Les premières entreprises déployant des agents IA ont rencontré les « trois murs »

Article | Laboratoire Silicon, auteur | kiki

En seulement deux mois, une « petite crevette » a balayé tout le cercle de l’IA.

Que ce soit les débutants utilisant OpenClaw pour élever des crevettes, explorant les limites des agents personnels, ou les grands fabricants de modèles proposant des solutions de déploiement légères, attirant les développeurs avec des forfaits API CodingPlan pour un déploiement en un clic dans le cloud…

Le développeur Li Ran décrit ainsi la valeur déployée par OpenClaw : il compare le développement des agents IA à l’évolution d’Internet. OpenClaw accélère l’entrée des agents dans leur troisième ère, passant de « outils » à l’époque du PC, à « assistants » dans l’Internet mobile, puis à la possibilité qu’ils deviennent des « collègues » dans l’ère de la collaboration.

C’est peut-être un « moment OpenClaw » pour l’IA chez les développeurs individuels et les petites équipes : les gens commencent à utiliser des agents, puis à abstraire des tâches via différentes compétences, résolvant ainsi des tâches autrefois dépendantes de connaissances tacites et d’expériences sectorielles.

Mais ce qui est intriguant, c’est qu’OpenClaw semble beaucoup plus discret dans les grandes entreprises, où beaucoup restent prudents quant à la mise en œuvre concrète des agents IA d’entreprise. Le « moment OpenClaw » dans le secteur des entreprises n’est pas encore arrivé.

1. La douceur et l’amertume de l’OpenClaw pour les entreprises

Le tumulte actuel d’OpenClaw a-t-il une valeur de référence pour la mise en œuvre des agents dans les entreprises ?

La réponse est oui.

Li Ran pense qu’OpenClaw a déclenché une vague de changement dans le paradigme de développement des agents.

Les premières formes d’agents, comme Dify ou Kozi, apparaissaient principalement sous forme de workflows. Bien que le « glisser-déposer » en low-code ait abaissé la barrière de développement, il n’était pas très convivial pour les non-développeurs dans les organisations.

Mais OpenClaw, grâce à des appels système à des instructions, permet à des non-développeurs d’interagir avec des agents dans des logiciels bureautiques courants, ce qui constitue une forme d’agent native à l’IA.

Outre ce changement de paradigme, il y a aussi la création d’un « supermarché de solutions » sectorielles, favorisant la circulation accrue des connaissances et des données sectorielles.

Les capacités d’OpenClaw dépendent de documents de haute qualité sur l’utilisation des skills. Après l’émergence d’OpenClaw, une vague de skills a déferlé sur Github. Haitao Haixin, créateur d’IA, a mentionné sur Jike que des professionnels de secteurs comme la santé, la finance ou l’éducation peuvent utiliser l’IA pour faciliter leur travail, créer des outils dédiés. À l’avenir, GitHub pourrait devenir un « supermarché de solutions » plutôt qu’un simple « dépôt de code ».

Mais au-delà de cette douceur, la mise en œuvre d’OpenClaw dans les entreprises comporte aussi beaucoup d’amertume.

Un technicien d’un grand groupe confie au « Laboratoire Silicon » qu’il a testé OpenClaw à l’échelle enterprise et a constaté des défis tant au niveau des stacks technologiques que des capacités.

Premièrement, la planification des tâches au niveau de l’architecture d’OpenClaw peut encore être optimisée, elle n’est pas adaptée pour des tâches de planification à haute fiabilité ; deuxièmement, la capacité native du module de mémoire à long terme est insuffisante, elle n’atteint pas encore le standard de production ; enfin, il manque encore un écosystème de skills de haute qualité.

En d’autres termes, en tenant compte de la conformité, des coûts et de la sécurité pour la mise en œuvre d’agents dans l’entreprise, la méthode d’appel à forte consommation d’OpenClaw et l’écosystème instable rendent encore difficile une adoption à grande échelle pour des organisations lourdes en termes de permissions, fiabilité et collaboration.

2. La mise en œuvre de l’IA en entreprise, face à « trois murs »

L’attitude prudente des entreprises face à OpenClaw reflète aussi la dure réalité de l’application massive de l’IA en Chine.

Selon Cui Niu Hui, 43 % des départements ou postes d’entreprises ont déjà entamé une utilisation à grande échelle, 27 % sont encore en phase pilote, 28 % ont une large pénétration, et 1,9 % n’ont pas encore décidé.

Les entreprises chinoises accélèrent aussi l’adoption des agents. Selon IDC, le nombre d’agents intelligents actifs en Chine devrait dépasser 350 millions d’ici 2031, avec un taux de croissance annuel composé supérieur à 135 %, ce qui surpassera les autres marchés mondiaux.

Mais derrière ces chiffres de déploiement massif, trois murs visibles freinent encore la large adoption de l’IA en entreprise :

Mur de la cognition, mur des données, mur de l’écosystème.

Le mur de la cognition concerne les décalages d’attentes entre la direction, l’exécution et l’expérience.

Un responsable du centre de service client dans l’industrie automobile confie au « Laboratoire Silicon » qu’ils ont investi beaucoup dans l’IA pour leur système de service client, mais les résultats sont décevants. Ils ont une base de connaissances complète, et utilisent l’IA pour gérer le surcroît d’activité lors des promotions en ligne.

Mais il a constaté que, d’une part, beaucoup de connaissances non expérimentées doivent être accumulées dans des scénarios réels, et l’IA ne peut pas toujours comprendre parfaitement les besoins des utilisateurs.

