L’opportunité de l’océan bleu de l’économie des agents

• À partir du 1er trimestre 2026, l’IA bascule d’interfaces fondées sur le chat vers des agents d’exécution autonomes, et cette discontinuité structurelle remodèle en profondeur les logiciels d’entreprise et le paysage de l’investissement
• Les protocoles MCP et A2A neutralisent l’avantage concurrentiel de l’UI des SaaS existants, au profit d’une structure où les agents accèdent directement à la couche de données pour mener les workflows à leur terme
• Trois domaines émergent comme zones d’investissement à forte croissance : la gouvernance des agents, les plateformes verticales sectorielles et les orchestrateurs fondés sur la performance
• Dans un environnement où des milliers d’agents prennent simultanément des décisions, une architecture de supervision Human-on-the-loop, la codification des politiques et les pistes d’audit doivent s’imposer comme infrastructures essentielles
• Le facteur décisif de cette transition n’est pas la technologie, mais la capacité à mettre en place une conception organisationnelle et une infrastructure de gouvernance

---

Le basculement structurel vers l’IA agentique

• Entre 2022 et 2025, la première vague d’IA commercialisée était centrée sur l’interface : un modèle qui renvoyait du texte dans une fenêtre de chat, que l’humain devait interpréter puis exécuter manuellement ; il y avait bien un gain de productivité, mais sans résoudre la friction entre « savoir » et « exécuter »
• La deuxième vague, amorcée au 1er trimestre 2026, est centrée sur l’exécution : les agents conservent leur état d’une session à l’autre, appellent des outils via MCP (Model Context Protocol), délèguent des sous-tâches à des agents spécialisés via le protocole A2A (Agent-to-Agent) et accomplissent un objectif sans validation humaine à chaque étape
• Les implications organisationnelles de cette transition sont comparables aux basculements mainframe → client-serveur ou on-premise → SaaS ; les entreprises et VC qui l’interprètent à tort comme un simple « accélérateur d’IA » se placent dans la même position que ceux qui décrivaient Internet comme un « fax plus rapide »

Part I: disparition du middleware et couche d’abstraction de l’UI

• Mécanisme central de disruption

  • Le fossé concurrentiel des SaaS traditionnels s’étendait sur trois couches : les données (schémas propriétaires), la logique (règles de workflow) et l’interface (UI), et pendant 20 ans la différenciation concurrentielle s’est jouée sur la couche 3 (UI)
    • Si Salesforce a gagné, ce n’est pas grâce à son architecture de base de données, mais parce que les commerciaux pouvaient réellement l’utiliser
  • MCP fait s’effondrer le fossé concurrentiel de la couche 3 : si des agents IA se connectent directement à la couche de données du CRM pour lire l’état du pipeline, mettre à jour des enregistrements, déclencher des workflows et générer des rapports sans rendu d’interface, alors l’interface devient décorative
  • A2A supprime la coordination humaine intermédiaire : auparavant, un responsable des opérations commerciales déplaçait manuellement données et décisions entre CRM, facturation, ERP et automatisation marketing ; dans un environnement A2A, un agent orchestrateur crée des agents de facturation, CRM et contrat, leur transmet un contexte structuré et résout le travail

• Modèles économiques menacés

  • SaaS « UI-for-a-Database » : entreprises dont la valeur centrale est une interface bien conçue posée sur des données, comme les outils de gestion de projet sans effet réseau propriétaire sur les données, les CRM de base à faible fossé d’intégration ou les plateformes ITSM legacy
  • Signal à surveiller : le moment où les acheteurs en entreprise commencent à demander « Avez-vous un serveur MCP ? » au lieu de « Avez-vous une application mobile ? » ; chez les acheteurs techniques, cela a déjà commencé en 2025, et atteindra les comités d’achat en 2026~2027
  • Exceptions : les SaaS dotés de véritables effets réseau sur les données, comme LinkedIn, Veeva ou Toast, conservent un fossé structurel ; les agents auront toujours besoin des données, seule la manière d’y accéder change. La menace vise les rentiers de l’interface, pas les détenteurs d’actifs de données

Part II: liste des activités en déclin — 5 types d’entreprises confrontés à un déclin structurel d’ici 2027

• 1. Plateformes Tier 1 de support client (SaaS pur de routage de tickets)

  • Valeur centrale avant 2026 : organiser et router des tickets de support auxquels des humains répondent
  • L’IA agentique ne route pas les tickets, elle les résout directement. Recherche d’informations, remboursements, escalades et suivis : pour 70 à 80 % des cas, une boucle humaine n’est plus nécessaire
  • Les plateformes qui ne possèdent pas la couche de résolution deviennent des tuyaux vides
  • Calendrier estimé : 2025~2026

