Agents IA d'entreprise : construire, acheter, ou passer par l'open source

Les agents IA d'entreprise sont la ligne budgétaire que presque toutes les grandes organisations ont ajoutée à leur budget 2026, et le marché signale déjà qu'une large part de cette dépense ne survivra pas jusqu'à la production. Gartner prédit que plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027, citant l'escalade des coûts, une valeur métier floue et des contrôles de risque insuffisants, sur la base d'un sondage auprès de 3 412 participants à un webinaire. À cela s'ajoute ce que Gartner appelle lui-même le « agent washing » : parmi les milliers de fournisseurs commercialisant aujourd'hui un produit agentique, le cabinet n'en évalue qu'environ 130 comme disposant d'une capacité agentique substantielle et authentique. Le point de vue indépendant de Forrester aboutit à peu près au même constat sous un angle différent, en prédisant que trois entreprises sur quatre construisant seules des architectures agentiques ambitieuses et totalement indépendantes échoueront.

Rien de tout cela ne signifie que la technologie ne fonctionne pas — Sierra a transformé un revenu bien réel — 100 M$ d'ARR en moins de deux ans — en une valorisation d'environ 15,8 Md$. Cela signifie que la catégorie est suffisamment bruyante pour que choisir un fournisseur sur démo soit une mauvaise méthode. La question qui mérite un après-midi de réflexion stratégique n'est pas quel logo acheter. C'est construire, acheter, ou s'auto-héberger, et — quel que soit votre choix — combien de verrouillage vous signez contractuellement et techniquement dès le premier jour. C'est le cadre que ce playbook utilise.

Le marché se divise en trois archétypes d'acheteurs

Toute offre d'agent d'entreprise aujourd'hui relève de l'un de trois schémas d'achat, chacun arbitrant différemment la vitesse contre le contrôle.

Les spécialistes purs (pure-play)

Les spécialistes purs vendent un seul produit d'agent approfondi, sans logiciel historique à défendre. Sierra, fondée en 2023 par l'ex-co-CEO de Salesforce Bret Taylor et l'ex-Google Clay Bavor, tarife par résultats, et a porté ce modèle jusqu'à 150 M$ d'ARR en route vers une Series E de 950 M$ à une valorisation d'environ 15,8 Md$ en mai 2026. Wonderful.ai vise un espace que les plateformes construites aux États-Unis laissent ouvert — les marchés non anglophones et culturellement spécifiques — et a levé une Series B de 150 M$ à une valorisation de 2 Md$. Aucune des deux ne porte de base installée héritée — l'avantage et le risque à la fois.

Les suites à gravité de données

Les suites à gravité de données regroupent des agents dans des logiciels que vous utilisez déjà. Google Gemini Enterprise (rebaptisé depuis Agentspace, octobre 2025) superpose des agents à Workspace et Google Cloud pour 21 $–60+ $/utilisateur/mois plus une facturation au token, et Google rapporte 8 M+ sièges payants dans environ 2 800 entreprises. Microsoft Copilot Studio facture en Copilot Credits au sein de la pile M365, et Microsoft rapporte plus de 230 000 organisations, dont environ 90 % du Fortune 500. Salesforce Agentforce fait tourner trois modèles de tarification à la fois — 2 $/conversation, des Flex Credits, ou un siège à 125 $/utilisateur/mois — et Salesforce rapporte 1,2 Md$ d'ARR, en hausse de 205 % en glissement annuel. Aucun ne vous enferme dans son propre modèle — les trois vous laissent intégrer Anthropic, Meta ou d'autres modèles — mais tous trois lient l'agent à la plateforme qui l'entoure : Data Cloud, Workspace, ou Azure/Entra ID.

Open source et auto-hébergement

L'open source et l'auto-hébergement échangent le risque fournisseur contre la propriété d'ingénierie. Botpress distribue son cœur sous une licence MIT propre, auto-hébergeable via Docker — mais son marketing « model-agnostic » appelle une réserve : le bring-your-own-LLM est verrouillé derrière le plan Enterprise payant de Botpress, et le README open source lui-même présente encore le produit comme « powered by OpenAI ». Dify est le plus clé-en-main du groupe, mais sa base Apache-2.0 comporte une exception de revente — pas de SaaS multi-tenant ni de revente sans marque sans l'autorisation écrite de Dify. Rasa conserve encore une réputation d'« IA conversationnelle open source » que son produit phare 2026 ne mérite plus : le palier gratuit plafonne à 1 000 conversations/mois, et le produit que les entreprises veulent réellement, Rasa Pro, exige une licence commerciale. En dessous de tout cela se trouve LangGraph — non pas un produit, mais le substrat ouvert vers lequel se tournent les équipes qui préfèrent construire elles-mêmes la couche agent, cité en production chez Uber, LinkedIn et Klarna.

