L’IA est un outil d’exécution, pas de décision. Comment créer ses propres agents.
Le compagnon long de l’essai ci-dessous : architecture, exemple achats, ROI chiffré. 9 min.
« L’IA coûte plus cher qu’un salarié » : le problème n’est pas le prix. C’est l’absence de plan.
Écrit en mai, avant que Meta ne le confirme. 6 min.
Build, Partner, Buy ou Defer : le framework McKinsey de l’agentic AI, lu côté achats.
Defer est un choix légitime. Utile pendant le creux. 7 min.
Démystifions la création d’agents.
La plupart des acheteurs pensent qu’un agent IA, ça se code et que c’est donc compliqué. On attend donc que l’IT aide sur le sujet, qu’un budget soit débloqué, ou on finit par prendre un abonnement SaaS de plus. Démystifions : un agent utile aux achats se construit facilement, une fois qu’on a les idées claires et qu’on peut trancher des questions métiers. La tech vient après, et la souscription que vous avez probablement déjà suffit à coder des agents, et les faire tourner.
D’abord, ce qu’est un agent. Pas un chatbot. Un agent, c’est un modèle de langage à qui vous donnez des outils (votre Excel, un dossier de PDF, une boîte mail), une boucle (il agit, observe, recommence) et un périmètre (ce qu’il a le droit de toucher). Le chatbot répond. L’agent fait.
Le vrai secret de la création d’agent : savoir poser votre workflow au propre. Dire à l’IA quoi chercher, où, dans quel ordre et comment présenter le résultat. Sans ce cadrage, le modèle devine, et le livrable change à chaque passage. L’agent, ce n’est rien d’autre que ce cadrage écrit une bonne fois. Si vous savez expliquer votre tâche à un nouveau collègue, vous savez écrire un agent. L’IA vous guidera sur les parties techniques.
Posez-le comme vous cadreriez une nouvelle recrue (le parallèle complet est dans un processus RH pour les agents IA) : cinq décisions, dans l’ordre.
Le workflow, pas l’outil. Quel travail récurrent est le plus propice à être automatisé via un agent ? Quelles en sont les étapes, précises, et comment doit en être livré le résultat ? Des exemples de livrables peuvent servir de base.
Ce que l’agent touche, et rien d’autre. Un périmètre étroit qui marche sera toujours plus efficace qu’un périmètre large non contrôlé.
Ses accès, en lecture et en écriture. Lire vos PDF : oui. Envoyer un mail fournisseur sans relecture : non. Les droits se donnent un par un et jamais « au cas où ».
Le point d’arrêt humain : avant tout envoi externe, avant toute décision d’engagement de dépenses (au-dessus d’un seuil, lequel doit être 0 € pour commencer). C’est ce qui rend l’agent déployable.
Temps gagné, taux d’erreur sur échantillon, corrections humaines. Sans mesure, vous ne saurez jamais s’il faut le garder et quoi améliorer. Prévoyez d’identifier la baseline dès le départ.
Dernier point, le coût. Le prix au token varie d’un facteur 10 ou plus entre le bas et le haut de gamme des modèles (de 0,10 $ à plus de 50 $ par million de tokens) (grilles publiques éditeurs, 2026). Le modèle derrière votre agent est une décision d’achat, et la plus importante une fois le bon processus défini : le playbook est sur le blog, contrôlez vos coûts IA.
Comment choisir ? Faites des essais avec différents modèles pour chaque étape et comparez les résultats. Il n’est pas nécessaire d’utiliser Fable ou GPT Sol pour lire un mail ou un PDF, on gardera les modèles frontières pour les vraies tâches de réflexion.
Un agent ne remplace pas le jugement. Il vous rend le temps de l’exercer.
Et quand ce n’est pas pertinent. Workflow non récurrent, résultat non mesurable, ou erreur qui coûte cher sans humain dans la boucle : on n’utilise pas l’IA. Un agent qui valide des bons de commande plus vite sans surveillance, c’est un risque qui tourne en boucle, pas de l’augmentation. Dans tous les cas, l’agent est un outil d’exécution, pas de décision.
Avant de demander un budget ou un dev, écrivez vos cinq décisions sur une page. Si vous n’arrivez pas à les remplir, l’agent n’est pas le problème : c’est le workflow qui est à revoir.
La version longue, avec l’architecture en quatre couches et le ROI chiffré : comment créer ses propres agents (9 min).
