IA agentique en Asie du Sud-Est : un potentiel de 450 milliards sous conditions

L’intelligence artificielle ne se limite plus à rédiger un texte, résumer un document ou répondre à une question. Avec l’IA agentique, les entreprises envisagent des logiciels capables d’enchaîner des étapes, de choisir une action parmi plusieurs options et de s’adapter au résultat obtenu. En Asie du Sud-Est, cette évolution est présentée comme un possible accélérateur économique majeur. Mais entre les démonstrations convaincantes et les déploiements fiables dans une organisation, le chemin reste long.

Les estimations donnent la mesure des attentes : jusqu’à 450 milliards de dollars de valeur économique pourraient être dégagés d’ici 2028 grâce à l’IA agentique dans la région, selon une étude du Capgemini Research Institute. Cette perspective ne doit toutefois pas masquer une réalité plus prudente : seules 2 % des organisations ont, à ce stade, mis ces systèmes à l’échelle. Les entreprises ne se demandent donc plus uniquement ce que les agents IA peuvent faire. Elles doivent surtout définir ce qu’elles peuvent leur laisser faire, sur quelles données et sous quel contrôle humain.

Qu’est-ce que l’IA agentique, exactement ?

L’IA agentique désigne un logiciel conçu pour poursuivre un objectif à travers plusieurs actions. Il peut recueillir des informations, raisonner sur une tâche, appeler des outils numériques, vérifier un résultat et modifier son plan si nécessaire. Au lieu de simplement produire une réponse, il cherche à accomplir une mission dans un environnement donné.

Jason Hardy, directeur technique de l’IA chez Hitachi Vantara, la décrit comme un logiciel capable de décider, d’agir et d’ajuster sa stratégie de manière autonome. Cette approche associe expertise métier, apprentissage tiré de l’expérience et coordination des tâches en temps réel.

La nuance avec l’IA générative est importante. Une IA générative produit principalement du contenu à partir d’une instruction : texte, image, code ou synthèse. Un agent peut utiliser ce type de modèle comme moteur de compréhension ou de rédaction, mais il ajoute une couche d’action. Dans un cadre autorisé, il peut par exemple analyser un incident informatique, rechercher les systèmes concernés, recommander une réponse, ouvrir un ticket ou déclencher une procédure préétablie.

Cela ne signifie pas qu’un agent est infaillible, ni qu’il doit fonctionner sans aucune limite. Son degré d’autonomie dépend des accès qui lui sont accordés, des règles définies par l’organisation et des moments où une validation humaine est imposée. L’enjeu est précisément de construire des automatismes utiles sans abandonner les décisions sensibles à un système logiciel.

Un potentiel économique considérable, mais encore théorique pour beaucoup

L’Asie du Sud-Est rassemble des économies en forte numérisation et des entreprises confrontées à des volumes croissants de données, de transactions et d’interactions clients. Dans ce contexte, l’IA agentique est envisagée comme un moyen d’accélérer les opérations, de mieux répartir les ressources et de traiter plus rapidement les situations complexes.

Le potentiel estimé à 450 milliards de dollars d’ici 2028 ne correspond pas à une somme automatiquement acquise. Il représente la valeur que les organisations pourraient tirer de gains de productivité, d’une meilleure exécution opérationnelle et de nouveaux services. Cette valeur dépendra de la capacité des entreprises à passer des tests à des systèmes intégrés à leurs activités quotidiennes.

Les données d’adoption illustrent ce décalage entre ambition et préparation. Près d’un quart des entreprises ont lancé des projets pilotes d’IA agentique. Mais seulement 14 % ont progressé vers une véritable mise en œuvre, tandis que la majorité demeure au stade de la planification. Et la part des organisations ayant atteint une mise à l’échelle se limite à 2 %.

Ces chiffres ne sont pas contradictoires : ils reflètent différents degrés de maturité. Tester un assistant sur un processus restreint est bien plus simple que de l’intégrer à des données sensibles, à des systèmes d’information anciens et à des procédures où une erreur peut avoir des conséquences financières, réglementaires ou opérationnelles.

La confiance humaine reste le point de bascule

La promesse d’autonomie peut sembler séduisante, mais elle nourrit aussi les réticences. Une entreprise ne peut pas confier sans précaution à un agent l’accès à ses informations clients, à ses outils financiers ou à son infrastructure informatique. La fiabilité de ses actions, la traçabilité de ses choix et la clarté des responsabilités deviennent alors aussi importantes que ses performances techniques.

Le Capgemini Research Institute souligne que l’encadrement humain n’est pas seulement une contrainte coûteuse. Environ trois quarts des dirigeants interrogés considèrent que la présence d’humains dans les flux de travail de l’IA apporte plus de valeur qu’elle ne coûte. Neuf dirigeants sur dix estiment par ailleurs que cet encadrement a un effet financier positif ou neutre.

Cette appréciation renverse une idée répandue : l’objectif n’est pas forcément d’éliminer toute intervention humaine pour rentabiliser l’automatisation. Dans de nombreuses situations, la combinaison d’un agent rapide et d’un professionnel qui valide les cas sensibles peut être plus efficace qu’un système laissé en pilotage automatique.

Où les agents IA peuvent-ils être utiles en premier ?

Les opérations informatiques constituent, à ce stade, le principal terrain d’application. Elles réunissent plusieurs caractéristiques adaptées aux agents : des alertes nombreuses, des systèmes à surveiller en continu, des données techniques abondantes et des procédures répétitives pouvant être formalisées.

