« 20 mois pour reconstruire » : quel plan de transformation pour l'infrastructure des agents IA

Lors de VB Transform 2026, le vice-président Infrastructure de Meta a livré un avertissement qui a circulé rapidement dans les cercles techniques : les entreprises n'ont sans doute que vingt mois pour reconstruire leurs fondations de données, de calcul, de sécurité et de workflows avant que les agents IA autonomes ne puissent réellement passer à l'échelle. L'architecture d'entreprise d'hier, pensée pour des applications qui répondent à des requêtes humaines ponctuelles, ne tient tout simplement pas la charge d'agents qui planifient, décident et agissent en continu.

C'est un constat juste, mais incomplet s'il reste au niveau de l'infrastructure technique. Reconstruire le calcul, le stockage et les pipelines de données est une condition nécessaire mais pas suffisante. La contrainte réelle qui fait échouer ou réussir un programme n'est pas le calcul disponible, mais l'absence de tissu connectif entre trois éléments que la plupart des organisations traitent séparément : 

• les initiatives métier qui justifient le déploiement d'un agent, 

• le référentiel qui en garde la trace vivante, 

• et la gouvernance qui en contrôle l'autonomie.

Pourquoi l'infrastructure seule ne suffit pas

Un agent déployé sans que son existence ne soit tracée dans un inventaire vivant est un angle mort organisationnel, pas un actif. C'est le scénario que le diagnostic GAME de Gabriel Greenfield documente : une entreprise industrielle qui a mis en production un système de priorisation automatique de ses flux et un outil de planification RH intégrant des recommandations algorithmiques, sans inventaire de ses systèmes IA, sans classification de risque, sans documentation technique. Les deux systèmes relèvent pourtant de la catégorie « haut risque » de l'AI Act. 

On voit bien que le problème n'est pas l'infrastructure de calcul, mais l'absence totale de référentiel reliant ces systèmes à une gouvernance identifiable (incluant au passage le FinOps). CQFD.

Notre methode Meridian répond à ce problème en étendant ses cinq référentiels historiques, capacités métier, processus, systèmes, données et organisation, pour couvrir explicitement la couche agentique, depuis l'inventaire des agents et leur classification AI Act jusqu'à la surveillance continue de leurs dérives.

Cette extension constitue le pont qui relie chaque nouvelle initiative agentique aux structures de gouvernance déjà en place.

Le référentiel d'agents, colonne vertébrale du dispositif

Le référentiel d'agents est l'élément qui manque dans la quasi-totalité des programmes agentiques observés sur le terrain, y compris chez des organisations technologiquement avancées. Il ne s'agit pas d'une simple liste. C'est un inventaire vivant qui associe à chaque agent son niveau d'autonomie, sa classification de risque au sens de l'AI Act, ses métriques de performance en continu, et son propriétaire métier nommé, l'Agent Owner.

C'est ce référentiel qui permet de répondre en temps réel à trois questions qu'aucun COMEX ne devrait accepter de laisser sans réponse : combien d'agents sont actuellement en production, lesquels opèrent avec quel niveau d'autonomie, et lequel d'entre eux vient de franchir un seuil qui justifie une escalade humaine immédiate.

Meridian construit cette couche de gouvernance en temps réel sur trois mécanismes concrets : 

• le référentiel lui-même, 

• des seuils d'escalade automatiques qui déclenchent une intervention humaine avant qu'une dérive ne devienne un incident, 

• et un audit trail agentique qui trace chaque décision prise par un agent (au passage une exigence directe de l'AI Act pour tout système à haut risque).

Sans ce triptyque, l'infrastructure technique la plus moderne du monde reste un système que personne ne peut auditer, expliquer à un régulateur, ou arrêter proprement en cas d'incident.

Trois objets de gouvernance, trois cadres distincts

Une confusion fréquente aggrave le problème plutôt qu'elle ne le résout : traiter la gouvernance de l'IA comme un objet monolithique.

Meridian distingue explicitement trois objets qui n'ont ni les mêmes risques ni les mêmes contrôles : 

• la gouvernance de l'IA classique, prédictive et générative, 

• la gouvernance des agents IA pris individuellement, 

• et la gouvernance de l'IA agentique en tant que système d'acteurs autonomes en interaction.

Confondre ces trois niveaux produit systématiquement l'un de deux résultats, tout aussi coûteux l'un que l'autre : soit un dispositif incomplet, qui laisse un angle mort réglementaire béant sur les agents les plus autonomes, soit un cadre disproportionné qui impose aux copilotes d'assistance les mêmes contrôles que ceux requis pour un système multi-agents en production, au point de paralyser l'innovation légitime.

