Avant de payer pour un agent IA, quatre conditions doivent être réunies : la tâche demande un jugement, elle revient souvent, elle s’appuie sur des données que vous avez déjà, et elle débouche sur un geste concret. S’il en manque une seule, une automatisation ordinaire fait le travail pour une fraction du prix.
Ce que cet article explique : pourquoi la plupart des budgets IA ne produisent rien de mesurable, les quatre conditions qui distinguent un vrai cas d’usage d’agent, et quoi faire quand il en manque une.
Il y a une dépense qui revient souvent en ce moment chez les entrepreneurs en construction. Un budget IA, débloqué parce qu’il fallait en avoir un, engagé sur un projet dont personne, six mois plus tard, ne sait dire ce qu’il a changé.
Ce n’est pas une impression. Une étude du MIT publiée en juillet 2025, *The GenAI Divide: State of AI in Business 2025*, menée par le projet NANDA, a examiné plus de 300 initiatives d’IA rendues publiques, mené 52 entretiens de dirigeants et recueilli 153 réponses de cadres supérieurs. Sa conclusion la plus reprise : la vaste majorité des projets pilotes d’IA générative ne produisent aucun impact mesurable sur les résultats financiers.
La même étude en tire une observation moins commentée et plus utile. Dans leur échantillon, les outils venus d’un partenaire externe, conçus pour apprendre et adaptés au flux de travail réel, ont atteint la production environ deux fois sur trois. Les outils bâtis à l’interne, environ une fois sur trois. Les auteurs précisent que ces chiffres sont autodéclarés, mais que l’écart s’est retrouvé chez tous les dirigeants interrogés.
Ce qui porte cette phrase n’est pas le mot « externe ». C’est « adapté au flux de travail réel ». Un partenaire ne change rien par sa seule présence ; ce qui change quelque chose, c’est un outil taillé pour le travail tel qu’il se fait.
La différence ne tient donc pas au modèle d’IA choisi. Elle tient à la question qu’on se pose avant de commencer.
Voici les quatre. Elles viennent du programme Agentic Leaders de monday.com, où elles servent à qualifier un cas d’usage avant de le construire. Nous les utilisons aussi dans l’autre sens : pour dire à quelqu’un qu’il n’a pas besoin de nous.
Est-ce que la tâche demande un jugement ?
Un agent lit, réfléchit, puis décide. Si la tâche se résume à « quand ceci arrive, fais cela », il n’y a rien à juger, et une automatisation ordinaire fera le travail pour une fraction du prix.
Ce qui passe : déterminer si le certificat d’assurance d’un sous-traitant couvre bien le chantier auquel on l’affecte. Il faut lire une police, comprendre une portée, repérer ce qui manque et décider si ça bloque ou non la mobilisation.
Ce qui échoue : envoyer un courriel quand un formulaire est rempli. Personne n’a jamais eu à réfléchir pour faire ça.
Est-ce qu’elle revient sans arrêt et prend du temps ?
Un agent coûte à concevoir, et il ne se rentabilise que sur la répétition. La bonne manière de mesurer n’est donc pas « combien de temps ça prend » mais « combien de fois par semaine, multiplié par combien de personnes ».
Ce qui passe : le suivi des bons de travail. Dix minutes chaque fois, quarante fois par semaine, trois chargés de projet. Vingt heures par semaine à eux trois.
Ce qui échoue : la reddition de comptes de fin de mois. Deux jours de travail, douze fois par année. Lourde chaque fois, et trop rare pour rentabiliser une conception.
Est-ce qu’elle s’appuie sur des données que vous avez déjà ?
C’est la question qui tue le plus de projets, et presque toujours après la signature. Un agent ne peut décider qu’à partir de ce qu’il peut lire. Les données n’ont pas besoin d’être parfaites, elles ont besoin d’exister quelque part où un système peut les atteindre.
Ce qui passe : les heures, les bons de commande et les factures qui vivent déjà dans monday.com, dans un ERP, ou même dans un seul fichier partagé. Imparfaits, mais atteignables.
Ce qui échoue : le prix négocié avec un fournisseur, connu du seul chargé de projet. Ou trois fichiers qui donnent trois totaux différents pour le même chantier. Là, le projet d’IA devient d’abord un projet de mise en ordre, et ce n’est pas ce que vous aviez budgété.
Est-ce qu’elle doit poser un geste ?
Un agent qui produit un rapport que personne ne lit a remplacé une tâche par une autre. La valeur apparaît quand il agit : il assigne, il relance, il bloque, il monte le dossier au bon niveau. C’est aussi là que se pose la seule vraie question de gouvernance, et chez nous la règle ne bouge pas : l’agent prépare le travail, une personne décide.
Ce qui passe : bloquer la mobilisation d’un sous-traitant dont le certificat d’assurance est échu, et monter le dossier au surintendant avec ce qui manque.
Ce qui échoue : produire un tableau de bord hebdomadaire de plus. Le travail a changé de main, il n’a pas diminué.
Et si la réponse est non à une seule ?
Alors il ne faut pas d’agent.
Il faut peut-être une automatisation, qui coûte dix fois moins. Il faut peut-être remettre de l’ordre dans une source de données avant toute autre chose. Il faut peut-être simplement arrêter de faire la tâche, ce qui arrive plus souvent qu’on pense quand on la regarde de près.
Les quatre à la fois, là il y a quelque chose. Et c’est à ce moment-là qu’un budget IA devient un investissement plutôt qu’une ligne à justifier.
Ces quatre questions se répondent en une réunion, avec les gens qui font le travail. Vous n’avez besoin de personne pour ça. Si les quatre réponses sont oui et que vous voulez voir à quoi ressemblerait la suite, c’est là qu’on peut aider. Notre page sur les agents IA détaille comment nous les montons, un article voisin explique comment ajouter des agents sans changer de plateforme, et dans les entreprises de construction le premier constat est presque toujours le même : l’information existe déjà, elle est juste dispersée. Discutons de vos opérations.
Questions fréquentes
Quelle est la différence entre un agent IA et une automatisation ?
Une automatisation exécute une règle fixe : quand ceci arrive, fais cela. Un agent lit de l’information, l’interprète et décide de la suite. La distinction pratique est le jugement. S’il n’y a rien à juger, l’automatisation suffit et coûte beaucoup moins cher.
Combien de temps faut-il pour qu’un agent IA se rentabilise ?
Un agent se rentabilise sur la répétition, alors la mesure utile est le nombre de fois par semaine multiplié par le nombre de personnes concernées. Une tâche de dix minutes faite quarante fois par semaine par trois personnes pèse plus lourd qu’une tâche de deux jours faite une fois par mois.
Est-ce que nos données doivent être parfaites avant de commencer ?
Elles doivent être lisibles par un système, ce qui est différent d’être parfaites. Si l’information vit dans la tête d’un contremaître ou dans trois fichiers qui se contredisent, le projet commence par une mise en ordre. C’est un travail utile, mais il doit être prévu au budget.
Est-ce qu’un agent IA peut décider à la place de nos gens ?
Chez Horizon Nord, la règle ne bouge pas : l’agent prépare le travail, une personne décide. Un agent qui pose un geste doit avoir une frontière écrite entre ce qu’il fait seul et ce qu’il soumet à quelqu’un.
