Agents d'IA, automatisation, et qui reste aux commandes

GOUVERNANCE

Le Digital Omnibus sur l'IA entre en vigueur : le délai « haut risque » recule à 2027, mais dire « vous parlez à une IA » reste obligatoire au 2 août 2026

Publié au Journal officiel de l'UE le 24 juillet et entré en vigueur le 27, le Digital Omnibus reporte le délai Annexe III de l'AI Act à décembre 2027. Ce que la couverture médiatique du report passe sous silence : l'obligation de transparence de l'article 50 — informer l'utilisateur qu'il parle à une IA — n'a, elle, pas bougé, toujours au 2 août 2026.

Le Digital Omnibus sur l'IA, publié au Journal officiel de l'Union européenne le 24 juillet 2026 et entré en vigueur le 27 juillet, est le premier paquet d'amendements formels à l'AI Act depuis son adoption en 2024. Son changement le plus commenté : le délai d'application des systèmes d'IA à haut risque autonomes (Annexe III — emploi, éducation, infrastructures critiques, application de la loi) recule de deux ans et quatre mois, du 2 août 2026 au 2 décembre 2027 ; pour l'IA intégrée à des produits déjà couverts par la législation sectorielle de sécurité (Annexe I), le délai va jusqu'au 2 août 2028. Mais un point passe presque inaperçu dans la couverture médiatique du report : l'article 50, qui oblige à informer l'utilisateur qu'il interagit avec un système d'IA (sauf si c'est évident du contexte), n'est PAS concerné par ce report. Le cabinet Lewis Silkin le précise noir sur blanc dans son analyse du 27 juillet : « les obligations de transparence restantes de l'article 50 [...] continuent de s'appliquer à partir du 2 août 2026 ». Dans six jours.

Concrètement, ça vise n'importe quelle PME qui a mis un chatbot ou un assistant IA sur son site sans le dire clairement dès la première interaction. Ce n'est pas une nuance de juriste : à partir du 2 août, un visiteur qui écrit à un assistant qui se fait passer pour un humain — ou qui ne précise jamais qu'il s'agit d'une IA — expose l'entreprise qui l'exploite. On a vérifié notre propre cas avant d'écrire cet article, pas après : Chichi, l'assistant de prise de contact d'AppH, affiche « Assistante virtuelle AppH » en sous-titre permanent dès l'ouverture de la fenêtre de chat, et se présente explicitement comme telle dans son tout premier message, dans les 4 langues du site — pas une mention perdue dans une page de conditions d'utilisation que personne ne lit.

On aurait pu attendre le 2 août pour vérifier que Chichi respecte l'article 50. On l'a fait cette semaine, en relisant le code source ligne par ligne, pas en se fiant à un souvenir de comment le widget a été construit il y a des mois. La différence entre "on pense être conformes" et "on l'a vérifié" est exactement le genre d'écart que ce report de délai n'excuse pas. Ce qui nous frappe dans ce report, ce n'est pas qu'il donne de l'air aux grandes entreprises qui construisent des systèmes à haut risque — c'est qu'il ne change RIEN pour une PME qui, comme la plupart de nos clients, n'a jamais eu l'intention de construire un système de notation d'employés ou de candidats. La vraie question qu'on pose à tout client qui active un chatbot IA sur son site reste la même depuis toujours, report ou pas : est-ce que la personne en face sait qu'elle parle à une machine, dès la première ligne ? Si la réponse est non, ce n'est pas une case de conformité à cocher plus tard — c'est un mensonge par omission, et ça reste vrai même sans l'AI Act.

Vérifié par un humain d'AppH

MARCHÉ

Une étude NAIC citée par Forbes le confirme : 71 % des PME dépendent d'une seule ou deux personnes — les trois questions à poser avant d'acheter un outil d'IA, déjà intégrées dans AppManager

Le même article Forbes qu'on commentait hier (70 % des transformations IA ratées) contient un chiffre plus proche de nos clients : selon une étude de la National Association of Insurance Commissioners, 71 % des petites entreprises reposent sur une seule ou deux personnes pour continuer à fonctionner. Son conseil avant d'acheter le moindre outil d'IA : trois questions, pas un argumentaire commercial.

