L’intelligence artificielle d’entreprise a atteint un plafond. La planification est la clé pour le dépasser.

La première vague d’intelligence artificielle d’entreprise a donné aux équipes des copilotes qui ont optimisé la productivité à l’intérieur de fonctions individuelles. La deuxième vague rencontre maintenant un problème de coordination : les décisions commerciales qui comptent le plus s’étendent sur la finance, les opérations, la chaîne d’approvisionnement et la stratégie, tandis que la plupart des systèmes d’IA fonctionnent encore à l’intérieur d’une seule fonction.

Selon les recherches de McKinsey sur la maturité de l’IA, seul un pour cent des dirigeants qualifient leurs entreprises de « matures » sur le spectre de déploiement, ce qui signifie que l’IA est pleinement intégrée dans les flux de travail et génère des résultats commerciaux substantiels. Les quatre-vingt-dix-neuf pour cent restants ont déployé l’IA, mais n’ont pas grand-chose à montrer à ce niveau d’entreprise pour le moment.

La raison est structurelle. Ces systèmes d’IA ont besoin d’un endroit où coordonner, et la planification est le lieu naturel. La planification est où les hypothèses financières, les signaux de demande, les contraintes opérationnelles et les objectifs stratégiques convergent déjà. Intégrer l’IA dans cette couche la transforme d’un exercice périodique en tissu connectif de l’entreprise.

C’est le plafond que de nombreuses entreprises découvrent maintenant avec les premiers déploiements d’IA. Alors que les copilotes amélioraient l’efficacité des tâches à l’intérieur des équipes individuelles, la plupart des organisations n’ont jamais résolu le problème plus difficile qui se cache en dessous : comment les décisions se coordonnent à travers l’entreprise en temps réel. Un flux de travail de prévision plus rapide se brise encore lorsque les hypothèses de chaîne d’approvisionnement, les contraintes opérationnelles et les priorités financières restent déconnectées les unes des autres.

L’Architecture du fossé de coordination de l’IA d’entreprise

Trois changements structurels doivent se produire pour que cela fonctionne.

1. L’IA d’entreprise doit sortir des silos fonctionnels

Un copilote intégré dans la finance peut résumer une variance de prévision et expliquer ce qui a changé dans le P&L. Il ne peut pas extraire un signal de demande en temps réel des opérations, intégrer une évaluation de risque de fournisseur mise à jour et le renvoyer dans une prévision révisée que le CFO et le COO examinent simultanément. C’est le plafond structurel que l’IA d’entreprise frappe aujourd’hui, et c’est pourquoi les déploiements fonction par fonction produisent de solides chiffres de productivité individuelle et de faibles résultats d’entreprise.

En dessous de cette rupture se trouve un problème de contexte. Chaque fonction d’IA opère sur les données dont dispose sa fonction, dans les systèmes que sa fonction utilise, avec les hypothèses que sa fonction fait – et il n’y a pas de couche partagée où ces vues convergent en une image unique de ce que l’entreprise pense.

Cela crée ce que de nombreuses entreprises expérimentent maintenant comme un « fossé de coordination de l’IA » : des systèmes capables de générer des idées de manière indépendante mais incapables d’aligner les décisions à travers l’entreprise suffisamment rapidement pour des conditions en temps réel.

Casser ce plafond signifie connecter les agents par le biais d’un contexte opérationnel partagé construit sur des modèles de données communs, une logique commerciale partagée et des ontologies qui leur permettent d’interpréter les décisions de manière cohérente à travers les fonctions.

Avec cette fondation en place, un agent de demande peut observer un signal, un agent de chaîne d’approvisionnement peut exécuter une simulation d’approvisionnement contre celui-ci, et un agent financier peut rafraîchir la prévision à partir des deux. Le CFO voit une recommandation unifiée construite sur la même vision de la réalité que le reste de l’entreprise utilise.

2. La planification continue devient la couche de coordination de l’IA d’entreprise

La planification continue sur ce contexte opérationnel transforme les agents coordonnés en résultats commerciaux réels. Cela signifie que la planification cesse d’être un exercice trimestriel et commence à fonctionner comme un système en temps réel, avec des scénarios qui se déplacent contre les objectifs de l’entreprise à mesure que les conditions changent plutôt que d’attendre le prochain cycle pour rattraper le retard. Lorsqu’une hypothèse change, les alternatives sont déjà modélisées et testées sous pression, de sorte que la direction se présente à la décision avec des voies viables au lieu d’une seule prévision qu’il faut reconstruire sous deadline.

