace partagé, votre messagerie et votre outil de gestion de projet.

L'annonce de partenariat d'OpenAI du 6 octobre décrit Rovo utilisant le Teamwork Graph d'Atlassian comme couche de contexte d'entreprise. Dans l'exemple de préparation d'un lancement, un agent peut relier des tickets Jira, des documents Confluence et des discussions pour repérer les blocages et les jalons manqués. Le modèle apporte le raisonnement, mais les données reliées apportent les faits.

Cette distinction compte, car une réponse soignée peut tout de même être fausse sur le plan opérationnel. Si l'agent lit une ancienne grille tarifaire ou manque une décision consignée dans un canal privé, la qualité de la formulation ne sauvera pas le résultat. Une automatisation fiable commence par les sources, les responsabilités et les horodatages.

Le contexte doit aussi être sélectif. Donner à un agent l'accès à tous les dossiers est plus simple que de concevoir des autorisations, mais cela crée des risques évitables pour la confidentialité et la sécurité. L'agent ne doit voir que ce que la tâche exige, selon des règles identiques ou plus strictes que celles appliquées à un employé.

Préparer un flux avant d'ajouter de l'autonomie

Commencez par un flux doté d'un déclencheur clair, d'un parcours répétable et d'un résultat vérifiable. De bons premiers candidats : trier les demandes entrantes, préparer un point projet hebdomadaire, rapprocher les factures des bons de commande ou rédiger des réponses à partir d'une base de connaissances approuvée.

Cartographiez le processus tel qu'il fonctionne aujourd'hui. Demandez-vous où l'information entre, quel système détient la référence, quelles décisions suivent des règles fixes et où le jugement est nécessaire. C'est souvent plus précieux que de choisir un modèle. Cela révèle les étapes en double et les responsabilités manquantes avant que le logiciel ne les accélère.

Une liste de contrôle pratique tient en quelques points :

• Désignez le système de référence pour chaque information importante.

• Définissez l'événement qui lance le flux et le résultat qui le clôt.

• Limitez les autorisations par rôle, type d'enregistrement et action.

• Fixez des seuils de confiance ou de valeur pour l'approbation humaine.

• Journalisez les entrées, appels d'outils, modifications et décisions des relecteurs.

• Choisissez une référence mesurable, comme le temps de traitement ou le taux de reprise.

Gardez une première version étroite. Un agent qui prépare un rapport d'avancement à partir de trois sources approuvées est plus facile à tester qu'un agent chargé de piloter la gestion de projet. Un périmètre restreint fournit des preuves sur les domaines où l'agent aide et ceux où le processus lui-même doit être réparé.

Concevoir le contrôle autour des actions, pas du chat

Le risque change lorsqu'une IA passe de la réponse à une question à la modification d'un enregistrement. Lire un ticket n'est pas le clôturer. Rédiger une réponse sur un remboursement n'est pas effectuer le remboursement. Votre dispositif de contrôle doit refléter la réversibilité de l'action et son impact financier ou client.

Utilisez un accès en lecture seule pendant la première phase de test. Autorisez ensuite des écritures à faible risque, comme ajouter une étiquette ou créer un brouillon. Exigez une approbation pour les messages envoyés aux clients, les modifications de compte, les paiements, les suppressions ou les décisions qui touchent à l'emploi et à l'accès aux services.

La relecture humaine a besoin d'une véritable interface. Un manager doit voir l'action proposée, les éléments utilisés, les exceptions relevées et l'effet exact de l'approbation. Un bouton d'approbation générique sans contexte transforme la supervision en théâtre. Les relecteurs ont aussi besoin d'un moyen clair de corriger les données sources plutôt que de rectifier chaque semaine le même résultat.

Mesurez plus que l'achèvement des tâches. Suivez les corrections, les escalades, les tentatives d'accès non autorisé, les actions en double et le temps passé à relire. Un agent rapide qui crée un travail de nettoyage caché n'est pas une amélioration. Comparez les résultats avec l'ancien processus pendant plusieurs cycles avant d'élargir le périmètre.

Chez Vexol, nous abordons la mise en œuvre de l'IA comme un projet de flux et de systèmes. Le modèle n'est qu'un composant. Le travail durable consiste à relier les sources, appliquer les autorisations, gérer les exceptions et rendre les responsabilités visibles.

Déployez par étapes. Commencez avec cinq ou dix cas réels et vérifiez chaque résultat. Quand les schémas d'échec deviennent prévisibles, automatisez la branche la plus sûre et gardez les exceptions dans une file. N'étendez à une autre équipe que lorsque le flux a un responsable, un circuit de support et un plan de retour arrière. Ce rythme peut sembler prudent, mais il évite de diffuser un processus fragile dans toute l'entreprise avant que quiconque sache comment le réparer.

Les agents IA d'entreprise peuvent-ils fonctionner avec des logiciels anciens ?

Oui, si l'ancien système expose une API stable, une vue de base de données, un export, une interface e-mail ou un flux navigateur contrôlé. La méthode d'intégration compte moins qu'un identifiant fiable et un moyen sûr de relancer les actions échouées. En l'absence de connexion propre, placez une petite couche d'intégration entre l'agent et l'application historique plutôt que de laisser le modèle improviser des clics dans toute l'interface.

Comment une entreprise doit-elle choisir son premier flux d'agent ?

Choisissez un travail fréquent, bien délimité et assez coûteux pour valoir une amélioration, mais pas catastrophique si un brouillon est erroné. Vérifiez que les données nécessaires sont disponibles et qu'une personne est responsable du résultat. Faites d'abord fonctionner l'agent en mode observation ou brouillon, comparez-le aux décisions réelles et n'élargissez ses autorisations qu'une fois les schémas d'erreur compris.