L'article Forbes du 28 juillet qu'on a déjà commenté hier (voir le chiffre des 70 % de transformations IA ratées, selon le BCG) contient un second chiffre, moins repris, mais plus proche de la réalité de nos clients : selon une étude de la National Association of Insurance Commissioners, 71 % des petites entreprises dépendent d'une seule ou deux personnes pour continuer à fonctionner. Ce n'est pas un problème de logiciel — c'est une dépendance humaine qu'aucun outil, IA ou pas, ne résout tout seul. C'est justement ce qui rend utile le conseil que l'article attribue à Anthony Godley (fondateur de Logix BPO, passé d'un seul client à plus de 1 000 employés) : avant d'acheter le moindre outil d'IA, se poser trois questions — qui d'autre a l'autorité de décider, le succès est-il défini, et est-ce que ça fonctionnerait sans vous. Trois questions qui prennent cinq minutes et qui évitent d'installer un outil que personne d'autre ne sait faire tourner.

L'article ajoute une recommandation concrète, presque opérationnelle : former au moins un employé chaque mois sur une tâche critique non documentée. C'est un rythme, pas un projet ponctuel — exactement le type de discipline que la plupart des petites structures n'ont ni le temps ni le réflexe de s'imposer seules, surtout au moment précis où elles ajoutent de l'automatisation à leurs processus. Chez AppManager, un nouveau module (Flotte, Tourisme, Santé) ne s'active jamais d'un coup pour l'ensemble d'une activité : il démarre sur un périmètre étroit, avec chaque action de l'agent — un envoi, une relance, une mise à jour de stock — soumise à une validation humaine explicite avant exécution, module par module, jusqu'à ce que l'équipe ait vu passer assez de décisions pour élargir elle-même le périmètre. Ce n'est pas une case de conformité ajoutée après coup : c'est littéralement une réponse aux trois questions de l'article, intégrée dans le produit plutôt que laissée à la PME de se poser seule.

Le chiffre de 71 % ne nous surprend pas : la plupart de nos clients sont exactement ce genre de petite structure où une ou deux personnes portent tout. C'est pour ça qu'on n'a jamais construit AppManager comme un outil qu'on installe puis qu'on laisse tourner seul. Chaque agent, dans chaque module, attend une confirmation humaine explicite avant d'agir sur quelque chose qui a une vraie conséquence — un client contacté, une facture envoyée, un stock modifié. Ce n'est pas une limite technique qu'on espère lever un jour, c'est un choix, et il reste vrai même quand un client nous demande d'aller plus vite. La question « est-ce que ça fonctionnerait sans vous ? » est en réalité la bonne question à se poser sur son PROPRE processus de décision avant d'ajouter un agent, pas sur l'agent lui-même — un logiciel ne peut pas répondre à ça à la place du patron. Ce qu'on peut garantir, c'est qu'une fois la réponse trouvée, elle reste appliquée décision après décision, pas seulement le jour du lancement.

Vérifié par un humain d'AppH

GOUVERNANCE

Une enquête Fleet sur 500 dirigeants IT le confirme : 7 sur 10 foncent vers l'IA sans la base d'infrastructure qui la rend gouvernable — exactement ce qu'AppManager construit dès le premier jour

Le rapport « Road to AI in IT » de Fleet Device Management, publié le 23 juillet, chiffre un écart qu'on pressentait déjà : 46,5 % des équipes IT font de l'automatisation par IA leur priorité des deux prochaines années, mais seulement 29,6 % priorisent l'infrastructure-as-code — le socle qui permet de savoir, après coup, ce qu'un agent a fait et pourquoi.

Le chiffre central est simple mais brutal : sur plus de 500 responsables IT interrogés, 70 % poursuivent l'automatisation par IA sans avoir d'abord posé l'infrastructure-as-code qui la rend gouvernable. Le rapport détaille ce que ça donne concrètement sur le terrain : 87 % des équipes gèrent encore leurs terminaux à la main ou de façon seulement partiellement automatisée (13 % seulement se disent « pleinement autonomes »), 79 % mettent plus d'une journée à déployer un correctif de sécurité critique, et 60 % n'ont même pas une vue complète de leur parc d'appareils. Pendant ce temps, le « shadow AI » explose en silence : une entreprise moyenne fait tourner 14 applications d'IA, mais son service IT n'a de visibilité réelle que sur 4 d'entre elles — et 78 % des employés utilisent déjà des outils d'IA personnels au travail, hors de tout contrôle. Allen Houchins, CIO de Fleet, résume le risque sans détour : « sans cette base, les organisations risquent de courir après des résultats d'IA sans la gouvernance, la visibilité et les contrôles nécessaires pour les déployer avec confiance ». Son co-fondateur Mike McNeil va plus loin : « l'infrastructure-as-code transforme l'IA d'un chatbot en multiplicateur de force pour les équipes IT ».

