Gouvernance des agents IA / gouvernance de l'IA agentique : vous faites la diff ?

Ces deux périmètres se recoupent mais ne se superposent pas. Ils répondent à des questions fondamentalement différentes.

La gouvernance des agents IA s'intéresse aux entités : qu'est-ce qu'un agent, qui le possède, comment il est construit, comment il est autorisé à opérer. C'est une gouvernance statique. Elle couvre le cycle de vie de l'agent lui-même — conception, déploiement, habilitation, audit, désactivation — et les questions de responsabilité qui lui sont attachées (qui répond si l'agent cause un dommage ?). Elle s'applique aussi bien à un agent isolé qu'à une flotte d'agents.

La gouvernance de l'IA agentique s'intéresse aux comportements : que se passe-t-il quand un système d'IA agit de manière autonome dans un environnement ouvert, enchaîne des décisions, mobilise des outils, interagit avec d'autres systèmes ? C'est une gouvernance dynamique. Elle concerne moins l'agent en tant qu'entité que les boucles d'action qu'il produit — planification autonome, usage d'outils, délégation à des sous-agents, effets de bord sur les systèmes qu'il touche.

En pratique, voici comment les périmètres se distribuent :

Ce que cette distinction implique en pratique

La gouvernance des agents IA relève davantage des fonctions IT, juridique et conformité. Elle produit des registres, des politiques de déploiement, des matrices de responsabilité. Elle s'inscrit naturellement dans le prolongement d'une gouvernance ISO 42001 ou d'un cadre de gestion des actifs IA. Un agent est traité comme un actif à inventorier et à contrôler.

La gouvernance de l'IA agentique relève davantage de l'architecture de risque et de la sécurité opérationnelle. Elle s'intéresse aux boucles de comportement — ce que l'agent fait réellement quand il est lâché dans un environnement. Les questions qu'elle pose sont : que se passe-t-il si l'agent interprète une instruction de manière inattendue ? Comment empêche-t-on une boucle de délégation de dégénérer ? Qui peut interrompre une chaîne d'actions en cours ? Elle s'inscrit dans ce que nous avons précédemment décrit sous le concept de hyperagents et d'Agentic Risk Standard.

Pourquoi la distinction est utile

Sans elle, on tend à produire des gouvernances qui gèrent bien les catalogues d'agents mais qui sont muettes sur les comportements émergents, notamment dans les architectures multi-agents où ce n'est plus un agent particulier qui pose problème, mais la dynamique de leur interaction. Un agent bien gouverné (identité claire, droits documentés) peut tout à fait produire des comportements agentiques mal gouvernés (chaîne d'actions non supervisée, usage d'APIs avec effets irréversibles, délégation opaque à des sous-agents).

La distinction permet aussi d'affecter les responsabilités : la gouvernance des agents IA est souvent portée par la DSI ou la RSSI, tandis que la gouvernance de l'IA agentique exige une co-responsabilité avec les métiers qui définissent les objectifs des agents et les seuils d'autonomie acceptables.

La transformation IA agentique des entreprises

La transformation IA agentique désigne le passage d'une entreprise qui utilise de l'IA (pour assister, générer, recommander) à une entreprise dont une partie des processus opérationnels sont pris en charge de manière autonome par des systèmes IA — des agents qui perçoivent un contexte, planifient, agissent, délèguent, et s'adaptent sans intervention humaine à chaque étape.

Ce n'est pas une évolution de la transformation numérique. C'est un changement de nature : on ne numérise plus des processus humains, on les transfère partiellement à des systèmes capables d'initiative.

Le périmètre de cette transformation couvre cinq strates dont les deux premières (data, capacités IA) relèvent encore d'un agenda de transformation numérique classique, et les trois suivantes (agents, orchestration, reconfiguration du travail) constituent le cœur agentique proprement dit. Voyons maintenant où les deux gouvernances se positionnent dans cet espace.

Ce que ce positionnement implique pour conduire la transformation

Trois conséquences pratiques se dégagent.

1. La première concerne la séquence. On ne peut pas piloter la gouvernance de l'IA agentique avant d'avoir posé les bases de la gouvernance des agents IA. Un agent non inventorié, sans ownership clair, ne peut pas être soumis à une politique de supervision. L'ordre n'est pas académique : c'est une dépendance opérationnelle.

   
   

2. La deuxième concerne la portée organisationnelle. La gouvernance des agents IA reste largement du ressort de la DSI et de la conformité — c'est un problème de gestion d'actifs et de responsabilité. La gouvernance de l'IA agentique, elle, monte jusqu'à la strate 5 : elle touche la reconfiguration des métiers, les seuils d'autonomie que les directions fonctionnelles acceptent de déléguer à des agents, les processus d'escalade. Elle ne peut pas être pilotée sans les métiers au premier plan.

   
   

3. La troisième est spécifique à la strate 3, qui est le point de jonction. C'est là que se jouent les arbitrages les plus délicats : quel niveau d'autonomie opérationnelle pour un agent donné ? Qui valide ? Qui peut interrompre ? Ces questions engagent une co-décision entre DSI, métiers et conformité.

La strate 3 est le point de tension naturel de toute transformation agentique, et c'est là que notre approche Meridian, dans sa dimension "Faciliter", a le plus de valeur à apporter