Agent washing : comment reconnaître un vrai agent IA en 2026?

Troisième démonstration du trimestre pour l’équipe finance-TI d’un distributeur québécois. Le fournisseur présente « son agent IA ». Sur l’écran, le même assistant conversationnel que l’an dernier, avec un nouveau nom et les mêmes limites.

La scène se répète partout depuis 2025. Tout ce qui touche un ERP ou un processus financier se vend maintenant sous l’étiquette « agent ». Savoir trier le vrai du rebaptisé est devenu une compétence d’achat à part entière.

« Plus de 40 % des projets d’IA agentique seront annulés d’ici la fin de 2027, en raison de coûts qui grimpent, d’une valeur d’affaires floue ou de contrôles de risque inadéquats. » Source : Gartner, communiqué du 25 juin 2025

Qu’est-ce que l’agent washing, au juste?

L’agent washing consiste à rebaptiser « agent IA » un produit existant, assistant virtuel, RPA ou robot conversationnel, sans lui ajouter de réelle capacité d’agir de façon autonome. Le terme vient de Gartner, qui l’a documenté en juin 2025 et estime qu’environ 130 fournisseurs seulement, sur des milliers qui s’en réclament, offrent de véritables capacités agentiques.

La nuance pèse lourd dans un ERP. Un assistant répond à vos questions. Un agent détecte une situation, décide à l’intérieur de règles écrites, exécute l’action dans le système, puis escalade les cas incertains à un humain.

Notre revue des agents IA dans les ERP détaille ce que SAP, Microsoft et Oracle livrent réellement en 2026. Le contraste avec certaines brochures est instructif.

Pourquoi plus de 40 % des projets d’IA agentique seront-ils annulés?

Parce que les coûts grimpent, que la valeur d’affaires reste floue et que les contrôles de risque manquent, selon Gartner (2025). L’agent washing aggrave les trois. Une organisation qui achète un « agent » et reçoit un assistant découvre l’écart en cours de déploiement, au moment où les contournements coûtent le plus cher.

Le MIT arrive à un constat voisin par un autre chemin. Selon l’étude The GenAI Divide (initiative NANDA, 2025), 95 % des projets pilotes d’IA générative n’ont produit aucun retour mesurable. Il s’agit d’une étude préliminaire, dont la méthodologie a été discutée, mais son constat rejoint ce que Gartner observe sur les agents.

Pendant ce temps, la pression d’investir reste forte : 54 % des chefs des finances font de l’intégration d’agents IA une priorité, selon Deloitte (CFO Signals, quatrième trimestre de 2025). Acheter sous pression, dans un marché maquillé, mène tout droit au projet annulé. Les causes sont détaillées dans notre analyse sur pourquoi les projets d’IA échouent.

Comment distinguer un vrai agent IA d’un produit rebaptisé?

En vérifiant des capacités mesurables plutôt que la fiche produit : exécution d’un processus complet, décisions bornées par des règles écrites, apprentissage des exceptions, piste d’audit et résultat chiffrable. Un produit qui tient ces cinq promesses se défend en démonstration sur vos données, pas seulement en présentation.

Quelques repères pour situer le marché en 2026 :

• Environ 130 fournisseurs crédibles sur des milliers qui utilisent l’étiquette « agentique » (Gartner, 2025)
• 19 % des organisations ont investi de façon importante dans l’IA agentique et 42 % prudemment (sondage Gartner, janvier 2025, 3 412 répondants)
• 40 % des applications d’entreprise intégreront des agents IA spécialisés d’ici la fin de 2026, contre moins de 5 % en 2025 (Gartner, août 2025)
• 95 % des projets pilotes d’IA générative sans retour mesurable (MIT, The GenAI Divide, 2025)
• 19,2 % des entreprises canadiennes utilisaient l’IA en production au deuxième trimestre de 2026 (Statistique Canada)

Note méthodologique : ces chiffres proviennent d’études publiques de Gartner, du MIT et de Statistique Canada. Les portées varient d’une étude à l’autre et aucun de ces repères ne décrit votre situation particulière.