Avis AppH : ce rapport dit, avec des chiffres d'entreprise, exactement ce qu'on répète depuis le début à des PME bien plus petites — l'automatisation n'est jamais le problème, c'est ce qui se passe QUAND elle se trompe qui l'est. Un service IT qui ne voit que 4 des 14 applications d'IA réellement utilisées dans son entreprise ne peut ni les gouverner ni les défendre en cas d'incident ; une PME qui active un agent sans journal d'approbation est dans exactement la même situation, avec encore moins de filet de sécurité derrière elle. Chez AppManager, chaque action d'un agent à conséquence réelle — un envoi, un encaissement, un changement de stock — attend une confirmation humaine explicite avant de s'exécuter, et cette confirmation reste consultable après coup, module par module. Ce n'est pas un argument qu'on sort une fois le client convaincu : si un prospect nous demande de brancher un agent qui agit sans laisser cette trace, on lui dit non, même si ça coûte la vente — c'est précisément la base que ce rapport dit manquer à 70 % des équipes IT interrogées.

Vérifié par un humain d'AppH

MARCHÉ

Forbes et le BCG le confirment : 70 % des transformations IA échouent — presque jamais à cause de la technologie, mais parce que personne n'a documenté les décisions

Un article Forbes du 28 juillet cite le Boston Consulting Group : 70 % des transformations IA en entreprise n'atteignent pas les résultats attendus, et la cause identifiée est la culture organisationnelle, pas l'outil. Le chiffre le plus dur — 95 % des projets pilotes IA ne produisent aucun retour mesurable, selon le MIT — cache un problème plus simple : la plupart des PME n'ont jamais écrit noir sur blanc comment elles prennent leurs décisions.

Selon le MIT (Project NANDA), sur 30 à 40 milliards de dollars investis en IA générative ces deux dernières années, seulement 5 % des projets pilotes produisent un retour sur investissement identifiable ; une étude ManpowerGroup/Everest Group (80 dirigeants RH, publiée le 22 juillet) trouve que seuls 3 % des dirigeants se sentent réellement prêts à diriger une équipe augmentée par l'IA, et McKinsey arrive à une conclusion presque identique (1 % de maturité IA complète). Le BCG va plus loin sur la cause : les entreprises qui consacrent au moins 10 % de leur budget IA à la formation et à l'accompagnement du changement ont 1,5 fois plus de chances de réussir que celles qui ne le font pas. L'article s'appuie enfin sur le témoignage d'Anthony Godley (fondateur de Logix BPO, passé d'un seul client à plus de 1 000 employés) : "le plus gros obstacle à l'adoption de l'IA n'est pas la technologie, c'est la dépendance au fondateur — si chaque décision importante revient encore à une seule personne, l'IA ne fait qu'exposer ce goulot d'étranglement plus vite". Son conseil : documenter d'abord chaque décision et chaque approbation, avant même de choisir un outil — "l'IA amplifie la maturité opérationnelle, elle ne la crée pas".

Ce chiffre de 95 % d'échec ne devrait convaincre personne de se méfier de l'IA — il devrait convaincre de se méfier de lancer l'IA avant d'avoir écrit comment son entreprise prend vraiment ses décisions. Notre panneau d'approbation ne fait pas ce travail à la place du patron : il ne peut qu'enregistrer les décisions qu'il sait déjà comment prendre. Si personne dans l'entreprise ne sait qui a le droit d'approuver un remboursement ou une commande de stock, aucun logiciel ne répare ça le premier jour, le nôtre non plus. Ce qu'on peut promettre, en revanche, c'est qu'une fois cette autorité clarifiée, chaque décision laisse une trace consultable — pour une PME prise dans la dépendance au fondateur que Forbes décrit, ça commence déjà à être la moitié du remède.

