Agents IA en entreprise : l'orchestration d'un côté, la sécurité de l'autre

Deux réalités coexistent sur le marché des outils d'agents IA en entreprise en 2026. Les plateformes mûrissent rapidement. La couche de sécurité, elle, stagne. C'est dans cet écart que se jouent désormais la plupart des décisions d'achat.

Commençons par les plateformes. L'analyse de Bardeen, publiée le 10 août 2026, ramène le choix à une question simple : quelle pile technique l'entreprise utilise-t-elle déjà ? Salesforce Agentforce 360 pour les opérations Salesforce, Microsoft Copilot Studio pour les environnements Microsoft 365, Google Gemini Enterprise pour Google Cloud, ServiceNow pour les flux de travail informatiques et RH existants. Le texte cite WIQ comme successeur natif de l'IA du task mining, un outil qui observe le déroulement du travail et classe les tâches à automatiser. Il décrit également une architecture commune : un constructeur, une couche d'orchestration et une gouvernance couvrant l'identité, l'observabilité et les contrôles sur les accès des agents.

Gartner classe cette catégorie sous le nom de plateformes de développement d'agents IA.

Côté prix, le discours marketing s'effrite. Salesforce facture ses Flex Credits 500 dollars les 100 000. Une action standard consomme 20 crédits, soit environ 0,10 dollar, plus 2 dollars par conversation client et des modules utilisateur à 125 dollars par mois, selon l'analyse de Bardeen. La comparaison de Manus, publiée le 24 juillet 2026, reprend ces chiffres. Elle précise que le coût total de possession peut dépasser le prix d'entrée, car les déploiements sérieux nécessitent aussi Data Cloud, des services d'intégration et un nettoyage des données. Microsoft Copilot Studio est inclus avec M365 Copilot à 30 dollars par utilisateur et par mois, indique le guide Manus. ServiceNow fonctionne sur devis.

Les chiffres d'adoption méritent une lecture prudente. L'analyse de Bardeen affirme que 90 % du Fortune 500 utilise déjà Copilot Studio et que Salesforce compte 12 000 clients sur Agentforce 360. Ce sont des données déclarées par les éditeurs. Le texte cite aussi Salesforce, qui avance que Reddit a détourné 46 % de ses cas de support et qu'OpenTable a résolu 70 % des demandes de façon autonome, là encore des chiffres auto-déclarés.

Ce que dit la recherche en sécurité

Le rapport n8n sur les outils de développement d'agents IA est direct sur la couche que les acheteurs ignorent souvent. L'authentification et l'identité des agents sont presque partout absentes du marché, écrit-il. La plupart des discours marketing confondent un agent utilisant une clé API pour appeler un modèle avec un agent présentant ses propres identifiants à un service tiers. Seuls Google, Langflow, Workato, CrewAI, Sim.ai et Gumloop obtiennent un score de 2 sur ce critère. La traçabilité, c'est-à-dire la capacité de remonter d'un agent à une identité humaine, est pratiquement inexistante : seuls Google, Workato et Gumloop obtiennent un score. La gestion des secrets est tout aussi maigre, avec seulement Google, Sim.ai et Gumloop à 2, et Make et Retool à 1.

L'isolation du code non fiable généré par un LLM est rare. Seule une poignée d'éditeurs propose un bac à sable comme frontière de sécurité, indique le rapport n8n. La plupart s'appuient sur des services tiers, le plus souvent E2B. CrewAI a abandonné son service natif d'exécution de code et suggère à ses clients d'utiliser E2B. Le rapport note aussi qu'aucune plateforme ne gère bien à la fois l'exécution du code des agents et celle du code écrit par des humains, pas même Google.

Écrire un prompt demandant au LLM de ne pas halluciner ou de ne pas divulguer de données sensibles ne constitue pas une fonctionnalité de sécurité.

Cette phrase, tirée du rapport n8n, résume le mieux le problème. Les évaluations servent parfois de garde-fous, par exemple un LLM juge vérifiant si une réponse contient des données personnelles. Le rapport distingue cela d'une règle déterministe par expression régulière, qui détecte un numéro de sécurité sociale et le remplace.

L'adoption est plus désordonnée que ne le disent les éditeurs

Manus cite une étude IDC publiée en 2025 : 88 % des preuves de concept d'IA en entreprise n'atteignent pas la production. L'intégration, la gouvernance et la planification des coûts sont généralement décisives, plutôt que l'IA elle-même. Le guide Liqteq cite l'avertissement de Gartner de juin 2025 : plus de 40 % des projets d'IA agentique seront annulés d'ici fin 2027, en raison de coûts croissants, d'un retour sur investissement flou et d'une gouvernance insuffisante. Il décrit le « blanchiment d'agents », où des éditeurs rebaptisent chatbots et outils RPA en agents, comme endémique. Il affirme que seulement environ 130 éditeurs sur des milliers construisent de vrais systèmes agentiques.

Réunissez ces deux constats et la question d'achat change. La liste restreinte de plateformes est désormais prévisible, car elle correspond à la pile technique déjà en place. La question plus difficile est de savoir si l'outil choisi peut prouver quel agent a agi, sous quelle autorité et à l'intérieur de quelle frontière. Au vu des éléments publiés jusqu'ici, c'est encore la partie que la plupart des éditeurs n'ont pas construite.