VentureBeat AI publie une étude portant sur l’orchestration des agents d’intelligence artificielle au sein de 101 entreprises, mettant en lumière une tendance claire : Anthropic, avec son modèle Claude, s’impose comme la plateforme dominante. Cette position s’explique par la robustesse du modèle sous-jacent et sa capacité à exécuter des tâches complexes en plusieurs étapes de manière fiable.
Cependant, cette domination masque une réalité plus nuancée. La majorité des agents déployés ne sont pas de véritables agents autonomes, mais des interfaces de type chatbot. Par ailleurs, les entreprises privilégient une architecture hybride pour éviter un verrouillage technologique, ce qui complique la gestion centralisée et en temps réel des coûts liés à l’utilisation des tokens.
Claude d’Anthropic : un choix dicté par la fiabilité et la complexité des modèles
L’étude souligne que les entreprises choisissent majoritairement Anthropic pour ses modèles capables de gérer des workflows multi-étapes avec une meilleure cohérence. Cette préférence s’explique par la nécessité d’exécuter des tâches complexes qui dépassent les capacités des simples chatbots. La gravité et la maturité du modèle Claude offrent un socle plus stable pour bâtir des agents plus sophistiqués.
Néanmoins, cette adoption ne garantit pas que les agents déployés exploitent pleinement ces capacités avancées. Beaucoup restent des interfaces conversationnelles simplifiées, ce qui limite l’impact opérationnel attendu.
Hybridation des plateformes pour éviter le verrouillage fournisseur
Un autre enseignement clé est la volonté des entreprises de ne pas s’enfermer dans une seule plateforme. Elles adoptent des architectures hybrides combinant plusieurs fournisseurs et outils pour garder la main sur leur infrastructure IA. Cette stratégie, si elle réduit les risques liés à la dépendance, complique la gestion et l’orchestration des agents à grande échelle.
Cette hybridation impose des défis techniques et organisationnels, notamment pour assurer une cohérence dans l’exécution des workflows et un suivi précis des coûts associés.
Le contrôle des coûts en temps réel, une exception plus que la norme
L’étude révèle que la maîtrise en temps réel des dépenses liées à la consommation des tokens reste rare. Or, ce contrôle est déterminant pour éviter des dérives budgétaires, surtout dans des environnements où les agents sont déployés à grande échelle.
Cette lacune souligne un décalage entre les ambitions affichées par les entreprises en matière d’orchestration et la réalité opérationnelle. La plupart des organisations peinent à mettre en place des mécanismes automatisés et granulaires de suivi et d’optimisation des coûts.
Des agents encore largement cantonnés à des fonctions de chatbot
Malgré le terme « agent » souvent utilisé, la majorité des déploiements correspondent à des chatbots classiques, sans orchestration complexe ni autonomie réelle. Cette situation limite les gains potentiels en productivité et en automatisation des workflows.
Pour évoluer vers des agents plus sophistiqués, les entreprises devront investir dans des architectures capables de gérer des interactions multi-modales et des processus décisionnels plus complexes.
L’orchestration d’agents IA en entreprise : prochaines étapes
Le décalage entre les ambitions d’orchestration et la réalité opérationnelle invite à une réflexion sur les priorités des entreprises. Au-delà du choix du modèle, la capacité à intégrer, piloter et contrôler les agents dans des environnements hybrides sera déterminante.
Les fournisseurs devront également proposer des outils plus avancés de gestion des coûts et de monitoring en temps réel pour répondre aux attentes croissantes des organisations.
Sources
Articles et annonces consultés
Passer à l'action
