Agent IA d’entreprise : de l’architecture aux agents, une approche industrielle et souveraine

Un chatbot répond à des questions dans une interface de conversation. Un agent IA va plus loin : il perçoit son environnement, planifie une séquence d’actions, utilise des outils (APIs, bases de données, scripts, formulaires) et produit un résultat autonome sans intervention humaine à chaque étape. Un agent peut par exemple analyser un contrat, identifier des clauses non conformes, rédiger un résumé et ouvrir automatiquement un ticket dans votre ITSM. Cette capacité d’action distingue fondamentalement les agents IA des assistants conversationnels classiques.

Le RAG (Retrieval-Augmented Generation) est adapté lorsque vous avez une base documentaire dense et évolutive que vous souhaitez rendre interrogeable sans réentraîner le modèle. Il offre une traçabilité naturelle des sources et un coût opérationnel maîtrisé. Le fine-tuning est pertinent lorsque vous souhaitez adapter le comportement du modèle à un style, un domaine métier très spécifique ou une langue particulière. Pour la majorité des cas d’usage DSI (assistants documentaires, support, aide à la décision), le RAG est l’approche recommandée en première intention. Les Small Language Models (SLM) constituent une troisième voie, optimisée pour les environnements contraints en latence ou en coût.

L’AI Act impose des obligations progressives selon la classification de vos systèmes IA (risque minimal, limité, élevé ou inacceptable). Pour la plupart des DSI, les obligations clés sont : tenir un registre des systèmes IA déployés, réaliser une DPIA IA pour les systèmes à risque élevé, garantir la transparence auprès des utilisateurs, assurer la traçabilité et l’auditabilité des décisions automatisées, et nommer un responsable IA dans l’organisation. Harington intègre ces exigences dès la phase de conception (privacy by design, logs conformes, guardrails) et accompagne les DSI dans la mise en conformité de leurs déploiements existants.

Deux leviers majeurs : le choix des modèles et le choix de l’infrastructure. Sur les modèles, Mistral AI (français, souverain) et Llama (Meta, open source, auto-hébergeable) permettent de ne pas dépendre de l’API OpenAI ou d’AWS Bedrock. Sur l’infrastructure, OVHcloud et Outscale proposent des environnements certifiés SecNumCloud sur le sol français. Harington déploie OmniA sur ces infrastructures souveraines, avec une architecture MCP qui garantit la portabilité des orchestrations indépendamment du modèle ou de l’hébergeur.

Un assessment IA (audit de maturité, architecture cible, priorisation des cas d’usage) représente un investissement de l’ordre de 50 000 €. La phase d’industrialisation et de mise en production d’un premier agent IA démarre à partir de 200 000 €, selon la complexité du cas d’usage, le volume de données, les exigences d’intégration SI et les contraintes de gouvernance. Ces tarifs incluent la définition de l’architecture, le développement, les pipelines LLMOps, la gouvernance AI Act et le passage en production — pas seulement le prototype.