À l’heure où des solutions d’IA agentique promettent d’automatiser la veille stratégique, les experts du secteur ont mené des analyses comparatives pour en évaluer la portée réelle. À dire d’experts, ces études témoignent des limites actuelles de la technologie agentique.
Quelle est la véritable plus-value des nouvelles solutions d’intelligence artificielle dites « agentiques » qui se multiplient actuellement sur le marché ? Dans le secteur de la veille stratégique, nombreuses sont les organisations à se poser cette question. Certaines d’entre elles se déclarent même prêtes à faire confiance à 100% à ces nouveaux outils, c’est-à-dire à se passer des spécialistes de la veille eux-mêmes. La promesse est, il est vrai, particulièrement séduisante : la spécificité de l’IA agentique réside dans sa capacité à dépasser la simple production de contenu pour entrer dans une logique d’action autonome. Elle repose concrètement sur la création d’agents capables de définir un périmètre de veille, d’explorer des sources d’information et de produire des résultats en fonction d’objectifs formulés en langage naturel. Mais dans quelle mesure tient-elle la comparaison avec les solutions traditionnelles de veille ? Et peut-elle, en l’état, remplacer l’être humain ?
Des dispositifs d’évaluation précis
Pour répondre à ces questions, les éditeurs de veille ont initié il y a plusieurs mois des analyses comparatives, à dire d’experts, dont nous connaissons aujourd’hui les premières conclusions. D’un côté, une solution de veille stratégique classique ; d’un autre, une solution de veille fondée sur une IA agentique. Spécificité de cette dernière : ses agents, paramétrés par des requêtes en langage naturel, viennent structurer la veille et alimenter des flux d’information automatisés. L’outil agentique dispose également de fonctionnalités de synthèse et d’explication, l’intelligence artificielle étant capable de justifier la pertinence d’un contenu au regard des objectifs définis.
Afin de tester ces nouveaux produits, les équipes R&D des éditeurs de veille ont mis en place des méthodes d’évaluation précises, destinées à mesurer objectivement leurs performances. Les protocoles d’analyse reposent sur la reproduction de dispositifs de veille existants, appliqués à des niveaux de complexité croissants. Un cas typique consiste à structurer une veille en trois niveaux : un premier niveau global, un second plus spécialisé, puis un troisième extrêmement ciblé, visant des informations à forte valeur stratégique. Les tests sont conduits sur des périodes définies (une semaine en général), incluant une phase d’apprentissage des agents et une évaluation continue de leur performance. L’objectif final consiste à établir une comparaison en miroir la plus fiable possible avec les solutions traditionnelles, en mesurant non seulement la quantité d’information collectée, mais surtout la qualité et la pertinence de l’outil.
Résultats : une promesse encore largement inaboutie
Les résultats issus de ces analyses comparatives convergent vers un constat pour le moins nuancé. Si les solutions d’IA agentique se distinguent par leur facilité de prise en main et leur rapidité d’exécution, voire par leur prix « low cost », elles révèlent également des limites importantes. Le sourcing en est une, et non des moindres. Comment sont choisies les sources ? Quel est leur nombre ? À l’usage, force est de constater que les informations collectées sont souvent peu spécialisées, dénuées de transparence quant à leur origine, ce qui limite fortement leur valeur stratégique.
Par ailleurs, les capacités analytiques de ces outils restent faibles. Si l’IA agentique est en mesure de produire des résumés ou des explications contextuelles, elle ne permet pas, actuellement, de générer de véritables livrables analytiques comparables à ceux produits par des veilleurs expérimentés, soutenus par des solutions classiques (qui mobilisent d’ailleurs déjà l’IA générative). À cela s’ajoute une contrainte opérationnelle non négligeable : le temps nécessaire à l’entraînement des agents, qui ne garantit pas pour autant une amélioration significative des résultats.
Plus préoccupant encore, les experts soulignent la persistance de phénomènes d’hallucination, pouvant conduire à des erreurs factuelles importantes. Essentiellement américains, les modèles génèrent en effet des propositions d’informations non qualifiées, à l’origine méconnue (nous l’avons vu) et qui sont aussi datées. Des cas concrets montrent que l’IA, en s’appuyant sur des données anciennes et générales, interprète celles-ci de manière erronée. Un modèle d’IA agentique ne dispose pas d’informations « fraîches », ce qui fragilise de facto la fiabilité globale du dispositif de veille. Dans un domaine où la précision et la rigueur sont essentielles, de telles défaillances constituent un risque majeur.
Au terme de ces analyses, une conclusion s’impose : les solutions d’IA agentique, pour innovantes et prometteuses qu’elles soient, ne sont pas encore en mesure de remplacer les dispositifs traditionnels de veille stratégique. Pis : elles peuvent provoquer des erreurs d’appréciation stratégique lourdes de conséquences pour les organisations. Celles qui choisiraient aujourd’hui de se passer de leurs équipes humaines au profit d’une automatisation complète s’exposent à des risques importants… d’autant plus dans un monde caractérisé par un ensemble de crises à la fois géopolitiques, économiques et politiques.
