Faut-il construire ou acheter sa plateforme d'agents IA ?

Quatre familles coexistent : les plateformes métier des éditeurs, les socles d'exécution des clouds, les briques open source et, depuis 2026, une couche qui pilote plusieurs agents à la fois. Notre lecture : les confondre fausse la comparaison, parce qu'elles ne vendent pas la même chose.

Ce que vend chaque famille :

• Les plateformes métier (Salesforce Agentforce, ServiceNow, Microsoft Copilot Studio) vendent un socle d'exécution, une gouvernance centralisée et des agents prêts à l'emploi, collés à leur domaine : la relation client, les services informatiques, la bureautique.
• Les socles d'exécution des clouds (Amazon Bedrock AgentCore, et chez Google l'ancien Vertex AI Agent Builder, rattaché en avril 2026 à la Gemini Enterprise Agent Platform) vendent l'infrastructure qui fait tourner les agents, sans imposer le métier.
• Les briques open source (LangGraph, CrewAI) donnent le contrôle complet de l'architecture ; la gouvernance et le suivi sont à construire.
• La couche qui pilote plusieurs agents, qu'on appelle méta-harness (le harness est le programme qui fait travailler un agent), compose des agents de fournisseurs différents, aujourd'hui surtout des agents de code, et leur applique les mêmes règles.

Ce que pèsent les éditeurs

Les chiffres de marché sont surtout ceux des éditeurs. Salesforce annonce pour Agentforce 800 millions de dollars de revenu annuel récurrent, en hausse de 169 % sur un an, et plus de 29 000 contrats signés depuis le lancement (résultats du 25/02/2026). Ces chiffres comptent des contrats signés, sans rien dire des agents en production.

Ce qui a bougé dans le socle en 2026

AWS a mis AgentCore en disponibilité générale le 13/10/2025, avec le réseau privé (VPC, PrivateLink) et le déploiement automatisé qu'exige une grande entreprise. En mars 2026, AgentCore Policy, les règles qui encadrent ce qu'un agent a le droit de faire, et AgentCore Evaluations, le contrôle continu de la qualité, en préversion depuis décembre 2025, sont passés en disponibilité générale. Le harness managé, en préversion depuis avril, a suivi à l'été 2026 (notes de version d'AWS).

Databricks a ouvert en juin 2026 Omnigent, un méta-harness publié sous licence Apache 2.0, en alpha dans sa version open source et en bêta dans l'offre de Databricks. Il compose Claude Code, Codex, Cursor, Pi et des agents maison décrits dans un fichier de configuration. On y change de harness ou de modèle en une ligne, et les règles de coût et de validation humaine s'appliquent en dehors de la consigne envoyée au modèle.

Parce que la plupart des projets butent avant le choix : selon IDC, 4 preuves de concept d'IA sur 33 passent en production. Et les raisons d'abandon que donne Gartner pour les projets agentiques, des coûts qui montent, une valeur floue, des risques mal tenus, ne se règlent pas en changeant de fournisseur.

Le chiffre vient d'une étude d'IDC avec Lenovo relayée en mars 2025 : 88 % des preuves de concept observées n'atteignent pas un déploiement large. TechTimes l'a repris en juillet 2026 en l'appliquant aux agents, à propos de l'unité que Cognizant a créée pour l'Europe, le Moyen-Orient et l'Afrique. Le même article cite une enquête 2026 de Gartner auprès des DSI, dont nous n'avons pas retrouvé le communiqué : 17 % des organisations y disent avoir pleinement déployé des agents, plus de 60 % comptent le faire dans les deux ans.

Côté agents, Gartner prévoit que plus de 40 % des projets d'IA agentique seront annulés d'ici fin 2027, à cause de coûts croissants, d'une valeur métier floue ou de contrôles de risque insuffisants. L'éditeur d'outils de suivi Fiddler AI avance de 70 à 95 % d'échec des agents en production, mais ses sources sont des bancs d'essai et, pour le haut de la fourchette, une étude du MIT sur l'effet financier des pilotes d'IA générative.

Les deux questions d'avant

Notre lecture : la question construire ou acheter vient en troisième. Les deux premières sont plus inconfortables :

1. Ce cas d'usage a-t-il une définition écrite et partagée de ce qui est assez bon, avec un seuil chiffré ?
2. Quelqu'un porte-t-il le résultat de l'agent, au-delà du projet qui le livre ?

Tant que ces deux réponses manquent, le choix de plateforme n'a pas de conséquence visible : on aura acheté ou construit une capacité que personne n'a mandat de mettre en production. Digital Applied recommande dans le même esprit de fixer le résultat attendu, les droits d'accès, le propriétaire et la reprise en cas d'erreur avant d'étendre un pilote.

Aucune source publique ne chiffre proprement le coût complet sur plusieurs années. Les calculs disponibles font ressortir la même variable, le volume : en dessous d'un seuil, construire ne s'amortit pas ; au-dessus, construire l'emporte d'autant plus que le volume grandit.

