Plateformes agentiques : build ou buy

Quatre familles d'offres coexistent, et les confondre est la première source de mauvaise décision. Les plateformes verticales unifiées (Salesforce Agentforce, ServiceNow, Microsoft Copilot Studio) vendent un runtime, une gouvernance centralisée et un catalogue d'agents préconstruits collés à leur domaine métier. Les runtimes managés de cloud (Amazon Bedrock AgentCore, Google Vertex AI Agent Builder) vendent l'infrastructure d'exécution sans imposer le métier. Les frameworks open source (LangGraph, CrewAI) vendent le contrôle architectural et rien d'autre. Depuis juin 2026, une quatrième couche s'est formalisée : le méta-harness, qui orchestre les trois précédentes.

Les ordres de grandeur du marché à l'été 2026, rassemblés par AgentMarketCap : Salesforce revendique 800 millions de dollars d'ARR sur Agentforce au quatrième trimestre de son exercice 2026, en croissance de 169 % sur un an, et 29 000 contrats signés depuis le lancement ; Microsoft Copilot Studio annonce 160 000 organisations et plus de 400 000 agents personnalisés ; ServiceNow a restructuré son modèle commercial autour de paliers d'autonomie. Ces chiffres sont à lire pour ce qu'ils sont : des chiffres d'éditeur, qui mesurent des déploiements contractés, pas des agents en production sous engagement de service.

Côté socle technique, deux mouvements de l'été comptent pour une DSI. AgentCore, en disponibilité générale depuis le 13 octobre 2025, a vu son harness d'agent managé passer en disponibilité générale au Summit de New York en juin 2026, avec AgentCore Evaluations (évaluation continue de la qualité sur le trafic de production) et AgentCore Policy. Tous les services supportent désormais VPC, PrivateLink, CloudFormation et le tagging de ressources, ce qui est la différence concrète entre une démo et un déploiement d'entreprise. Et Databricks a ouvert Omnigent en Apache 2.0 : un méta-harness qui compose des agents définis en YAML, permet de changer de harness ou de modèle en une ligne, et applique les politiques de système de fichiers, de réseau, de coût et de validation humaine hors de la couche prompt.

Avant de choisir entre construire et acheter, il faut regarder ce qui se passe après le choix. L'annonce de l'unité AI EMEA de Cognizant du 28 juillet 2026 cite deux chiffres qui recadrent tout le sujet : selon IDC, 88 % des preuves de concept d'agents n'atteignent jamais une production large, soit quatre pilotes en exploitation réelle pour trente-trois lancés ; et selon l'enquête CIO et dirigeants technologiques 2026 de Gartner, seules 17 % des organisations ont pleinement déployé des agents, quand plus de 60 % comptent le faire dans les deux ans. La lecture qu'en fait TechTimes est directe : les grands intégrateurs montent des unités dédiées parce que les pilotes échouent à l'échelle, pas parce qu'ils réussissent.

Les causes racines documentées ne sont pas des problèmes de modèle. Les données rassemblées sur l'adoption 2026 attribuent l'essentiel des échecs à des critères de succès non définis, à un accès insuffisant aux outils et aux données, et à une dérive de la couverture d'évaluation. Gartner projette dans la même veine l'annulation de plus de 40 % des projets agentiques d'ici fin 2027. L'analyse de Fiddler AI situe le taux d'échec en production entre 70 et 95 % selon le périmètre retenu. Ce sont des problèmes de cadrage et de propriété, pas de technologie. Un éditeur ne les résout pas, et un build interne non plus.

Notre lecture : la question build ou buy est une question de troisième rang. Les deux premières sont plus inconfortables. Est-ce que ce cas d'usage a une définition écrite et partagée de ce qui est assez bon, avec un seuil chiffré. Et est-ce que quelqu'un dans l'organisation porte le résultat de l'agent, pas le projet de l'agent. Tant que ces deux réponses manquent, le choix de plateforme n'a aucune conséquence observable : on aura acheté ou construit une capacité que personne n'a mandat pour mettre en production.

