La plupart des équipes utilisent déjà l’IA au travail. Le Work Trend Index 2024 de Microsoft et LinkedIn a montré que 75% des travailleurs du savoir utilisent l’IA générative, et que 60% des dirigeants craignent que leur entreprise n’ait aucun plan en la matière. Ce que la plupart des équipes utilisent, c’est un assistant généraliste : doué pour l’écriture, mais aveugle aux données propres de l’entreprise, et incapable de modifier quoi que ce soit dans les systèmes où le travail se fait réellement.
Un agent métier comble cet écart. Il est connecté aux systèmes CRM, financiers et produit, il connaît les rapports dont une équipe donnée a besoin, et il dispose d’un ensemble défini d’actions que cette équipe est autorisée à effectuer.
Que fait un agent IA métier ?
Un agent IA métier remplit deux missions pour une équipe. Il extrait des données : il répond aux questions et construit des rapports à travers les systèmes CRM, financiers et produit, en langage clair. Et il envoie des données : il met à jour les fiches, déclenche des processus et envoie ce qui doit l’être, dans le cadre des autorisations de chacun, avec approbation si nécessaire et chaque action journalisée.
Pull et push : les deux moitiés
Pull, c’est le reporting et la consultation. Au lieu de chercher le bon écran, d’exporter vers un tableur ou d’attendre la seule personne qui sait lancer le rapport, toute personne autorisée pose simplement la question. L’agent interroge chaque système connecté, si bien qu’une seule question peut combiner ce que dit le CRM, ce que la finance a facturé et ce que le produit a enregistré.
Push, c’est l’action. L’agent met à jour l’affaire, ouvre le renouvellement, envoie le rappel, consigne l’appel. Chaque action est une compétence définie et soumise à autorisation, et non une instruction ouverte adressée à un modèle. C’est la différence entre un agent auquel vous pouvez faire confiance dans vos systèmes et un agent auquel vous ne le pouvez pas.
Les deux moitiés dépendent des données en dessous. Un agent qui rend compte à partir d’un CRM en désaccord avec la finance produit des chiffres auxquels personne ne se fie, et c’est pourquoi le socle de données passe d’abord.
Finance : de la clôture mensuelle à l’encaissement
Reporting. « Quelle est notre trésorerie, et qu’est-ce qui est en retard ? » L’agent finance répond à partir des systèmes, pas du tableur du mois dernier : trésorerie et créances ; MRR, ARR et marge mois par mois ; chiffre d’affaires comptabilisé, facturé et encaissé ; et les chiffres de clôture mensuelle et du conseil d’administration.
Actions. Il relance les factures en retard, rapproche les paiements des factures, signale les factures qui ne correspondent pas au contrat et émet un avoir après approbation.
La valeur tient en partie au temps gagné, en partie à la confiance : quand le CFO et le CEO posent la même question, ils obtiennent la même réponse. La clôture mensuelle cesse d’être une semaine d’exports et de rapprochements dans des tableurs, et les chiffres du conseil d’administration sont construits à partir des mêmes données que celles avec lesquelles l’équipe finance travaille chaque jour.
Ventes : le pipeline sans l’administratif
Reporting. « Qu’allons-nous signer ce trimestre ? » Le pipeline par étape, responsable et ancienneté, les prévisions, et les motifs de gain et de perte, sans qu’un commercial passe son vendredi après-midi à mettre à jour des champs pour que le rapport soit juste.
Actions. Il consigne l’appel et la prochaine étape, fait avancer l’affaire et met à jour les prévisions, et crée le devis à partir des conditions convenues, dans le respect de vos règles tarifaires.
L’administration du CRM absorbe une grande partie du temps de vente. Quand consigner un appel prend une phrase, le CRM reste à jour, et chaque rapport qui en dépend s’améliore. Cela aide aussi les équipes en aval : quand une affaire est marquée gagnée, la passation vers la réussite client peut commencer immédiatement, avec tout ce que les ventes ont convenu déjà consigné.
Réussite client : les renouvellements avant qu’ils ne deviennent des risques
Reporting. « Quels renouvellements arrivent le mois prochain, et lesquels sont à risque ? » Renouvellements à venir, santé des comptes et tendances d’utilisation, risque d’attrition et problèmes ouverts sur chaque compte.
Actions. Il ouvre le renouvellement et prépare le devis, planifie la revue d’activité trimestrielle et fait remonter un compte à risque à son responsable.
Pour une entreprise SaaS, c’est souvent là que les agents sont rentables en premier, car les renouvellements suivent des règles que les contrats définissent déjà. Vous trouverez davantage d’informations sur notre page L’IA pour le SaaS.
Les règles qui en garantissent la sécurité
Un agent capable de modifier vos systèmes a besoin de limites fermes. Les nôtres sont les mêmes dans chaque service :
- Autorisations. Chacun ne voit et ne modifie que ce que son rôle permet, et l’agent ne peut faire que ce pour quoi il a reçu des compétences.
- Approbations. Les actions qui ont des conséquences, comme un avoir, attendent l’approbation d’une personne.
- Un historique d’audit. Chaque question et chaque action est journalisée, avec qui l’a demandée et quand.
- Un écran là où un écran est préférable. Tout ne doit pas passer par une question posée à une IA. Un Portail Admin, conçu pour l’activité qu’il pilote, accompagne les agents pour ajouter et retirer des fiches, téléverser des contenus, définir les autorisations et vérifier ce que les agents ont fait.
- Européen par conception. Le RGPD et l’EU AI Act font partie de la conception, les données restent dans l’UE pendant la réalisation, et le modèle d’IA est le choix de l’entreprise : un modèle européen, un modèle hébergé en privé ou un modèle américain.
Le meilleur point de départ est généralement un service et un processus : celui qui coûte le plus cher aujourd’hui. Un agent qui retire réellement du travail à une équipe, de façon mesurable, est le meilleur argument pour le suivant, et les compétences comme le socle de données dont il a besoin se transposent aux services qui suivent.
Le NordOps AI Agent fonctionne dans l’assistant IA qu’une équipe utilise déjà, via MCP (Model Context Protocol) : aucun nouvel outil à apprendre, aucune connexion supplémentaire. Comment l’ensemble s’articule, du socle de données aux agents métier, est expliqué sur la page NordOps AI Agent.