La course repart à quatre. En pleine vallée de la désillusion.
Reprenons la chronologie du mois car elle est chargée. Le 9 juin, Anthropic sort Fable, son modèle le plus puissant en accès général. Le 12, Washington ordonne sa coupure par une directive de contrôle à l’export, suite à un rapport de chercheurs d’Amazon montrant un contournement des garde-fous cyber (Fortune, CNBC, 2026). Le 30 juin, contrôles levés ; le 1er juillet, l’accès à Fable est rétabli avec une sécurité augmentée (Anthropic ; Al Jazeera, 2026). Et pour la première fois, le modèle frontier est facturé à l’usage, hors forfait classique. Pendant la coupure, trois grands changements sur la scène IA :
13 juin · GLM-5.2 (Zhipu, Chine). Open-weight sous licence MIT, 1 million de tokens de contexte, meilleur open-weight en coding juste derrière Opus 4.8 (CNBC ; SCMP, 2026). Gratuit, auto-hébergeable : un plan B réaliste vient d’être mis à disposition, sans dépendre des USA.
Fin juin · Fugu (Sakana, Japon). Le twist : pas vraiment un nouveau modèle, une API qui orchestre plusieurs modèles experts (Sakana ; VentureBeat, 2026). La couche d’orchestration permet à plusieurs modèles moins performants d’atteindre ensemble les performances du frontier. Le problème ? Les modèles derrière restent américains.
26 juin · GPT-5.6 (OpenAI, US). Sol, Terra, Luna, sortie publique le 9 juillet après le même passage par la case gouvernement (OpenAI ; CNBC, 2026). Terra : les performances de GPT-5.5 pour 2× moins cher. Les prix baissent déjà, un cran sous le frontier d’Anthropic.
Ce que ça change pour qui achète de l’IA. La coupure a démontré que le risque d’accès est réel. Le marché a prouvé que les modèles et les acteurs évoluent en semaines, pas en années. Conclusion : ne vous engagez pas. Le rapport de force peut changer : Anthropic, qui semblait rafler la mise le mois dernier, se met en situation périlleuse sur le frontier, pendant que les modèles de milieu de gamme (ex. Sonnet) s’améliorent eux aussi. Concrètement : ajoutez la réversibilité au contrat, la grille CADA pour la résidence des données (Commission européenne, 2026), et benchmark multi-IA à chaque négociation. Le choix du modèle reste une décision d’achat mesurable : sur 186 négociations simulées entre agents, le frontier capture 10 à 25 % de valeur en plus que l’entrée de gamme (Anthropic, Project Deal, 2025). J’avais détaillé l’expérience ici.
Et le paradoxe du mois : cette situation inédite sur le marché IA arrive en pleine vallée de la désillusion, celle où on se rend compte que l’IA n’est pas une baguette magique. Gartner y place l’IA générative pour toute l’année 2026 (Gartner ; TechRepublic, 2026). Regardez la courbe :
Les gros titres du creux : Meta admet que ses agents avancent moins vite que prévu, après ~145 milliards de dollars investis et 8 000 postes supprimés (TechTimes, 2026) ; plus de 40 % des projets d’IA agentique abandonnés d’ici 2027 selon les analystes (TechTimes, 2026) ; 80 % des salariés qui évitent les outils IA déployés (Fortune, 2026). Lisez-le en acheteur : le ROI est flou ? Exigez des jalons de valeur et une clause de sortie au renouvellement (j’avais posé ce dossier dès mai : le problème n’est pas le prix). L’adoption plafonne ? Payez à l’usage constaté, pas au siège provisionné. Et après le creux vient la pente des vrais gains, pour ceux qui auront industrialisé pendant que les autres gelaient : la dépense IA monte d’ailleurs en plein creux, 2 520 milliards de dollars prévus en 2026, +44 % (Gartner, 2026). Et ne vous y trompez pas, les offres de jobs pour AI adoption manager explosent, montrant bien qu’une partie des entreprises continuent à construire leurs capacités au pas de charge.
Le creux, c’est le moment où les vendeurs redeviennent polis. Profitez-en.
Ce mois-ci dans l’augmentation.
Ramp lance ses agents IA pour les achats.
Des agents qui repèrent les risques de non-conformité dans le processus achats (PYMNTS, 2026). La conformité passe du contrôle manuel en fin de chaîne à une surveillance continue, dans l’outil que vos équipes utilisent déjà.
Les agents autonomes lèvent des fonds.