Cette distinction change directement la façon de construire un plan de transformation agentique : chaque nouvelle initiative doit être qualifiée dès sa conception dans l'un de ces trois objets, avant même d'être ajoutée au référentiel, pour que le bon niveau de contrôle lui soit appliqué dès le premier jour plutôt que découvert après incident.

Le plan de transformation, phase par phase

Concrètement, un plan de transformation agentique structuré selon la méthode Meridian se déploie en six phases qui relient systématiquement initiative, référentiel et gouvernance.

1. La phase de cadrage panoramique commence par un inventaire honnête : quels agents, copilotes et automatisations existent déjà, souvent de façon dispersée entre la DSI, les métiers et le shadow IT, et comment ils se positionnent sur les cinq référentiels étendus. C'est à ce stade que la plupart des organisations découvrent un écart entre ce qu'elles pensaient avoir déployé et ce qui tourne réellement en production sans supervision formalisée.

2. La phase de vision cible définit l'architecture agentique visée et, point souvent négligé, le cadre de classification qui accueillera chaque futur agent avant son déploiement, pas après. 

3. La phase de business case applique la rigueur financière Meridian, VAN, payback, ROI, process par process, en intégrant explicitement le coût de la gouvernance comme un investissement protecteur plutôt qu'une charge, exactement comme la conformité l'est déjà dans les secteurs régulés.

4. La phase de déploiement applique une règle stricte issue de Meridian sur l'agentique : commencer systématiquement par des agents d'assistance en supervision humaine continue, valider leur qualité sur une période probante, avant d'élargir progressivement leur autonomie. Aucun agent ne saute directement à l'autonomie complète, quelle que soit la pression du calendrier business.

5. La phase d'adoption mobilise le Lean Change Management et les nouveaux rôles agentiques, Agent Owner, AI Reviewer, AI Auditor, formés et légitimés avant que l'autonomie ne s'élargisse, jamais après.

6. La phase de continuité, enfin, assure un pilotage data-driven en continu du référentiel d'agents, une trajectoire de certification ISO 42001 intégrée au cycle de delivery plutôt que traitée comme un chantier séparé, et l'alimentation gouvernée d'un corpus de transformation, la data flywheel Meridian, où chaque interaction bien gouvernée enrichit la précision des déploiements suivants.

Un exemple concret : le conseiller augmenté

Ce tissu connectif n'a rien de théorique. Sur une transformation bancaire type, où l'agent assiste le conseiller client dans la préparation de rendez-vous, la formulation de recommandations et le suivi des actions, la première brique n'a pas été un choix technologique, mais une décision de gouvernance : chaque capacité agentique nouvelle est qualifiée avant son déploiement, quel humain reste responsable de la décision finale, quel seuil déclenche une revue par un AI Reviewer, quelles données alimentent le corpus de transformation et sous quel régime de gouvernance RGPD-natif.

L'agent est entré en production progressivement, en supervision humaine continue, avec un référentiel qui documentait déjà son niveau d'autonomie avant même son premier déploiement en agence.

Ce séquencement, initiative d'abord qualifiée, référentiel ensuite alimenté, gouvernance enfin activée à chaque palier d'autonomie, est ce qui permet de passer d'un pilote local à un déploiement à l'échelle du réseau sans incident de conformité ni rupture de confiance côté conseillers.

Ce que Meridian ajoute au diagnostic de Meta

Le VP Infrastructure de Meta a raison sur l'urgence et sur l'ampleur du chantier technique. Mais vingt mois pour reconstruire une infrastructure de calcul sans reconstruire, au même rythme, le référentiel d'agents et la gouvernance à trois niveaux qui doit l'accompagner, c'est reconstruire une autoroute sans panneaux de signalisation ni limitation de vitesse. Le trafic ira plus vite. Il ira aussi, mécaniquement, vers plus d'incidents non détectés.

C'est précisément la raison pour laquelle Gabriel Greenfield connecte, dans chaque mission de transformation agentique, les initiatives métier qui justifient un agent, le référentiel qui en garde une trace vivante et actionnable, et la gouvernance à trois niveaux qui en calibre l'autonomie. Reconstruire l'infrastructure est un projet technique. Construire le tissu connectif qui la rend gouvernable est un projet de transformation, et c'est celui-là qui détermine, in fine, si les vingt mois annoncés se soldent par un avantage compétitif ou par une dette qu'il faudra rembourser au pire moment.

Gabriel Greenfield est un cabinet de transformation d'entreprise. Il associe innovation, architecture, conformité et conduite du changement au travers de ses produits GAME (Greenfield AI Maturity Evaluation), Meridian, Certified Responsible Agentic, AI Change et AI FinOps.