Le conflit entre les États-Unis et l’Iran le teste en temps réel. Les sociétés multinationales avec une exposition absorbent plusieurs signaux à la fois – les prix du pétrole et de l’énergie bougent, les routes de navigation à travers le détroit d’Hormuz revalorisent le risque, les délais de livraison des fournisseurs s’allongent. Et la direction doit décider quoi faire à ce sujet dans les jours qui suivent. La couverture énergétique, la réacheminement et la renégociation des contrats doivent tous être évalués les uns par rapport aux autres dans cette fenêtre. Un système de planification qui fonctionne en continu et qui teste les scénarios à mesure que la situation évolue est la seule façon de produire une réponse fiable à temps pour agir.

C’est à quoi ressemble l’IA axée sur les objectifs dans la pratique. Les agents travaillent vers les objectifs que la direction a fixés, et ils signalent le compromis lorsque toucher l’un signifie renoncer à l’autre. Un système peut modéliser cent alternatives en temps réel et laisser encore la direction coincée sur laquelle choisir. La couche de planification est où les objectifs et les compromis vivent déjà. C’est la différence entre un système multi-agents qui fonctionne en production et un qui fonctionne dans une démo.

L’urgence autour de ce changement grandit. Gartner prévoit que plus de 40 pour cent des projets d’IA agentic seront annulés d’ici la fin de 2027 en raison de coûts croissants, de faible valeur commerciale ou de contrôles de risque inadéquats. De nombreux de ces échecs seront attribuables à des problèmes de coordination et de gouvernance plutôt qu’à la seule capacité du modèle.

3. La gouvernance d’entreprise ne peut pas être ajoutée plus tard

Une couche de planification continue concentre l’autorité réelle de décision dans un système d’IA coordonné, c’est pourquoi la gouvernance doit faire partie de l’architecture dès le départ. C’est la préoccupation que de nombreux CFO et CIO soulèvent en premier lieu chaque fois que la conversation tourne autour de la mise en œuvre de l’IA, et cela reflète une position défendable. Les systèmes autonomes n’appartiennent pas aux flux de travail de décision sans traçabilité, explicabilité et des limites de politique claires.

Dans les déploiements qui fonctionnent vraiment, chaque action qu’un agent prend peut être retracée jusqu’aux entrées, à la logique et à la politique derrière. Chaque recommandation vient avec les hypothèses qu’un dirigeant financier, un auditeur ou un membre du conseil d’administration a besoin pour la remettre en question sur ses mérites.

La traçabilité est ce qui rend la surveillance humaine praticable. Le CFO, le contrôleur et les dirigeants responsables du résultat ne peuvent examiner les recommandations, remettre en question les hypothèses et autoriser l’action que s’ils peuvent voir comment le système y est arrivé. Les agents gèrent la vitesse et l’ampleur, et les humains détiennent le jugement. Un dirigeant qui peut regarder le système détecter une variance, voir les hypothèses derrière et remettre en question la recommandation avant qu’elle ne soit exécutée étendra plus d’autorité au système avec le temps. Un dirigeant qui reçoit une réponse boîte noire avec aucune logique traçable refusera de s’appuyer sur le système, et l’autorité de l’agent diminue. Les sociétés qui intègrent la gouvernance dans l’architecture obtiennent le premier type de déploiement. Ceux qui l’ajoutent plus tard obtiennent le second.

La décennie à venir appartient aux bâtisseurs d’infrastructures

Dans dix ans, la différence entre les sociétés qui ont fait de la planification la couche de connexion pour leur IA et celles qui ne l’ont pas sera indéniable.

Le travail peu glamour – connecter les données, intégrer les flux de travail, intégrer la gouvernance dès le départ – est ce qui décide de quel côté une société se retrouvera.

Les gagnants de l’IA d’entreprise ne seront pas les sociétés avec le plus d’agents. Ce seront les sociétés qui ont construit l’infrastructure capable de coordonner les agents.