Les projections de notre recherche d'avril, sur un parc de 100 à 500 agents dans un grand groupe, donnaient un coût total de possession à 5 ans d'environ 30 M$ en build pur (équipe plateforme de 25 ETP la première année, puis 15 ETP de maintenance, infrastructure et outillage), 18,2 M$ en buy (souscription, services professionnels, intégrations middleware, observabilité, provision de sortie) et 13,7 M$ en hybride. L'écart entre buy et hybride vient d'un endroit précis : en hybride, on n'achète que les composants qu'on ne veut pas maintenir soi-même, et on garde la couche où se joue la différenciation.

Les analyses de l'été 2026 ajoutent la variable qui manquait : le volume. Le cadre de décision publié par Digital Applied situe le basculement du buy vers le build autour d'un million de conversations par an pour un agent de workflow complexe, sur un horizon de trois ans. En dessous, le coût d'ingénierie ne s'amortit pas contre les économies unitaires. Au-dessus, la convexité du pricing à la conversation devient punitive : à 2 dollars la conversation, dix millions de sessions représentent 20 millions de dollars par an en tarif catalogue. Le décompte détaillé de SearchUnify va dans le même sens. Une DSI qui signe un contrat de plateforme sans projeter son volume à trois ans signe un chèque en blanc.

Restent les coûts cachés, qui sont la vraie ligne de discussion en comité d'investissement. Ils pèsent 20 à 30 % du budget total et sont systématiquement absents des business cases : nettoyage et mise en qualité des données, conduite du changement (3 à 8 % du projet, toujours sous-estimé), construction de la couche d'explicabilité le jour où les auditeurs entrent dans la pièce, et adaptation du legacy, avec 50 à 200 systèmes à raccorder, 2 à 6 semaines chacun, et des tests d'intégration qui représentent 40 à 50 % de l'effort total. La préparation des données pèse à elle seule 60 à 75 % de l'effort projet. Le cas Safari365, remonté dans notre recherche d'avril, résume la chose mieux qu'un tableau : le nettoyage des données y a pris plus longtemps que le déploiement de l'agent lui-même.

Le motif récurrent chez ceux qui passent en production est le hub-and-spoke. Une plateforme achetée au centre, qui porte la gouvernance, les pistes d'audit, l'identité des agents et les workflows standards. Autour, des zones construites en interne pour les domaines où l'organisation a une vraie spécificité. Orange a combiné une plateforme du marché sur les canaux clients avec un pipeline maison d'analyse linguistique adapté au français et à ses registres : taux de déflection porté de 35 à 67 %, satisfaction client de 62 à 71, temps de traitement médian divisé par deux, 8,2 millions d'euros d'économies annualisées pour 4,1 millions d'investissement en première année, retour sur investissement en 6 mois.

Siemens a fait l'inverse, et pour de bonnes raisons : une cinquantaine de fournisseurs de systèmes d'exécution industrielle différents dans ses usines, aucune offre commerciale compatible, et des données de production qui constituent l'avantage compétitif. Build sur mesure, agents en périphérie coordonnés par un orchestrateur central, temps d'arrêt machine ramené de 8,2 à 6,7 %, 20,1 millions d'euros de bénéfice sur six mois pour 6,8 millions d'investissement, retour sur investissement en 4 mois. Le prix à payer est explicite et instructif : 2,4 millions d'euros et douze mois pour la seule couche d'adaptation aux systèmes existants. C'est le vrai coût du build en contexte industriel hétérogène, et il n'apparaît qu'après la signature.

Scotiabank illustre le troisième cas, celui où la gouvernance est le produit : plateforme achetée pour les pistes d'audit natives, agents construits pour l'interprétation réglementaire, 180 agents sur huit juridictions, faux positifs réduits de 91 %, délai de réponse aux investigations passé de 14 à 3 jours, retour sur investissement de 157 % sur trois ans. Le facteur de succès cité est le moins technologique de tous : les responsables conformité étaient membres de l'équipe de développement, pas commanditaires. JPMorgan chiffre le même principe autrement avec son agent de revue de contrats : 360 000 heures de travail juridique absorbées sur plus de 12 000 contrats par an.

Trois règles se dégagent de ces cas. La plateforme doit épouser la contrainte dominante (rapidité pour Orange, hétérogénéité du parc pour Siemens, auditabilité pour Scotiabank), pas le classement des analystes. L'expertise métier doit être embarquée dans l'équipe de développement, jamais déléguée ni abstraite. Et la durée utile d'un pilote est de quatre à douze mois : au-delà, on ne cherche plus à apprendre, on cherche à éviter la décision. Le cadre en quatre options d'Arion Research formalise bien la nuance : build, buy, assembler ou étendre, la troisième et la quatrième voie étant celles qui décrivent réellement ce que font les grands groupes.

