Une étude Cribl révèle un fossé critique entre l’ambition des entreprises pour l’IA agentique et leur capacité réelle à la déployer.

LONDRES – L’intelligence artificielle (IA) agentique, capable d’exécuter de manière autonome des tâches complexes, est au cœur des stratégies d’entreprise, mais les infrastructures actuelles peinent à suivre. Selon une étude publiée ce jour et menée par Harvard Business Review Analytic Services pour le compte de Cribl, la plateforme d’IA dédiée à la télémétrie, la quasi-totalité des dirigeants (96 %) la considèrent comme essentielle pour les deux prochaines années. Pourtant, à peine un quart d’entre eux (23 %) estiment disposer de la stratégie et des fondations technologiques nécessaires à son déploiement à grande échelle.

L’enquête, réalisée en février 2026 auprès de 351 dirigeants d’entreprises mondiales déjà engagées dans des projets d’IA agentique, met en lumière un déficit de préparation alarmant, dont les conséquences financières se font déjà sentir.

Un décalage coûteux entre ambition et réalité

Le passage de l’expérimentation à la production révèle des coûts souvent sous-estimés. Près de la moitié des organisations ayant déjà mis en place des agents IA (47 %) rapportent que leurs dépenses d’infrastructure ont largement dépassé les prévisions initiales. En outre, une écrasante majorité (82 %) anticipe devoir réaliser des investissements supplémentaires significatifs pour adapter leurs environnements technologiques.

Ce constat reflète une tension croissante entre des volumes de données en hypercroissance et des budgets qui ne suivent pas, une situation que l’IA agentique vient amplifier.

« L’infrastructure que la plupart des entreprises ont construite au cours de la dernière décennie n’a tout simplement pas été conçue pour les charges de travail agentiques de demain », souligne Clint Sharp, cofondateur et CEO de Cribl.

« Cette étude confirme ce que nous observons sur le terrain : les organisations savent qu’elles doivent se préparer et moderniser dès aujourd’hui leurs fondations de données », ajoute-t-il.

L’infrastructure, principal goulot d’étranglement

L’un des défis majeurs réside dans la nature même des données requises. Les systèmes traditionnels sont conçus pour analyser des événements passés, tandis que l’IA agentique exige des données de télémétrie riches, contextualisées et disponibles en temps réel pour comprendre le « pourquoi » d’un événement et décider de l’action à mener. Sans une fondation de données adaptée, les systèmes d’IA deviennent rapidement ingouvernables, opaques et difficiles à exploiter en conditions réelles.

« Sans la bonne infrastructure, vous atteindrez rapidement une limite », explique Ryan Kurt, CEO de The AI Lab, un cabinet de conseil en stratégie.

« Il est impossible d’aller plus loin sans disposer des fondations de données, des mécanismes de gouvernance et des workflows intégrés nécessaires à ces nouveaux usages ».

Des volumes de données en pleine explosion

L’étude révèle d’autres freins majeurs à l’adoption. Une majorité d’entreprises (76 %) constatent déjà une augmentation des volumes de données de télémétrie directement liée à l’IA agentique ; pour près d’un tiers d’entre elles (31 %), ces volumes ont au minimum doublé.

Parmi les autres obstacles cités figurent le manque de visibilité sur le retour sur investissement (46 %), les risques liés à la confidentialité des données, une pénurie de talents qualifiés et l’inadéquation des architectures et des processus opérationnels existants. Les organisations qui progressent le plus rapidement sont celles qui ont commencé à repenser leur stratégie de données, privilégiant des architectures ouvertes et évolutives.

Le rapport complet de l’étude est disponible en ligne (https://info.cribl.io/rs/781-YMF-705/images/CRE-7700-PS-Cribl-5.pdf).

À propos de Cribl

Cribl (https://cribl.io/) est une plateforme d’intelligence artificielle dédiée à la télémétrie, conçue pour aider les entreprises à gérer et analyser leurs données, qu’elles soient destinées aux utilisateurs humains ou aux agents IA.

Adoptée par de grandes organisations mondiales, dont la moitié des entreprises du classement Fortune 100, la solution vise à combler l’écart entre les ambitions en matière d’IA et les réalités des infrastructures. Son architecture indépendante des fournisseurs garantit la portabilité et l’interopérabilité des données, offrant aux entreprises le choix et la flexibilité nécessaires pour innover.

Fondée en 2018, Cribl fonctionne sur un modèle de travail à distance (« remote-first ») et dispose d’un bureau à San Francisco, en Californie.

via Presse Agence (rédigé à partir d’un communiqué de presse transmis à la rédaction).