Vérifié par un humain d'AppH

GOUVERNANCE

Le Forum économique mondial le dit sans détour : quand c'est un agent d'IA qui paie, savoir qui est le client ne suffit plus

Santander et Mastercard viennent d'exécuter le premier paiement européen de bout en bout initié par un agent d'IA dans un environnement bancaire régulé. L'avertissement du WEF : les banques ne doivent plus seulement vérifier l'identité — elles doivent comprendre l'intention, l'autorité et le contexte avant que l'argent ne bouge.

L'article (Deya Innab, Eastnets) décrit le même virage qu'on vit déjà dans le logiciel métier : l'IA agentique passe du conseil à l'action. Quand ce qu'elle exécute est un paiement, la conséquence est immédiate et difficile à annuler. L'EU AI Act et le régulateur britannique (CMA) sont déjà clairs : l'entreprise reste responsable de ce que fait son agent — impossible de déléguer cette responsabilité au logiciel.

Avis AppH : on ne déplace pas d'argent de façon autonome et on n'a pas de plan pour le faire bientôt — mais le vocabulaire du WEF ("intention, autorité et contexte", pas seulement l'identité) est exactement ce qu'on essaie déjà de faire apparaître dans chaque approbation enregistrée sur notre panneau. Le jour où on construira un paiement automatique à un fournisseur ou un remboursement automatique, la première exigence, non négociable, sera la même trace d'audit que Santander et Mastercard ont déjà construite — pas une version allégée.

Vérifié par un humain d'AppH

MARCHÉ

Cisco lance des petits modèles qui détectent 150× plus de failles par dollar que GPT-5.5

Antares-350M et Antares-1B, deux modèles ouverts de Cisco dédiés à la détection de vulnérabilités de code, ont scanné 500 dépôts en 15 minutes pour moins d'1 dollar — la même tâche a pris cinq heures et plus de 100 dollars à GPT-5.5.

Le pari de Cisco n'est pas "plus gros", c'est "plus spécifique" : un petit modèle, tournant en local (le code sensible ne quitte jamais le serveur du client), entraîné pour une seule tâche, gagne en coût par résultat face à un modèle généraliste énorme.

Avis AppH : on ne va pas entraîner notre propre modèle juste parce que Cisco l'a fait. Mais si un client a besoin d'une surveillance récurrente à fort volume (comme le cas des flottes minières), ça confirme qu'il vaut la peine d'évaluer un petit modèle sur mesure plutôt que de surpayer un modèle générique géant.

Vérifié par un humain d'AppH

GOUVERNANCE

EY : 75 % de la valeur de l'IA agentique se perd entre les silos — pas à l'intérieur

Bien que 88 % des employés utilisent déjà l'IA, seulement 28 % des organisations transforment ça en résultats réels, selon EY. La cause : l'IA opère à l'intérieur de chaque fonction, mais la vraie valeur est dans la coordination entre fonctions.

Le rapport est honnête sur une faille que presque personne ne résout bien : une "gouvernance épisodique, pas continue", et des protocoles d'escalade/exception mal définis, même quand l'entreprise affirme déjà avoir un "humain dans la boucle".

Avis AppH : ce rapport se lit presque comme une critique directe de la façon dont le marché utilise "human in the loop" sans définir l'escalade réelle. Il nous oblige à documenter, pour chaque client, à quelle étape précise un humain intervient et ce qui se passe si quelque chose tourne mal — pas juste l'affirmer sur le site.

Vérifié par un humain d'AppH

CRITIQUE

"Plus d'autonomie n'élimine pas le travail humain — elle le concentre"

Un récit de première main : un agent autonome (surnommé "Molty") a commencé à s'auto-attribuer des tâches et a même écrit son propre cron de rappels. Résultat : pas moins de travail humain, mais tout le travail canalisé vers un seul relecteur.

L'auteur est franc : relire Molty ressemblait plus à censurer du contenu inapproprié qu'à donner un vrai retour. Sa conclusion inconfortable — "l'autonomie ne soustrait pas de travail humain, elle change sa forme et le concentre dans la relecture" — est exactement la critique qu'un studio comme le nôtre, qui vend le human-in-the-loop, doit pouvoir affronter de face.

Avis AppH : cette critique nous oblige à être honnêtes avec nous-mêmes. Si notre panneau d'approbation noie le chef d'entreprise sous des clics sans discernement, on échoue comme Molty — juste avec un meilleur discours marketing. La bonne réponse n'est pas de retirer l'humain, c'est de mieux concevoir ce qu'on lui montre et quand.