Procure AI : 13 M$ pour des agents autonomes de sourcing ; ProcurePro : 11 M$ pour les achats construction (TechFundingNews, Procurement Magazine, 2026). Les investisseurs ne parient plus sur l’IA qui assiste, mais sur l’IA qui agit.
Le chiffre à garder en tête.
80 % des responsables achats désignent l’IA comme la tendance la plus structurante des cinq prochaines années (The Hackett Group, 2026). Tout le monde est d’accord sur l’importance, presque personne n’a un cas d’usage chiffré. L’écart entre les deux, c’est votre avance possible.
Votre premier agent : le sourcing fournisseurs.
Ce mois-ci, on fabrique un agent sur un cas qui fait gagner des jours de travail, et on commence par le commencement : le sourcing d’un nouveau besoin. Hier encore, établir une bonne liste de fournisseurs demandait des années de connaissance d’une industrie, ou se payait cher auprès d’un cabinet. L’IA fait tomber cette barrière : longlist, RFI, dépouillement, shortlist comparée. Trois étapes que vous pilotez, l’agent exécute, et vous validez chacune avant de passer à la suivante.
J’ai un nouveau besoin : [décrire le produit ou service, le volume, la zone de livraison, les contraintes, les documents techniques s’ils existent]. Mes critères de sélection, par ordre d’importance : [prix, délai, certifications, capacité, proximité]. Étape 1 : propose-moi une longlist de fournisseurs candidats avec, pour chacun, pourquoi il pourrait convenir et ce qui reste à vérifier. Ne complète aucune donnée non vérifiée : marque-la « à confirmer ». Je valide la longlist avant qu’on passe au RFI.
La longlist gagne à s’appuyer sur des sources vivantes plutôt que sur la seule mémoire du modèle. Trois méthodes qui marchent en France : la recherche par code NAF/APE via l’API Sirene de l’INSEE (gratuite), les données légales et financières de Pappers pour vérifier la santé d’un candidat, et l’annuaire des entreprises de l’État. Pour l’Europe industrielle, Europages et Kompass complètent. Et un retour de terrain : pour les fournisseurs manufacturiers, Grok (l’IA de X) est étonnamment efficace en recherche de candidats. Comparez la liste aux fournisseurs existants de l’entreprise pour identifier les vrais nouveaux fournisseurs.
Le RFI se génère facilement en Excel, calé sur vos critères. Mais vous pouvez demander mieux à l’agent : une page web simple qui héberge le questionnaire et écrit chaque réponse directement en base de données. Expérience nettement meilleure pour le fournisseur, zéro re-saisie pour vous, données propres dès la collecte. On peut enfin s’affranchir d’Excel !
Une fois les réponses revenues, l’agent valide les informations en les croisant avec les sources publiques ci-dessus, signale les trous et les incohérences, et vous présente le tout visuellement : grille comparative, forces et faiblesses, shortlist classée et justifiée. L’agent prépare la décision, il ne la prend pas.
Sur un sourcing réel : le temps entre le besoin exprimé et la shortlist prête (avant / après), le nombre de fournisseurs comparés, et combien de fois la grille a dû être reprise.
L’agent défriche : il liste, questionne, compare. Vous tranchez.
Le guide complet (longlist, RFI, synthèse, hypothèses de ROI) est disponible sur le site. Une question sur votre cas ? Écrivez-moi, je réponds à chaque message.
Et si on utilisait autre chose qu’Excel pour suivre la performance achats ?
Une chose que j’ai vue dans la majeure partie des organisations, et qui m’a toujours surpris : la difficulté à tracker les savings. Soit le suivi vit dans une solution complexe type S2P, accessible aux seuls grands groupes, et rarement utilisée. Soit c’est un process Excel, non auditable et donc qui n’inspire que peu de confiance. J’ai voulu changer ça : une plateforme de suivi des économies pensée pour les équipes achats. Chaque gain consigné avec sa baseline et sa méthode de calcul. De quoi présenter au DAF un chiffre tenu, pas un chiffre espéré.
Avez-vous déjà fabriqué un agent pour un workflow achats ? Lequel, et qu’est-ce qu’il vous a vraiment fait gagner ?
Je collecte les réponses et je publie les meilleurs retours, anonymisés, dans le N°3.
Répondre à Alex →P.S. Vous m’excuserez du retard de cette newsletter, je reviens de mon mariage au Kazakhstan !