Le cadre de décision de Digital Applied, publié en mai 2026, situe la bascule de l'achat vers la construction autour d'un million de conversations par an pour un agent de workflow complexe dans une entreprise de 500 postes, sur trois ans. Ses auteurs le présentent comme un calcul d'exemple, à refaire avec ses propres hypothèses.

L'autre camp chiffre l'inverse. SearchUnify, qui vend des agents prêts à l'emploi pour le service client, estime qu'un agent construit en interne coûte 8 à 20 fois plus cher sur trois ans. Les deux calculs viennent d'acteurs qui ont un intérêt à leur conclusion. Ce qui les départage, c'est votre volume projeté à trois ans.

Les postes qui manquent aux business cases

Notre lecture : un business case qui ne compte que des licences et des jours de développement oublie quatre postes :

• le nettoyage et la mise en qualité des données ;
• la conduite du changement auprès des équipes ;
• la couche qui explique les décisions de l'agent, le jour où les auditeurs la demandent ;
• le raccordement aux systèmes existants, et ses tests.

SearchUnify avance, en renvoyant à une recherche du secteur, que la préparation des données pèse 60 à 75 % de l'effort des projets d'analyse de données et d'IA. Le cas de Safari365, une agence de safaris sur mesure en Afrique racontée par Salesforce, donne l'autre face : son dirigeant raconte qu'un gros nettoyage des données venait d'être terminé quand l'entreprise a adopté Agentforce, et que l'agent est entré en service six semaines après la signature, ce qu'il attribue à la simplicité des outils.

Peu de choses vérifiables. Les retours chiffrés publics sont presque tous des témoignages d'éditeurs, et ils viennent de ceux qui ont réussi. Le modèle que nous recommandons, une plateforme achetée au centre et des zones construites autour, est une lecture de praticien, sans mesure qui l'appuie.

Les retours d'expérience publiés ont un biais de départ : ils viennent de ceux qui ont passé la barre, souvent racontés par l'éditeur qui leur a vendu l'outil. Lus à côté des 4 preuves de concept sur 33 qui atteignent la production, ils montrent ce qui est possible, sans dire ce qui est probable. Le dire au comité d'investissement coûte une réunion inconfortable.

Le cas souvent cité de JPMorgan est plus ancien qu'il n'y paraît. En 2017, la banque estimait à 360 000 heures par an le travail de juristes et de chargés de prêts que son logiciel COIN prenait en charge, sur 12 000 contrats par an (ABA Journal). C'était de l'apprentissage automatique, bien avant les agents actuels.

Le modèle que nous recommandons

Au centre, une plateforme achetée qui porte la gouvernance, les traces d'audit, l'identité des agents et les workflows standards. Autour, des zones construites en interne pour les domaines où l'entreprise a une vraie spécificité, reliées au centre par les standards MCP et A2A. Arion Research décrit une voie voisine, l'assemblage : des agents métier fournis par l'éditeur de l'ERP ou du CRM, une orchestration maison et des protocoles ouverts pour relier le tout. Selon lui, c'est là que finissent la plupart des grands groupes.

Trois règles de conduite en découlent :

• Choisir selon la contrainte dominante de l'organisation (la vitesse, l'hétérogénéité du parc, l'exigence d'audit), plutôt que selon le classement des analystes.
• Mettre les gens du métier dans l'équipe qui construit, comme membres à part entière.
• Fixer au pilote une date de décision, écrite dès son lancement.

Non. Ils relient les agents aux outils et entre eux, sous une gouvernance neutre depuis 2025. Mais la mémoire, les traces et les définitions des agents restent dans le format de chaque éditeur, et très peu de dirigeants se disent capables de quitter leur fournisseur d'IA sans perturbation.

Ce que les standards règlent

Deux protocoles se partagent le travail :

• MCP, lancé par Anthropic fin 2024, relie un agent à des outils et à des données. Il a été confié le 09/12/2025 à l'Agentic AI Foundation, un fonds de la Linux Foundation cofondé par Anthropic, Block et OpenAI et soutenu notamment par Google, Microsoft et AWS. Anthropic y compte plus de 97 millions de téléchargements par mois des kits de développement MCP.
• A2A, lancé par Google en avril 2025, fait dialoguer des agents d'éditeurs différents. Il a été confié à la Linux Foundation le 23/06/2025 ; un an après son lancement, la fondation revendique plus de 150 organisations et des usages en production dans la logistique, la finance, l'assurance et l'exploitation informatique.

Ce qu'ils ne règlent pas

Notre lecture : la dépendance se joue sur quatre couches à la fois, le modèle, l'orchestration, la mémoire et les données, et les protocoles n'en couvrent qu'une partie. Selon Deloitte, une entreprise sur cinq seulement a un modèle de gouvernance mûr pour ses agents autonomes. Notre lecture : sans gouvernance, la dépendance s'installe sans avoir été décidée.

