Voici un paradoxe propre à l’ère de l’IA : les organisations sont fascinées par la promesse de l’IA comme clé pour libérer la productivité et transformer l’entreprise, et les équipes informatiques adhèrent pleinement aux avantages qu’IA et automatisation offrent — pourtant, ce sont ces mêmes organisations qui freinent cette transformation.  

Alors que la majorité des professionnels de l’informatique plaident pour l’adoption de l’IA, des obstacles opérationnels, culturels et budgétaires empêchent les entreprises de déployer l’IA à grande échelle. Résultat : la plupart des entreprises n’ont pas encore opérationnalisé des cas d’usage innovants de l’IA et de l’automatisation capables de générer une véritable valeur métier. 

Cela ne veut pas dire que la plupart des entreprises n’utilisent pas l’IA — mais elles le font surtout pour accomplir des tâches de moindre niveau et renforcer la productivité individuelle. C’est une étape importante, mais les entreprises devront voir plus grand et à plus long terme pour obtenir un ROI significatif et une véritable transformation numérique grâce à leurs investissements dans l’IA. 

Automatisation et résultats vs autonomie de l’IA agentique  

Les équipes informatiques ont une longueur d’avance en matière d’adoption de l’IA générative. Selon un rapport de recherche Ivanti 2025, 84 % des professionnels de l’informatique utilisent des outils d’IA générative au travail. Cette même étude montre également que les professionnels de l’informatique ont une opinion très positive de l’IA et de l’automatisation :  

  • 83 % s’attendent à ce que l’IA stimule la productivité au cours de l’année à venir. 
  • 70 % estiment qu’elle rendra leur travail plus satisfaisant.

Graphique à barres

Pourtant, malgré ces progrès, les entreprises n’exploitent pas pleinement le potentiel plus profond des technologies portées par l’IA. De nombreuses équipes maîtrisent l’automatisation au niveau des tâches (routage des tickets, réinitialisation des mots de passe, synthèse des journaux), mais peu ont adopté l’IA agentique, qui va au-delà de l’exécution pour intégrer raisonnement autonome et optimisation.  

Cet écart entre automatisation et transformation reflète un problème plus large, observé dans tous les secteurs. Si la plupart des organisations utilisent déjà l’IA d’une manière ou d’une autre, rares sont celles qui ont constaté un impact métier mesurable de leurs outils d’IA. McKinsey a qualifié cette situation de « paradoxe de l’IA générative ».  

Ce décalage entre applications de l’IA et ROI est également confirmé par un rapport du MIT publié en août 2025, selon lequel un pourcentage stupéfiant de 95 % des organisations n’ont constaté aucun retour sur l’IA générative, malgré 30 à 40 milliards de dollars investis dans ce domaine. 

La raison de ce problème est simple : l’IA générative crée. Elle produit du contenu, automatise des tâches et accélère les workflows. En revanche, elle n’apprend pas, ne raisonne pas et ne s’adapte pas de manière autonome. La prochaine phase de l’IA en entreprise sera portée par des systèmes capables d’interpréter, de prédire et d’agir de façon dynamique : ce que l’on appelle désormais l’IA agentique. 

Les recherches d’Ivanti soulignent par ailleurs que la plupart des entreprises n’ont pas encore intégré des cas d’usage plus complexes de l’IA à leurs workflows informatiques.   

Si 67 % des organisations automatisent le routage des tickets, moins d’un tiers appliquent l’IA à l’analyse des causes racines ou à d’autres cas d’usage prédictifs. Cela montre que la plupart des équipes privilégient encore l’automatisation standard des tâches, plutôt que de permettre aux systèmes de penser et d’agir de manière autonome grâce à l’IA agentique. 

Graphique à barres

L’automatisation standard et les outils d’IA générative sont fréquemment utilisés par les équipes informatiques pour améliorer la productivité individuelle et traiter plus rapidement des tâches répétitives et de faible niveau qu’avec une intervention humaine seule. La capacité à gagner en efficacité avec moins de temps et de ressources est un avantage essentiel de l’IA — en particulier pour des équipes informatiques sous tension, à qui l’on demande sans cesse de faire plus avec moins. Mais les gains d’efficacité ne sont qu’une partie de l’équation. 

Les données Ivanti révèlent également un problème organisationnel plus profond : près de la moitié des équipes informatiques déclarent que leur organisation manque de résilience — c’est-à-dire la capacité à s’adapter rapidement au changement, à se remettre d’une perturbation et à maintenir la continuité d’activité sans intervention manuelle excessive. 

Une véritable agilité d’entreprise exige des solutions d’IA autonomes et adaptatives, capables d’anticiper les problèmes, de raisonner sur les solutions possibles et d’apprendre en continu afin de produire les meilleurs résultats. 

C’est pourquoi de nombreuses organisations de premier plan se tournent vers l’IA agentique. Les agents d’IA autonomes donnent aux équipes l’occasion de remodeler les opérations informatiques traditionnelles, en passant d’une automatisation réactive à une collaboration proactive et orientée objectifs. Elles prennent conscience que transformer l’ITOps avec l’IA signifie passer de gains d’automatisation isolés à une intelligence à l’échelle du système. 