• 2. Fournisseurs legacy de RPA (automatisation fondée sur des scripts)

  • Valeur centrale avant 2026 : automatiser des tâches humaines répétitives via des bots scriptés
  • Le RPA a été conçu pour le suivi de règles dans des environnements stables, alors que l’IA agentique traite les exceptions par raisonnement — précisément les scénarios où le RPA échoue et où il faut une intervention humaine coûteuse ou réécrire les scripts
  • Le défi de UiPath : son produit est un contournement sophistiqué de l’absence de raisonnement, et cette absence est en train de disparaître
  • Calendrier estimé : 2025~2027

• 3. Agences SDR-as-a-Service (génération de leads et qualification externalisées)

  • Valeur centrale avant 2026 : prospection outbound et qualification BANT assurées par des humains
  • Les agents peuvent effectuer la recherche sur les prospects, l’outreach personnalisé, l’exécution de séquences multi-touch, le traitement des objections via FAQ et la prise de rendez-vous à un coût marginal quasi nul
  • La valeur humaine restante (nuance relationnelle, lecture complexe de multiples parties prenantes) relève non plus des SDR, mais des AE (Account Executive)
  • Il ne s’agit pas de « l’IA assiste les SDR », mais bien de « le rôle même de SDR devient une configuration d’agents »
  • Calendrier estimé : 2025~2026

• 4. Conseil en ETL manuel et intégration de données (non propriétaire)

  • Valeur centrale avant 2026 : connecter des systèmes et faire circuler les données entre applications d’entreprise
  • Dès lors que MCP fournit une interface standardisée lisible par les agents vers les sources de données, le travail d’intégration sur mesure devient rapidement une commodité
  • Le marché restant se limite aux cas limites sur systèmes legacy, un segment en contraction et non en croissance
  • Calendrier estimé : 2026~2027

• 5. Outils de création de dashboards BI (sans couche conversationnelle/agentique)

  • Valeur centrale avant 2026 : visualiser des données pour qu’un analyste humain les interprète
  • Quand les analystes peuvent poser des questions en langage naturel et recevoir à la demande des réponses synthétiques avec sources, sans attendre un cycle de rafraîchissement, alors le dashboard en tant que produit perd son avantage
  • Le fossé se déplace entièrement de la visualisation vers les pipelines de données et la couche de requête, et les entreprises qui ne possèdent pas l’infrastructure de données sous-jacente vendent de la « tapisserie chère »
  • Calendrier estimé : 2026~2028

Partie III : l’alpha des agents — 3 secteurs à très forte croissance

• 1. Infrastructure de gouvernance et de conformité des agents

  • Dans un monde où des agents IA concluent des contrats fournisseurs de 500 000 dollars, provisionnent une infrastructure cloud et exécutent des virements télégraphiques sans intervention humaine, l’attribution de la responsabilité devient une infrastructure critique
  • Les architectures juridiques et techniques actuelles sont conçues sur l’hypothèse que les humains agissent et consignent les actions ; dans un environnement entièrement agentique, cette hypothèse s’effondre totalement
  • Marchés qui émergent :
    • Protocoles d’identité et d’autorisation des agents : encodage, dans des identifiants signés cryptographiquement, des systèmes auxquels un agent peut accéder, des plafonds de transaction et des classifications de données — l’équivalent de certificats PKI pour des droits de décision autonomes
    • Piste d’audit immuable des agents : journalisation en temps réel et infalsifiable des chaînes de raisonnement, appels d’outils et points de décision des agents. Lorsqu’un agent prend une mauvaise décision d’approvisionnement, l’équipe juridique du CFO doit pouvoir reconstituer la chaîne de continuité de gouvernance. Un rôle équivalent à celui qu’occupent les éditeurs SIEM sur le marché de la cybersécurité
    • Agents autonomes de conformité : une couche méta qui surveille en temps réel d’autres agents afin de détecter les violations réglementaires liées au traitement des données GDPR, aux périmètres d’informations sensibles de la SEC ou aux contrôles d’accès HIPAA. C’est à la fois le paradoxe et l’opportunité qu’il faille des agents pour gouverner des agents
    • Souscription d’assurance pour agents : un marché naissant qui prend en charge le risque financier lié aux erreurs d’agents autonomes, que les assurances E&O existantes couvrent mal
  • Conditions pour gagner : non pas des entreprises d’IA qui ont ajouté la gouvernance comme fonctionnalité, mais des startups ancrées dans l’infrastructure d’identité et des entreprises nativement réglementaires disposant déjà de relations dans la conformité des services financiers
  • Signal VC : toute entreprise capable d’affirmer de manière crédible que « notre produit est indispensable pour qu’une Fortune 500 déploie des agents en production » relève d’une catégorie de dépense obligatoire