Sept plateformes, côte à côte

Le texte ci-dessus porte les chiffres et les nuances ; ce tableau est la référence condensée à laquelle revenir lorsque vous cadrez une shortlist. Les points de couleur se lisent, pour les trois colonnes sensibles au verrouillage, du point de vue de l'acheteur :

Acheter, construire, ou passer par l'open source : la logique de décision

Acheter l'emporte quand la vitesse vers la valeur pèse plus lourd que le contrôle. Un spécialiste CX comme Sierra ou une suite native CRM comme Agentforce met un agent fonctionnel en production en quelques semaines plutôt qu'en trimestres, et les deux sont construits pour des organisations à l'aise à l'idée d'échanger un peu de gravité des données contre une tarification aux résultats ou par siège à l'échelle du Fortune 50 — le profil d'acheteur que le tableau des plateformes ci-dessus esquisse. L'« appétit pour la tarification aux résultats » fait un vrai travail dans cette phrase : cela signifie que l'acheteur est prêt à laisser le fournisseur mesurer et facturer par cas résolu ou par siège, en échange de ne pas avoir à posséder l'ingénierie sous-jacente de sélection de modèle, d'évaluation des prompts et de gestion des échecs. Acheter l'emporte aussi quand l'organisation manque réellement du vivier d'ingénierie pour exploiter une pile d'agents en production : astreinte, évaluations, régressions de prompts et tout le reste.

Construire ou passer par l'open source l'emporte dans des conditions à peu près inverses : la souveraineté des données — garder les journaux de conversation, les embeddings et les données clients dans votre propre infrastructure plutôt que dans le cloud d'un fournisseur — un marché non anglophone ou fortement régulé que les grandes plateformes construites aux États-Unis servent peu — le créneau sur lequel Wonderful.ai a bâti une valorisation de 2 Md$ — ou un mandat de maîtrise des coûts qui ne peut tolérer une facturation mesurée et ouverte une fois le volume à l'échelle. S'auto-héberger sur le cœur sous licence MIT de Botpress, par exemple, évite les restrictions de revente et de multi-tenancy intégrées à la licence Apache-2.0-plus-exception de Dify, au prix de faire tourner soi-même Studio, le runtime et chaque intégration.

Aucun des deux chemins n'est sans risque, et une comptabilité honnête compte plus que le marketing de l'un ou l'autre camp. Côté construction, Forrester prédit que trois entreprises sur quatre construisant seules des architectures agentiques ambitieuses et totalement indépendantes échoueront — le DIY n'est pas une couverture contre le risque fournisseur, c'est un pari que votre organisation est l'exception, et les constats de Gartner sur les annulations et l'« agent washing » cités plus haut sont le même avertissement sous un angle différent. Côté open source, l'auto-hébergement ne supprime pas le risque, il le déplace : vous convertissez le risque fournisseur en propriété, par l'équipe d'ingénierie, de la disponibilité, de la mise à l'échelle, du coût du modèle et du patching, sans SLA fournisseur sur lequel vous appuyer quand quelque chose casse à l'échelle.

Où vit réellement le verrouillage

Le verrouillage sur le modèle est le moindre des problèmes. Google, Microsoft et Salesforce laissent désormais tous les clients apporter un modèle tiers à leur plateforme d'agents — Vertex Model Garden héberge Claude, Llama et Mistral ; le catalogue d'Azure AI Foundry couvre OpenAI, Llama, Mistral, DeepSeek, Grok et Phi ; la Models API d'Agentforce prend en charge Bedrock, Azure OpenAI, OpenAI et Vertex. La douve s'est déplacée d'un niveau plus bas, là où résident déjà les données de l'entreprise : BigQuery et Workspace pour Google, Dataverse/Fabric/Graph et Entra ID pour Microsoft, Data Cloud et le modèle d'objets CRM pour Salesforce. Azure se lie étroitement à Entra ID et Microsoft Graph pour l'identité et les accès, et Vertex fait par défaut reposer sa couche de recherche/grounding sur sa propre pile — les poids fine-tunés et les index d'embeddings ne se déplacent généralement pas entre Bedrock, Azure AI Foundry et Vertex, selon l'évaluation d'un analyste indépendant, même lorsque le modèle sous-jacent, lui, s'y déplace.