« Par exemple, quand l’IA demande ‘Votre voiture est-elle haut de gamme ou bas de gamme ?’, certains utilisateurs, par souci de fierté, répondront ‘moyenne gamme’, ce que le service humain comprendra, mais l’IA non. »

D’autre part, l’attitude des utilisateurs envers le service client IA est très polarisée. « Certains peuvent deviner si le conseiller est humain ou IA, mais ils ne connaissent pas bien les connaissances automobiles, donc ils ne peuvent pas faire totalement confiance à l’IA. »

De nombreux décideurs craignent aussi de rater une opportunité et lancent aveuglément l’IA, mais en pratique, ils constatent que la valeur ajoutée pour leur activité est limitée.

Hao Jia, vice-président d’Alibaba Cloud Intelligence, a aussi observé un phénomène lors de la mise en œuvre de l’IA en entreprise : « La perception des capacités des grands modèles est encore insuffisante dans l’industrie, alors que les dirigeants ont confiance, les techniciens sont plus prudents. »

Deloitte souligne aussi cette « mur de la cognition » dans ses études : 85 % des entreprises prévoient de personnaliser leurs agents, mais seulement 25 % des projets pilotes sont réellement déployés en production. Plus d’un tiers pensent que l’application d’agents dans 3 à 5 ans leur rapportera des bénéfices significatifs, ce qui indique que l’adoption est encore à ses débuts.

Ensuite, le mur des données.

Zhu Yi’e, vice-président de Kingsoft Office, estime : « Aujourd’hui, dans l’application de l’IA en entreprise, on passe d’un modèle centré sur le modèle à un modèle centré sur les données. » La plupart des effets décevants et des difficultés de déploiement viennent de la connexion avec des modèles externes. Des erreurs de données entraînent des erreurs d’analyse, un manque de données pose des problèmes de recherche et de gouvernance des connaissances, et trop de données peuvent compliquer la gestion du contexte.

« Beaucoup d’IA d’entreprise produisent rapidement des démos, mais leur mise en ligne est très difficile », explique Zhu Yi’e.

Pour déployer efficacement les agents, il faut aussi briser ce mur des données.

Premièrement, pour réaliser une orchestration multi-écosystèmes, multi-systèmes et multi-tâches, il faut connecter et uniformiser les formats de données dans des centaines de systèmes internes. Deuxièmement, pour garantir la contrôlabilité et la fiabilité des données, il faut établir une gestion des droits d’accès hiérarchisée et catégorisée, assurant la fiabilité de toute la chaîne de données.

Cela exige des capacités accrues en gouvernance des données.

Enfin, le mur de l’écosystème.

Au sein de l’entreprise, il faut établir un mécanisme de collaboration IA pour briser les barrières de ressources.

Un cadre du secteur public confie au « Laboratoire Silicon » que la construction de l’IA ne relève pas uniquement du département IT, mais concerne l’ensemble des activités. « Pour la gestion des données, nous ne manquons pas de données, mais le problème est la dispersion. L’informatique ne peut fournir que des données génériques, il faut que les départements participent activement. »

À l’extérieur, une collaboration étroite avec les fournisseurs de cloud et d’agents intelligents est aussi nécessaire : « Ce n’est pas une question de trouver un marteau pour un clou, mais d’avoir un problème métier précis pour fabriquer l’outil adapté. »

3. L’IA en entreprise, du spectacle à la bataille

Alex Karp, figure emblématique de Palantir, décrit la situation actuelle de la mise en œuvre de l’IA en entreprise :

« Si vous achetez simplement un grand modèle et espérez qu’il changera votre business, c’est un rêve éveillé. »

Ses propos expliquent que l’IA en entreprise n’est pas un terrain de démonstration technologique, mais un champ de bataille où la vraie récompense est le retour sur investissement et la création de valeur.

On observe aussi qu’en 2026, la mise en œuvre de l’IA en entreprise évoluera :

Premièrement, on passera d’un tout ou rien, d’une compétition interne à une focalisation stratégique. Une marque de sport outdoor, concentrée sur la couverture omnicanal, explique à « Laboratoire Silicon » qu’elle veut transformer ses centres de coûts en centres de profit via l’inspection intelligente, l’assistance IA et le service client intelligent.

Deuxièmement, de plus en plus de vendeurs d’IA adoptent une approche pragmatique, revenant à l’essence du métier. La mise en œuvre de l’IA ne peut pas éviter les tâches ingrates et difficiles. Zhang Qingyuan, CEO de Kingsoft Office, a souligné que les logiciels de bureautique à l’ère de l’IA doivent être des conteneurs de connaissances et des vecteurs d’employés numériques.

Par exemple, dans la gouvernance des données, WPS 365 construit un « cycle de connaissance global » intégrant « collecte, gestion et utilisation », créant une base de gouvernance des connaissances d’entreprise. Ce « cerveau d’entreprise » est déjà utilisé par des leaders comme Shanghai Xintou, Yanfeng International, China Eastern Airlines dans leurs pratiques IA.

En regardant en arrière, la prudence des entreprises face à la « petite crevette » reflète la volonté de continuer à approfondir et à rendre l’IA plus pragmatique en 2026. L’arrivée du « moment OpenClaw » n’est pas une mauvaise chose, mais le prélude à une IA profondément intégrée dans les activités, devenant un outil de productivité.