• 2. Plateformes verticales d’activation des agents

  • Les modèles de fondation généralistes (GPT-5, Claude, Gemini) progressent, mais ne disposent que d’un contexte générique ; sur les cinq prochaines années, le fossé concurrentiel se formera non pas autour du modèle utilisé, mais autour de l’infrastructure de contexte, d’outils et de conformité propre au domaine construite au-dessus
  • Comme la vitesse de commoditisation des performances des modèles est plus rapide que prévu, cette stratégie « pioches et pelles » dispose d’une vraie capacité défensive
  • Trois exemples verticaux :
    • Activation d’agents dans la santé : il faut un traitement des données conforme à HIPAA, l’intégration des standards HL7/FHIR, des garde-fous d’aide à la décision clinique répondant au cadre de supervision de la FDA, et une structure de responsabilité adaptée au contexte médical. Une entreprise d’IA généraliste qui fournit une clé API Claude à un hôpital n’a pas un produit ; le produit, ce sont les entreprises qui bâtissent l’enveloppe de conformité, la couche d’intégration EHR et les garde-fous sensibles à la responsabilité
    • Activation d’agents dans le juridique : les connaissances procédurales par juridiction, l’intégration au dépôt auprès des tribunaux, les protocoles de protection du secret professionnel et les exigences de conformité des barreaux constituent des barrières structurelles à l’entrée. Des agents capables de rédiger, réviser et déposer des documents juridiques dans un cadre de gouvernance répondant aux standards de faute professionnelle forment une plateforme verticale défendable
    • Activation d’agents dans les services financiers : des garde-fous de raisonnement de niveau fiduciaire, des contrôles en temps réel des contraintes réglementaires (Reg NMS, Basel III, FINRA) et des pistes d’audit immuables des transactions transforment le déploiement d’agents d’un passif en workflow conforme. En ciblant les institutions financières de taille intermédiaire, en dessous du seuil du développement sur mesure, il est possible de capter une valeur importante de substitution au SaaS
  • Le modèle économique n’est pas le conseil mais la plateforme : connecteurs de données compatibles avec les agents, middleware d’application de la conformité, modèles d’agents intégrant l’expertise métier, maintenance continue liée aux évolutions réglementaires. Revenus récurrents, coûts de changement élevés et véritable fossé d’expertise

• 3. Modèle orchestrateur : Outcome-as-a-Service

  • C’est le modèle économique le plus structurellement radical issu de la transition vers les agents ; il ressemble superficiellement à l’externalisation, mais relève d’une catégorie fondamentalement différente
  • Modèle traditionnel : licence logicielle → affectation de personnel → conservation en interne du risque d’exécution
  • Modèle orchestrateur : on achète un résultat garanti. L’orchestrateur possède une flotte d’agents spécialisés et en assure la coordination, la supervision et la gestion des exceptions, avec une facturation basée sur les résultats livrés avec succès plutôt que sur des licences par siège ou l’usage
  • Exemples concrets :
    • Orchestration du recrutement : au lieu de verser 20 % du salaire annuel à un recruteur, on paie des frais indexés sur la performance d’un recrutement qualifié, incluant un SLA de délai de recrutement et une garantie de remplacement. L’orchestrateur opère les agents de sourcing, de présélection, de planification et d’évaluation
    • Orchestration RevOps : au lieu d’une licence CRM + une équipe SDR + l’automatisation marketing + du personnel RevOps, on paie un forfait mensuel assorti d’un SLA sur les rendez-vous qualifiés
    • Orchestration de la surveillance de la conformité : au lieu d’une équipe conformité + un logiciel de monitoring + un contrat d’audit, on garantit en continu par une infrastructure d’agents un SLA de « zéro violation réglementaire majeure »
  • Le différenciateur structurel est le transfert du risque : dans un modèle SaaS, le risque du fournisseur s’arrête lorsque le logiciel fonctionne ; dans le modèle orchestrateur, le risque s’étend jusqu’au résultat. Il exige non seulement des capacités techniques, mais aussi des capacités opérationnelles, ce qui favorise les opérateurs plutôt que les simples builders
  • Menace pour les acteurs établis : Accenture, McKinsey et les grands intégrateurs SI évoluent déjà dans cette direction, et la fenêtre pour que des orchestrateurs natifs IA prennent l’avantage avant que celui de l’échelle ne s’accumule chez les acteurs historiques est de 18 à 36 mois