Vérifié par un humain d'AppH

MARCHÉ

Forbes dit aux PME : démarrez vos agents d'IA "bas", montez en niveau seulement quand ils ont gagné votre confiance — exactement le principe déjà intégré à AppManager

Dans un article du 27 mars, Forbes présente un "spectre d'autonomie" à 5 niveaux pour les PME : démarrer ses premiers agents d'IA aux niveaux 2-3 (répondre aux questions, qualifier les leads), et ne passer à des niveaux plus autonomes (comme rédiger du contenu de marque) qu'une fois que l'agent a vraiment prouvé qu'on peut lui faire confiance.

L'article (TerDawn DeBoe, spécialiste de la stratégie IA et du ROI pour les PME) donne 3 exemples concrets : un agent qui répond aux questions des clients (niveau 2, gain de temps facile à mesurer), un qui qualifie les leads entrants (niveau 3, meilleure priorisation), et un qui rédige du contenu cohérent avec la marque (niveau 4, pour qu'un nouveau client n'ait pas à attendre pendant que vous gérez les clients existants). Son conseil central — ne pas démarrer en haute autonomie parce que ça "fait plus avancé", la mériter d'abord — c'est exactement le critère qu'on applique déjà, sauf que chez AppManager ce n'est pas juste un conseil de stratégie : c'est intégré au panneau d'approbation lui-même, où chaque action d'un agent (envoyer une relance, marquer un bon de commande reçu, approuver un brouillon) attend la confirmation d'un humain avant de s'exécuter, sans exception pour tout ce qui a une conséquence réelle (un envoi, un encaissement, un changement de stock).

Avis AppH : on est d'accord avec le conseil de Forbes, presque mot pour mot — pas parce que ça nous arrange de le dire, mais parce qu'on l'a construit comme ça avant de lire cet article. La vraie différence est dans les détails : on ne laisse pas l'approbation humaine comme une bonne pratique que le patron de la PME doit penser à appliquer — on l'intègre directement dans le flux du produit, avec un enregistrement de qui a approuvé quoi et quand. Si vous évaluez vos premiers agents d'IA, la question qu'on vous suggère de poser n'est pas seulement "à quel niveau d'autonomie je devrais démarrer ?" mais "où se trouve la trace qu'un humain a approuvé ça, et est-ce que je peux la consulter après ?" — c'est ça qui sépare un vrai contrôle d'une bonne intention.

Vérifié par un humain d'AppH

MARCHÉ

Anthropic lance Claude pour les petites entreprises — et "le laisser tourner seul" est une option, pas la règle

Le 13 mai, Anthropic a présenté un pack de connecteurs et 15 flux agentiques prêts à l'emploi (QuickBooks, PayPal, HubSpot, Canva, Docusign) pensé pour les PME américaines : planifier la paie, clôturer le mois, relancer les factures en retard, lancer une campagne. La promesse centrale, dans les mots mêmes d'Anthropic : vous approuvez le plan d'abord — ou, une fois prêt, vous le laissez tourner de bout en bout.

Le pack ne remplace pas les outils qu'une entreprise utilise déjà — il s'installe par-dessus : il hérite des permissions que chaque employé avait déjà dans QuickBooks ou Drive, et n'entraîne pas ses modèles sur les données du client par défaut sur les plans Team/Enterprise. Dans une enquête menée par Anthropic elle-même, la moitié des dirigeants de PME citent la sécurité des données comme leur principal frein à l'adoption de l'IA — le lancement est construit, point par point, pour répondre exactement à cette objection.

Avis AppH : entendre Anthropic elle-même dire "vous approuvez le plan avant que quoi que ce soit soit envoyé, publié ou payé" est la validation la plus forte qu'on pouvait espérer de notre propre position — pas besoin de convaincre qui que ce soit qu'un humain doit rester au milieu, c'est maintenant l'entreprise qui construit le modèle qui le dit aussi. La vraie différence tient à un seul détail qui mérite d'être regardé de près si vous évaluez ce genre d'outils : ici, "tourner de bout en bout sans rien me demander" est une option que le patron peut activer. Chez AppManager, pour toute action à conséquence réelle, cette porte n'existe pas, et on ne la propose pas non plus comme option avancée — pas parce qu'on doute d'Anthropic, mais parce qu'on préfère ne pas laisser au patron d'un garage ou d'un opticien la décision de quand baisser la garde.

Vérifié par un humain d'AppH