Ce qui se négocie à la signature

La marge de manoeuvre à trois ans se joue au contrat :

• exiger la compatibilité MCP et A2A parmi les critères éliminatoires de l'appel d'offres ;
• négocier le droit de changer de modèle ;
• imposer l'export des traces, des mémoires et des définitions d'agents dans un format documenté ;
• chiffrer le coût de sortie à la signature plutôt qu'à la rupture.

Pour les agents de code et les agents maison, un méta-harness rend ces exigences vérifiables : quand on change de harness ou de modèle en modifiant une ligne de configuration, la portabilité se teste en recette. Omnigent, en alpha dans sa version open source et en bêta chez Databricks, s'essaie en pilote.

Le règlement européen du 8 juillet 2026 repousse les obligations des systèmes à haut risque : au 2 décembre 2027 pour ceux de l'annexe III, au 2 août 2028 pour ceux de l'annexe I. L'obligation de dire qu'on parle à une IA, elle, s'applique depuis le 2 août 2026.

Le règlement (UE) 2026/1744, dit Digital Omnibus sur l'IA, a été publié au Journal officiel le 24/07/2026 et est entré en vigueur le 27/07/2026. Il décale les règles des systèmes à haut risque, qui couvrent par exemple le recrutement ou l'accès au crédit (Gibson Dunn) :

• annexe III, les systèmes qui ne sont pas intégrés à un produit réglementé : du 2 août 2026 au 2 décembre 2027 ;
• annexe I, les systèmes intégrés à des produits déjà réglementés, comme les machines ou les dispositifs médicaux : du 2 août 2027 au 2 août 2028.

Le report ne touche pas l'obligation d'information de l'article 50. Depuis le 2 août 2026, un système qui échange directement avec des personnes doit être conçu pour qu'elles sachent qu'elles parlent à une IA. C'est la règle qui touche le plus vite les agents placés face à des clients.

Point de vigilance : une entreprise qui modifie substantiellement un système à haut risque en devient le fournisseur au sens du règlement (article 25), avec des obligations plus lourdes que celles d'un déployeur, l'entreprise qui se contente de l'utiliser, dès que les règles du haut risque s'appliquent. Les manquements aux obligations des fournisseurs, des déployeurs et de transparence exposent à des amendes jusqu'à 15 millions d'euros ou 3 % du chiffre d'affaires mondial (article 99). La qualification juridique des agents se traite au cadrage.

Le coût complet d'une plateforme sur plusieurs années, la part des agents qui tiennent en production, ce que coûte vraiment une sortie, et ce que donnent les méta-harness hors des démonstrations. Sur ces points, les sources publiques sont des calculs d'exemple ou des chiffres d'éditeurs.

• Le coût complet sur trois à cinq ans n'est mesuré nulle part. Les seuls chiffres publics sont des calculs d'exemple ou des estimations d'acteurs qui vendent l'une des options.
• La part des agents qui tiennent en production n'est pas connue. Le chiffre d'IDC porte sur l'IA en général et date de 2025 ; celui de Gartner est une prévision d'abandon.
• Le coût d'une sortie n'a pas de mesure propre aux agents. On sait combien de dirigeants se disent dépendants ; personne ne mesure ce que coûte un changement de plateforme.
• Les retours d'expérience vérifiables sont rares. La plupart sont racontés par l'éditeur de l'outil, sans mesure indépendante.
• Les méta-harness n'ont pas encore de retour de production. Omnigent est en alpha ou en bêta selon la version ; on ignore ce que devient la portabilité promise sur un parc réel.

Séparer le calcul d'exemple de la mesure, le chiffre d'éditeur de l'étude indépendante et l'IA en général des agents. Et dater chaque nom d'offre : sur ce marché, les produits changent de nom et de statut en quelques mois, et ce carnet garde ceux d'octobre 2026.

• Les seuils de coût de Digital Applied sont un calcul d'exemple, que ses auteurs demandent de refaire avec ses propres hypothèses ; SearchUnify, qui chiffre l'inverse, vend des agents prêts à l'emploi.
• Les chiffres de Salesforce, d'Anthropic et de la Linux Foundation sont ceux des acteurs qui portent les produits : ils comptent des contrats, des téléchargements et des membres, sans mesurer les agents en production.
• Le chiffre d'IDC (4 sur 33) porte sur l'ensemble des preuves de concept d'IA, agents ou non.
• Fiddler AI, qui vend des outils de suivi des agents, parle d'échecs en production en s'appuyant surtout sur des bancs d'essai.
• Les enquêtes de Zapier, de Deloitte et de Gartner rapportent ce que déclarent des dirigeants.
• Les noms de ce carnet sont ceux d'octobre 2026 : chez Google, Vertex AI Agent Builder fait partie depuis avril 2026 de la Gemini Enterprise Agent Platform, et les briques d'AgentCore changent de statut d'un mois à l'autre.