La bonne nouvelle est réelle. MCP a été transféré à l'Agentic AI Foundation le 9 décembre 2025 et A2A à la Linux Foundation le 23 juin 2025 : les deux protocoles ne sont plus la propriété d'un éditeur. À un an d'existence sous gouvernance neutre, A2A dépasse 150 organisations, est intégré chez Google, Microsoft et AWS, et tourne en production dans la supply chain, les services financiers, l'assurance et l'IT ops. MCP est soutenu par OpenAI, Google, Microsoft et Salesforce, avec plus de 97 millions de téléchargements de SDK par mois. La pile à deux étages, MCP pour l'accès vertical aux outils et aux données, A2A pour la coordination horizontale entre agents, est en train de devenir l'architecture par défaut.

La mauvaise nouvelle est que le verrouillage ne se joue pas là où les protocoles opèrent. Les chiffres rassemblés par Vaasblock sont sobres : une migration coûte en moyenne 315 000 dollars et seules 6 % des entreprises déclarent pouvoir changer de fournisseur sans perturbation significative. Le verrouillage agentique se compose sur quatre couches en même temps (modèle, orchestration, mémoire, données) et une seule d'entre elles est standardisée. Une entreprise sur cinq dispose d'un cadre de gouvernance mature pour ses agents autonomes, ce qui veut dire que la grande majorité accumule de la dépendance sans stratégie explicite.

Ce que ça donne côté contrat, et c'est là que se joue la marge de manoeuvre à trois ans : exiger la conformité MCP et A2A comme critère d'appel d'offres et non comme bonus, négocier un droit de substitution de modèle, imposer l'export des traces, des mémoires et des définitions d'agents dans un format documenté, et budgéter un audit de coût de sortie à la signature plutôt qu'à la rupture. L'arrivée des méta-harness, Omnigent côté Databricks et le harness managé côté AgentCore, rend cette exigence crédible techniquement, ce qui n'était pas le cas il y a six mois : changer de harness ou de modèle en modifiant une ligne de configuration cesse d'être une promesse commerciale.

Le signal des communautés techniques n'a pas bougé depuis avril : un enthousiasme mesuré. L'autonomie réelle des agents déployés se situe majoritairement au niveau supervisé avec escalade, pas au niveau autonome, et le consensus des laboratoires eux-mêmes place la vraie autonomie à cinq ou dix ans. Les démonstrations d'éditeur montrent des agents qui décident ; les productions montrent des agents qui proposent et des humains qui valident. C'est déjà beaucoup, mais ce n'est pas ce qui est vendu, et l'écart entre les deux est exactement l'endroit où les projets se cassent.

Les chiffres de retour sur investissement agrégés publiés en 2026, qui annoncent des retours moyens à trois chiffres sur les déploiements agentiques, doivent être lus à côté du taux de 88 % de preuves de concept qui n'atteignent pas la production. Les deux séries ne se contredisent pas : elles ne portent pas sur la même population. Les REX chiffrés viennent de ceux qui ont passé la barre, et le biais de sélection est massif. Le dire au comité d'investissement coûte une réunion inconfortable, ne pas le dire coûte un projet.

Dernier point, calendaire, et il n'est dans presque aucun business case en cours de signature. Le 2 août 2026 est la date d'entrée en vigueur des obligations relatives aux systèmes à haut risque de l'AI Act européen : articles 9 à 17 pour les fournisseurs, article 26 pour les déployeurs, évaluations de conformité, marquage CE, pouvoirs d'exécution de l'AI Office. Le Digital Omnibus, en accord provisoire du 7 mai 2026, propose de repousser les systèmes de l'annexe III au 2 décembre 2027, mais tant qu'il n'est pas formellement adopté, le calendrier initial s'applique tel quel. Point de vigilance rarement anticipé : une organisation qui affine substantiellement un modèle peut basculer du statut de déployeur à celui de fournisseur, avec des obligations nettement plus lourdes, et les sanctions vont jusqu'à 15 millions d'euros ou 3 % du chiffre d'affaires. La conclusion pratique : la qualification juridique des agents se traite au cadrage, pas à la recette.