Quelles questions poser à un fournisseur avant de signer?

Cinq questions suffisent, posées dans cet ordre, avec une exigence de preuve à chaque réponse.

Montrez le processus complet sur nos données, de l’événement déclencheur à l’écriture dans le système. Une démonstration scriptée sur des données propres ne prouve rien.

Que fait l’agent devant une exception? Un vrai agent escalade le cas avec un motif clair. Un produit rebaptisé s’arrête, ou pire, improvise.

Qui approuve quoi, à partir de quel seuil, avec quelle piste d’audit? Les quatre contrôles à exiger sont détaillés dans notre guide sur la gouvernance des agents IA en finance.

Quel indicateur d’affaires l’agent améliore-t-il, mesuré contre quelle base de référence? Sans chiffre avant, aucun chiffre après ne voudra dire quoi que ce soit.

Et la dernière : que reste-t-il de votre produit si on retire le mot « agent » de la brochure?

Si le produit reste identique une fois le mot « agent » retiré de la brochure, vous venez de rencontrer l’agent washing.

Dans les mandats que PlanAxion mène en comptes clients, le test le plus révélateur reste le banc d’essai : trois mois de vos propres paiements, vos avis de remise tels qu’ils arrivent, et des résultats mesurés en entrée et en sortie. Les solutions d’application des encaissements que PlanAxion met en place passent elles-mêmes ce format d’évaluation.

Par où commencer sans vous faire prendre?

Par un processus à forte friction et un indicateur mesurable, pas par la technologie. L’application des encaissements, la clôture de fin de mois ou le tri des litiges offrent des règles documentées, des volumes élevés et un résultat chiffrable en jours et en dollars. Exactement le terrain où un vrai agent se démontre.

C’est la démarche de notre atelier de solutions IA rapides : 4 semaines, 5 étapes (préparer, identifier, prioriser, valider les données, décider et livrer), et chaque idée passe le même filtre, soit le problème, la valeur, les données et l’effort. L’investissement varie selon la portée et se confirme lors d’un court appel exploratoire.

Le tri se fera-t-il sans vous?

Non. Gartner prévoit l’annulation de plus de 40 % des projets, ce qui veut dire que près de 60 % survivront, et ils appartiendront aux organisations qui ont exigé des preuves avant de signer. Le marché se décante déjà. Les acheteurs qui testent sur leurs données achètent mieux, et souvent moins cher.

Questions fréquentes sur l’agent washing

Qu’est-ce que l’agent washing?

L’agent washing est la pratique de rebaptiser « agent IA » des produits existants, robots conversationnels, RPA ou assistants virtuels, sans réelle capacité d’action autonome. Gartner a documenté le phénomène en 2025 et estime qu’environ 130 fournisseurs seulement, sur des milliers, offrent de véritables capacités agentiques.

Quelle est la différence entre un agent IA et un robot conversationnel?

Un robot conversationnel répond à des questions et suggère des actions. Un agent IA poursuit un objectif : il détecte une situation, décide à l’intérieur de règles écrites, exécute l’action dans vos systèmes, puis escalade les cas incertains à un humain avec un motif clair.

Comment tester un agent IA avant de l’acheter?

Exigez un banc d’essai sur vos propres données : trois mois de transactions réelles, vos documents tels qu’ils arrivent, et des résultats mesurés en entrée et en sortie. Demandez aussi la démonstration des seuils d’approbation et de la piste d’audit, deux éléments qu’un produit rebaptisé peut rarement montrer.

Pourquoi les projets d’IA agentique sont-ils annulés?

Gartner identifie trois causes, soit des coûts qui grimpent, une valeur d’affaires floue et des contrôles de risque inadéquats. Le cabinet prévoit que plus de 40 % des projets d’IA agentique seront annulés d’ici la fin de 2027. Un cas d’usage borné, mesuré et gouverné réduit chacun de ces risques.