Maturité de l’IA agentique · Gouvernance, stratégie, culture, données et préparation du système d’information

L’IA agentique se distingue de l’IA génératrice de contenu par un point simple : l’agent ne propose pas, il agit. Il enchaîne des étapes, appelle des outils, écrit dans des systèmes, déclenche des tâches et rend compte. Cela suppose des identités techniques, des périmètres d’action délimités, une journalisation exploitable, des points de reprise humaine et une donnée fiable au moment de l’appel. Le référentiel évalue ces conditions séparément, parce qu’une organisation peut être avancée sur l’expérimentation et très en retrait sur l’exécution.

En pratique, le sujet est difficile à piloter parce qu’il traverse la DSI, les métiers, la donnée et le juridique. Qui autorise un agent à écrire dans un système de production, et sur quel périmètre ? Que se passe-t-il quand un agent enchaîne dix actions et que la troisième était fausse : dispose-t-on de la trace, du point d’arrêt, du responsable désigné ? Les métiers savent-ils quelles décisions ils délèguent et lesquelles ils gardent ? Sans réponse, les projets restent bloqués au stade de la démonstration, non par manque de technologie mais par absence de cadre d’exécution.

Une confusion fréquente mérite d’être levée : l’IA agentique n’est pas un modèle plus puissant, c’est une architecture. La performance vient de l’orchestration, de l’accès aux outils, de la qualité des données mobilisées et de la conception des points de contrôle. Autre point de contexte : les organisations qui ont structuré leur gouvernance de la donnée et leur gestion des accès avancent nettement plus vite sur les agents, parce que le socle est déjà en place. À l’inverse, un patrimoine de données mal documenté transforme chaque agent en projet d’intégration.

Le référentiel ne mesure pas une conformité, il situe une trajectoire de transformation. Il ne conclut pas par un verdict binaire mais par un niveau de maturité et par l’action qui fait passer au niveau suivant, thématique par thématique. Cette lecture permet de choisir : consolider le socle de données avant d’industrialiser, ou sécuriser d’abord les périmètres d’action des agents déjà en service. L’écart entre le score constaté et la cible fixée par la direction génère le plan d’action, que l’IA regroupe en feuille de route priorisée.

Le référentiel est prêt à l’emploi et vous appartient. Vous ajustez les thématiques, les questions et les niveaux selon votre secteur et votre organisation. L’IA affine les formulations, aligne les niveaux sur la méthode CMMI, ou construit une déclinaison à partir de vos propres documents : politique d’usage de l’IA, cartographie applicative, schéma directeur. Les évaluations peuvent ensuite être menées business unit par business unit, puis comparées entre elles et avec les campagnes précédentes.