Partie IV : déficit de confiance et de gouvernance — résoudre à grande échelle le problème principal-agent

• Problème structurel

  • Dans la théorie classique principal-agent (la tension entre le principal qui délègue et l’agent qui agit), les organisations humaines investissent d’immenses ressources dans les contrats de travail, la gestion de la performance, les couches de supervision et les départements conformité
  • L’économie des agents crée un problème principal-agent à la vitesse et à l’échelle des machines : une seule entreprise peut faire fonctionner simultanément des milliers d’agents IA, chacun prenant des microdécisions, générant une exposition juridique et pouvant représenter l’entreprise à l’extérieur, alors que l’infrastructure de supervision correspondante n’existe pas

• De Human-in-the-Loop à Human-on-the-Loop

  • Le Human-in-the-loop était l’architecture de sécurité de la première vague, où un humain approuvait chaque action importante de l’IA ; mais dans un moteur d’exécution où un workflow agentique prend 50 décisions en 30 secondes, cela n’est pas extensible opérationnellement
  • Le Human-on-the-loop est une architecture où les humains définissent les politiques, fixent les limites d’autorité, examinent les files d’exceptions et auditent les résultats, sans être cosignataires de chaque action ; cela exige :
    • Policy-as-code : encoder les limites d’autorité dans un format lisible par machine et les faire appliquer au niveau des agents
    • Routage des exceptions : des agents capables de reconnaître qu’ils sortent de leur périmètre d’autorité et de s’arrêter pour solliciter une revue humaine
    • Surveillance des résultats : échantillonnage statistique et détection d’anomalies sur les flux d’actions des agents
    • Traçabilité de la responsabilité : des enregistrements reconstituables expliquant pourquoi un agent a entrepris une action donnée, quel contexte il détenait et quelles politiques ont été appliquées

• Nouvelles catégories de marché

  • Sociétés d’audit des agents : à mesure que mûrissent les cadres réglementaires, comme les exigences de l’EU AI Act pour les systèmes d’IA à haut risque, une certification tierce des pratiques de gouvernance des agents devient nécessaire ; c’est un marché de type SOC 2 pour l’IA agentique — et il devrait devenir obligatoire dans les secteurs régulés sous 24 mois
  • Plateformes de politiques pour agents : des outils de gouvernance permettant de définir, versionner, appliquer et auditer les politiques d’autorité des agents, l’équivalent de l’IAM pour la sécurité cloud. Les entreprises qui construiront « l’Okta des autorisations des agents » occuperont une position d’infrastructure indispensable
  • Réseaux de confiance interorganisationnels pour agents : lorsqu’un agent de l’entreprise A interagit avec un agent de l’entreprise B pour finaliser une transaction (par exemple une négociation entre un agent IA d’approvisionnement et un agent IA commercial), aucune infrastructure de confiance établie n’existe aujourd’hui. Il faut des protocoles, première extension à grande échelle de l’A2A, pour définir les identifiants détenus par chaque agent, la manière de vérifier les autorisations de l’agent en face, etc., créant un rôle de tiers de confiance comparable aux autorités de certification de l’écosystème SSL

Partie V : Buy / Hold / Sell — guide VC du paysage des agents en 2026

• BUY — forte conviction

  • Infrastructure de gouvernance et d’identité des agents : dépense indispensable pour toute entreprise qui déploie des agents en production, et la pression réglementaire est réelle et s’accélère. Les entreprises qui résolvent l’identité cryptographique des agents, le périmètre des autorisations et les pistes d’audit immuables relèvent de la catégorie « impossible de lancer sans cela ». À surveiller : les équipes ayant une expérience en PKI, IAM et technologies de conformité financière
  • Plateformes d’enablement d’agents verticaux pour les secteurs réglementés : la santé, le juridique et les services financiers disposent du plus grand TAM et des fossés de conformité les plus profonds. Les entreprises qui bâtissent une infrastructure d’agents spécialisée par domaine obtiendront des coûts de changement comparables aux anciens EHR ou aux systèmes bancaires core. Question clé de due diligence : l’équipe fondatrice possède-t-elle une crédibilité métier, ou s’agit-il simplement d’ingénieurs IA ayant laissé quelques onglets de recherche ouverts ?
  • Orchestrateurs Outcome-as-a-Service avec unit economics validés : la catégorie est juste, mais la dispersion est forte. Le point central de la due diligence est la capacité opérationnelle — que se passe-t-il quand l’agent échoue, comment les exceptions sont-elles traitées, et les engagements SLA reposent-ils sur des economics défendables ? Les entreprises qui ont résolu la discipline opérationnelle de la livraison de résultats deviendront les prochains géants des services professionnels
  • Tooling MCP/A2A et infrastructure développeur : l’adoption des protocoles crée une demande d’outillage, et les entreprises qui construisent les couches d’expérience développeur, d’observabilité et d’optimisation pour les workflows MCP et A2A occupent une position de vendeurs de pioches et de pelles dans la ruée à l’appropriation des protocoles. Une consolidation des protocoles aura lieu, mais les gagnants deviendront des pierres angulaires de l’infrastructure