Cas d’usage à fort impact de l’IA agentique dans l’ITSM et l’ITOps

L’IA agentique produit déjà des résultats concrets en réduisant les temps d’arrêt, en réduisant les coûts et en améliorant l’agilité organisationnelle.  

Voici cinq cas d’usage de l’IA agentique dans l’informatique à fort impact : 

1. Remédiation autonome des incidents 

La remédiation autonome est le moment où l’IA commence à passer du support à la stratégie. Dans les opérations informatiques traditionnelles, identifier et corriger un problème peut nécessiter des heures de triage humain et d’escalade.  

Avec l’IA agentique, ces mêmes incidents peuvent être détectés, diagnostiqués et résolus en temps réel — souvent avant même que les utilisateurs ne remarquent la moindre interruption.  

L’IA agentique ne se contente pas de détecter les anomalies dans cet environnement informatique et d’en diagnostiquer la cause racine : elle élabore intelligemment des solutions, puis exécute les correctifs sans intervention humaine. De plus, le machine learning permet à l’IA d’apprendre des incidents précédents et d’utiliser cette expérience pour affiner et améliorer en continu les efforts de réponse à l’avenir. 

2. Prévention proactive des problèmes

La prévention proactive des problèmes devient possible lorsque l’IA peut anticiper les problèmes technologiques potentiels au lieu de simplement y réagir. Plutôt que de résoudre un problème connu, l’IA agentique surveille en continu les schémas de données et détecte les signaux faibles sous forme de petites déviations susceptibles d’évoluer en interruptions de service ou en problèmes de sécurité.  

En d’autres termes, elle fait évoluer l’ITOps vers une prévention proactive, en surveillant les indicateurs avancés et en traitant les problèmes avant qu’ils ne deviennent importants. 

3. Gestion du cycle de vie de bout en bout

Les agents d’IA autonomes offriront une approche plus complète et plus efficace de la gestion du cycle de vie des actifs. 

Cette vision de l’automatisation fondée sur le cycle de vie va au-delà des tickets ou incidents individuels pour couvrir chaque étape des opérations informatiques.  

De l’intégration de nouveaux appareils au déploiement de correctifs et au retrait des infrastructures obsolètes, l’IA agentique veille à ce que les systèmes restent sécurisés, conformes et rentables.  

Elle ne se limite pas à corriger les problèmes : elle détecte, diagnostique et optimise également les systèmes informatiques, du provisionnement à la mise hors service. Elle agit comme un moteur d’amélioration continue, en apprenant des schémas observés dans l’écosystème informatique afin d’optimiser proactivement les ressources, de rationaliser les mises à jour et de réduire la charge à long terme pesant sur le personnel informatique. 

4. Gestion dynamique des changements et des mises en production 

La gestion des changements et des mises en production dynamique est le domaine où l’IA agentique révèle pleinement ses capacités d’orchestration. Dans la plupart des entreprises, la gestion des changements reste un processus complexe, nécessitant une coordination entre plusieurs équipes, outils et environnements.  

L’automatisation agentique transforme cette situation en permettant aux agents d’IA de collaborer sur des workflows complexes, notamment la réponse aux incidents de cybersécurité et le déploiement de logiciels, en travaillant ensemble avec une supervision humaine minimale pour résoudre les incidents, provisionner les ressources et garantir la conformité.  

Ces agents jouent le rôle de coordinateurs intelligents : ils synchronisent les mises à jour entre les systèmes, valident les configurations et annulent automatiquement les changements lorsque des anomalies se produisent. Résultat : des cycles de changement plus rapides, plus sûrs et plus prévisibles, qui libèrent les équipes informatiques afin qu’elles se concentrent sur l’innovation plutôt que sur des interventions d’urgence fortement consommatrices de ressources. 

5. Gestion autonome des ressources et des capacités

La gestion des ressources et des capacités fait partie des dimensions les plus critiques — et souvent négligées — de la performance informatique. Grâce à l’IA, les entreprises peuvent anticiper leurs futurs besoins en ressources en analysant les tendances d’utilisation historiques, les fluctuations de charge de travail et les pics de demande. Les systèmes agentiques peuvent allouer automatiquement la puissance de calcul, le stockage et la bande passante avant l’apparition de goulots d’étranglement, maintenant ainsi des performances optimales sans supervision humaine constante.  

Au fil du temps, ces systèmes auto-ajustables apprennent à partir des données opérationnelles pour affiner en continu la capacité, réduire le gaspillage, minimiser les coûts et assurer la continuité de service, même en cas de pics inattendus. 

Les recherches issues du rapport d’IBM, L’ascension stratégique de l’IA agentique, soulignent le rythme de cette évolution : d’ici 2027, deux fois plus de dirigeants s’attendent à ce que les agents d’IA prennent des décisions autonomes dans les workflows. Aujourd’hui, seuls 24 % des dirigeants déclarent atteindre ce niveau d’autonomie ; d’ici deux ans, 67 % s’attendent à ce que cela devienne la norme. 