Un agent peut notamment aider les équipes à analyser des données, optimiser l’usage des ressources et préparer des rapports de conformité. Il peut aussi repérer de façon préventive un problème, suggérer une répartition différente des capacités disponibles ou accélérer la réponse à un incident. L’intérêt est moins de remplacer les équipes informatiques que de leur éviter une partie du travail de tri, de surveillance et de traitement administratif.

La cybersécurité est un autre domaine prometteur. Face à une anomalie, la rapidité de réaction compte. Un système agentique peut contribuer à détecter un comportement inhabituel, à identifier les éléments concernés et à isoler rapidement les systèmes affectés dans le cadre de règles prédéfinies. Les décisions les plus critiques doivent néanmoins rester supervisées, car une action automatique mal calibrée peut elle aussi perturber l’activité.

Les effets attendus concernent également la chaîne d’approvisionnement et le service client. Dans le premier cas, l’IA pourrait aider à rééquilibrer les ressources et à anticiper les besoins. Dans le second, elle peut coordonner la recherche d’informations et le traitement de demandes plus complexes qu’une simple réponse automatisée.

Des assistants d’achat illustrent aussi la transformation possible de l’expérience en ligne. Ils peuvent rechercher un produit, générer une description, répondre aux questions d’un client et ajouter un article au panier sur instruction vocale ou textuelle. Si ce type d’interface se généralise, la place des sites Web traditionnels pourrait évoluer : l’utilisateur pourrait demander directement un résultat à un assistant plutôt que parcourir lui-même de multiples pages. Les sites resteraient des infrastructures essentielles, mais l’interface de recherche et de décision pourrait devenir plus conversationnelle.

Données et infrastructures : les fondations souvent sous-estimées

L’agent le plus performant ne peut pas créer de valeur durable s’il travaille sur des données incomplètes, mal classées ou insuffisamment protégées. Pour les organisations d’Asie du Sud-Est, l’appropriation des données constitue donc une priorité. Elles doivent savoir quelles informations elles possèdent, qui peut y accéder, dans quelles conditions elles peuvent être utilisées et comment elles sont sécurisées.

La gouvernance n’est pas un simple exercice administratif. Elle permet de réduire le risque qu’un agent consulte des données auxquelles il ne devrait pas accéder, se fonde sur des informations obsolètes ou prenne une décision impossible à expliquer par la suite. Elle doit aussi clarifier les responsabilités lorsqu’un système automatisé déclenche une action.

L’infrastructure joue un rôle tout aussi déterminant. Les entreprises ont besoin de systèmes capables de gérer l’orchestration de plusieurs agents et l’allocation dynamique des ressources. Dans une architecture multi-agents, différents logiciels peuvent en effet coopérer : l’un recherche une information, un autre analyse une anomalie, un troisième prépare une action soumise à validation. Cette coordination accroît les possibilités, mais elle rend également les contrôles plus nécessaires.

Quels changements pour les métiers et le management ?

L’arrivée des agents IA transformera les flux de travail dans l’informatique, la logistique ou la relation client. Certaines tâches de recherche, de coordination, de documentation et de surveillance seront davantage automatisées. En parallèle, le rôle des salariés devrait évoluer vers la supervision, l’orchestration et l’évaluation des systèmes autonomes.

Cette mutation exige de nouvelles compétences. Les collaborateurs devront savoir formuler un objectif, vérifier un résultat, reconnaître les limites d’un outil et escalader une décision lorsqu’elle dépasse les règles prévues. Les responsables, eux, auront à définir les garde-fous éthiques et organisationnels, puis à s’assurer que les systèmes restent alignés avec les priorités et les valeurs de l’entreprise.

Les conséquences sur l’emploi seront inégalement réparties. Selon le World Economic Forum, l’IA pourrait créer 11 millions d’emplois en Asie du Sud-Est d’ici 2030, tout en en remplaçant 9 millions. Les femmes et les membres de la génération Z sont considérés comme particulièrement exposés aux perturbations, une majorité occupant des fonctions vulnérables à l’automatisation par l’IA.

Le bilan ne se résume donc pas à des suppressions ou à des créations nettes. Il dépendra largement des politiques de reconversion, de l’accès à la formation et de la capacité des employeurs à accompagner les personnes dont les tâches évoluent rapidement. La sensibilisation aux nouveaux outils ne suffira pas : il faudra aussi créer des parcours permettant d’acquérir des compétences réellement mobilisables.

Ce qu’il faut surveiller d’ici 2028

Les premières retombées apparaissent dans les opérations informatiques, là où les processus sont déjà fortement instrumentés et où les gains de temps peuvent être mesurés. Mais les implications potentielles dépassent ce seul domaine. L’IA agentique pourrait modifier les modèles commerciaux, les interfaces de vente, l’organisation des équipes et la manière dont les entreprises répondent aux incidents ou aux demandes des clients.

Plus largement, les projections indiquent que l’IA et l’IA générative pourraient ajouter environ 120 milliards de dollars au PIB des ASEAN-6 d’ici 2027. L’IA agentique fait partie des technologies susceptibles de contribuer à cette dynamique, sans pour autant constituer une solution universelle.

Le rythme du changement pourrait être sous-estimé par certains dirigeants, comme l’anticipe Jason Hardy. Pourtant, la vitesse ne doit pas devenir un prétexte pour déployer des agents sans préparation. Les entreprises qui tireront le mieux parti de ces outils seront vraisemblablement celles qui commenceront par des usages précis, mesurables et réversibles, avant d’élargir progressivement leur périmètre.

Pour l’Asie du Sud-Est, la question n’est donc pas simplement de savoir si l’IA agentique s’installera. Elle est de déterminer à quelles conditions elle pourra inspirer confiance, compléter les compétences humaines et produire les gains économiques annoncés sans fragiliser les organisations qui l’adoptent.