• HOLD — observation

  • Principales plateformes cloud (AWS, Azure, GCP) : elles capteront les dépenses d’infrastructure agents sur la couche commoditisée du compute, de l’hébergement de modèles et du stockage, mais la couche à valeur ajoutée sera captée par des concurrents spécialisés. Conserver les positions existantes, tout en observant si les services nativement orientés agents (Amazon Bedrock Agents, Azure AI Studio) gagnent réellement en traction en entreprise ou se font disrupter par le bas
  • Logiciels d’entreprise historiques avec un récit de pivot vers les agents (Salesforce, ServiceNow, Workday) : ils disposent de réseaux de distribution, de relations de données et de la confiance des entreprises, mais le risque réside dans le conservatisme architectural et la dette d’intégration. D’ici le troisième trimestre 2026, observer les signes de véritables capacités d’agent (et non de simples fonctionnalités wrapper IA) ; si cela se confirme, relever la note à hold ou buy, mais s’ils vendent encore des « AI copilot », alors sell
  • Fournisseurs de foundation models (hors leaders de la recherche frontier) : la commoditisation de la performance des modèles progresse plus vite que les ajustements de pricing, et le milieu de gamme — des modèles solides mais pas les meilleurs — subit une compression. Conserver les positions sur les leaders frontier, mais le deuxième rang a de plus en plus de mal à expliquer sa proposition de valeur

• SELL — sortie ou évitement

  • Entreprises de pure UI SaaS sans fossé de données propriétaire : si le produit cœur n’est qu’une « interface bien conçue vers des données qui existent ailleurs », alors la menace de contournement par MCP est existentielle et l’horizon est court. La question à poser à chaque entreprise : que perd le client si l’UI est remplacée par un agent qui parle directement à la base de données ? Si la réponse est « surtout une habitude », alors sell
  • Éditeurs de plateformes RPA legacy : la technologie sous-jacente est en train d’être disrup­tée par quelque chose d’architecturalement supérieur. Les relations clients et la distribution peuvent encore conserver de la valeur, mais les fusions-acquisitions par des entreprises d’agentic AI doivent aller vite. La thèse d’investissement dans la RPA legacy autonome voit sa runway se détériorer
  • Entreprises de produits IA « réponse seule » : les entreprises dont toute la proposition de valeur consiste à générer des réponses textuelles, sans capacité d’action, intégration d’outils ni complétude de workflow, vendent de l’IA de première vague au sein de la deuxième vague. La catégorie de produit a de la valeur, mais pas comme entreprise indépendante. Ce ne sont pas des cibles d’investissement de croissance, mais des cibles d’acquisition de talents
  • Cabinets de conseil en chatbots IA généralistes : les entreprises dont le modèle est « nous vous construisons un wrapper ChatGPT » disposent d’une fenêtre de 12 mois tout au plus. Les capacités de déploiement d’IA conversationnelle se commoditisent à une vitesse qu’aucune marge de conseil ne peut supporter

Thèse de conclusion

• L’intuition stratégique qui fera les gagnants et les perdants de cette transition n’est pas technique mais architecturale, et les organisations comme les investisseurs qui comprennent que l’agentic AI est autant un problème de design organisationnel qu’un problème technique prendront les bonnes positions
• Le passage de Human-in-the-loop à Human-on-the-loop ne retire pas l’humain de la prise de décision ; il le fait simplement monter dans la pile d’abstraction, de l’approbation de chaque action individuelle vers la conception de politiques, structures d’autorisation et frameworks d’exception qui gouvernent des milliers d’actions autonomes
• Les entreprises qui construisent ces fondations — outillage de gouvernance, infrastructure de conformité verticale, opérations de livraison de résultats — érigent actuellement les murs porteurs de la prochaine ère des technologies d’entreprise ; tout le reste relève de la décoration intérieure