Surmonter les obstacles et générer un impact à l’échelle de l’entreprise

Pourtant, les progrès se heurtent souvent à un coup d’arrêt : non par manque d’intention, mais en raison d’obstacles structurels. Les responsables informatiques doivent d’abord lever les freins qui empêchent leur évolution vers un travail centré sur la valeur. Ces obstacles sont multiples : techniques, culturels et opérationnels.  

Même les organisations informatiques les plus avancées en matière d’IA peuvent ne pas disposer de la préparation structurelle nécessaire à une automatisation approfondie. Par exemple, le « rapport Technology at Work 2025 » d’Ivanti a révélé que : 

  • 38 % des professionnels de l’informatique considèrent la complexité des piles technologiques comme un problème pour l’efficacité des opérations informatiques. 
  • Et 72 % déclarent que leurs données informatiques et de sécurité sont cloisonnées au sein de leur organisation.  

Graphique à barres

Construire une stratégie d’IA durable exige plus qu’une attitude positive : cela nécessite un alignement entre l’informatique et l’ensemble de l’entreprise. Les organisations qui réussissent sont celles qui alignent leurs objectifs technologiques sur des résultats tangibles, avec le soutien de structures de données claires, de processus unifiés et d’équipes préparées à gérer de nouveaux workflows pilotés par l’IA. Sans cet alignement, même les meilleurs outils peinent à produire un impact à l’échelle de l’entreprise. 

Les recherches d’IBM révèlent une autre dimension : 45 % des dirigeants citent le manque de visibilité sur la prise de décision de l’IA comme un obstacle majeur. Ce problème de « boîte noire » de l’IA n’est pas seulement technique. Il relève aussi de la confiance, d’une communication claire et de garde-fous pour l’IA. Le déploiement de l’IA agentique à grande échelle nécessite des cadres de gouvernance dans lesquels les décisions automatisées peuvent être comprises, auditées et expliquées. 

Une telle transformation doit garder l’humain au centre : concevoir pour augmenter les capacités, et non pour remplacer. 

Le modèle opérationnel de l’IA agentique

Considérez l’ITOps agentique comme bien plus qu’une amélioration de l’efficacité : il s’agit d’une refonte complète des workflows informatiques traditionnels. Les organisations qui prennent la tête de la prochaine phase de transformation sont celles qui repensent la manière dont leurs systèmes prennent des décisions, collaborent et s’adaptent de façon autonome dans toute l’entreprise. 

Ce niveau de transformation numérique exige un leadership au plus haut niveau. Les DSI et les parties prenantes dirigeantes doivent passer de l’expérimentation à l’exécution. Ils doivent envisager l’intégration de l’IA agentique non comme un projet secondaire, mais comme un modèle opérationnel central qui aligne la technologie, les données et les personnes sur des résultats communs. 

Ce basculement constitue le véritable défi à venir. 

Le ROI futur des initiatives d’IA agentique

Même avec les gains de productivité apportés par les technologies d’IA générative, les équipes informatiques n’ont pas besoin de davantage d’outils. Elles ont besoin d’une intelligence qui produit des résultats mesurables. Les équipes doivent définir des indicateurs avant/après qui parlent aux responsables informatiques et métier. Au-delà des gains d’efficacité (temps gagné, résolution plus rapide, baisse des coûts), mesurez les économies de main-d’œuvre, la réduction des pannes fortement consommatrices de ressources et la diminution de la prolifération des outils. 

Les organisations transformationnelles constatent un impact plus important sur chaque indicateur métier, notamment la productivité, l’efficacité, la croissance du chiffre d’affaires, la force de la marque et la fidélité client, que celles qui limitent l’IA à des gains progressifs, voire superficiels.  

En effet, les organisations qui excellent dans trois domaines clés de l’adoption de l’IA ont 32 fois plus de chances d’atteindre un niveau de performance métier de premier plan, selon ce même rapport IBM cité précédemment.  

L’essentiel

Les 12 à 24 prochains mois mettront à l’épreuve la capacité des responsables informatiques à transformer l’expérimentation en valeur durable. Ceux qui adopteront tôt l’IA agentique construiront des organisations capables d’apprendre plus vite, de s’adapter en continu, d’anticiper les problèmes potentiels et de se remettre instinctivement des perturbations. 

L’informatique a régulièrement montré qu’elle était pleinement disposée et engagée à adopter l’IA. Elle doit maintenant reprendre le leadership, en profondeur. L’IA agentique marque la prochaine étape de maturité : des systèmes capables d’apprendre, de se réparer et de s’optimiser eux-mêmes, pour renforcer l’agilité et la résilience dans toute l’entreprise.  

Il ne s’agit pas d’une approche « configurer et oublier ». Les équipes informatiques doivent créer, entraîner, surveiller, mesurer et affiner l’IA agentique afin de garantir la réalisation de la valeur. 

Pour en savoir plus sur le rôle de l’IA comme outil de transformation des opérations informatiques, ainsi que sur les cas d’usage innovants de l’IA agentique et de l’automatisation dans l’informatique, consultez le rapport de recherche d’Ivanti : « IA : l’avenir de l’automatisation ITSM ».