Les standards ouverts referment une part réelle de cet écart, mais plus étroite que ce que le marketing laisse entendre. MCP a été donné à l'Agentic AI Foundation, formée sous l'égide de la Linux Foundation, en décembre 2025, et A2A est allé directement à la Linux Foundation en juin 2025, avec AWS, Microsoft, Salesforce, SAP et ServiceNow parmi ses soutiens. Ce que cela achète, c'est un appel d'outils portable et une messagerie agent-à-agent. Cela ne rend pas portable la logique d'orchestration posée par-dessus — l'Atlas Reasoning Engine, les graphes d'agents de Foundry, les flux construits avec ADK — et cela ne change rien pour les poids fine-tunés ou la structure de tarification. Les workflows Copilot Studio, les configurations Agentforce et les configs IA de ServiceNow restent spécifiques au fournisseur et non portables par conception, selon l'évaluation d'un chercheur spécialisé.

Ce même chercheur, VaasBlock, y met un chiffre — une estimation à source unique, pas un consensus de marché, mais le bon ordre de grandeur pour planifier. Une entreprise qui quitte Agentforce signe implicitement pour une migration CRM de 18 à 36 mois, et démonter un déploiement ServiceNow signifie reconstruire « des dizaines de milliers d'heures d'ingénierie » de configuration dans laquelle la capacité IA a été directement intégrée.

Le cadre à cinq leviers du coût de sortie

Notez n'importe quelle plateforme sur cinq leviers avant de signer, pas après vous y être retrouvé coincé :

• Portabilité des données — les journaux, embeddings et fine-tunes peuvent-ils être exportés dans un format ouvert, à la demande ?
• Portabilité de l'orchestration — la couche de workflow est-elle construite sur MCP/A2A et des frameworks ouverts, ou verrouillée au moteur de raisonnement propriétaire de la plateforme ?
• Substituabilité du modèle — le modèle sous-jacent peut-il être changé, contractuellement et techniquement, sans projet de reconstruction de plateforme ?
• Coût de reconstruction — les heures d'ingénierie pour reconstruire la capacité ailleurs ; les repères ServiceNow et Agentforce ci-dessus donnent le bon ordre de grandeur pour modéliser.
• Exposition tarifaire — quelle part du contrat est fixe par rapport à ce qui est tarifé aux résultats ou à l'usage, et à quel point cela vous expose à des frais surprises — 78 % des dirigeants IT rapportent des frais de consommation ou de tarification IA inattendus au cours d'une année, selon le SaaS Management Index 2026 de Zylo.

Mettez-y un chiffre approximatif : coût de sortie ≈ (heures de reconstruction × taux d'ingénierie chargé) + coût de la re-migration des données + prime de volatilité tarifaire − crédits de changement négociés. Traitez cela comme directionnel, pas comme un modèle audité — mais l'exécuter une fois, avant de signer, transforme le verrouillage d'une surprise en une ligne budgétaire que vous avez chiffrée à l'avance.

Ce dernier terme est celui que la plupart des acheteurs sautent. Les fournisseurs se disputent les affaires de déplacement de concurrent, et les compensations de sortie — crédits de migration, garantie plafonnée d'heures de reconstruction, SLA d'export de données — sont négociables si vous les mettez sur la table en même temps que la discussion tarifaire, avant de signer. Les soulever dix-huit mois après le début d'un déploiement, une fois que vous avez réellement besoin de partir, revient à négocier en position d'otage.

Notez une plateforme sur ces cinq leviers ci-dessous.

Comment nous conseillerions

N'achetez pas la démo. Achetez la sortie. Chaque plateforme de cet article peut vous mettre un agent fonctionnel devant les yeux en une semaine — cela n'a jamais été la partie difficile, et les fournisseurs le savent. La partie difficile, c'est la migration CRM de dix-huit mois ou les « dizaines de milliers d'heures d'ingénierie » de reconstruction de configuration qui attendent de l'autre côté d'une décision de « non » dans trois ans. Ce chiffre est connaissable à l'avance si vous le chiffrez avant de signer, pas une fois coincé dedans. Passez le scoreur à cinq leviers ci-dessus sur votre shortlist réelle avant que le RFP ne parte — pas après qu'un ingénieur avant-vente d'un fournisseur ait déjà façonné les exigences autour de ce qu'il vend.

Le choix construire/acheter/open source n'est pas, au fond, une comparaison de fonctionnalités. C'est une question de gravité des données — quelle infrastructure finit par détenir vos journaux de conversation, vos embeddings et vos fine-tunes. C'est une question réglementaire — si votre marché et vos obligations de résidence des données tolèrent une suite hébergée aux États-Unis, ou vous poussent vers l'auto-hébergement quelle que soit la parité fonctionnelle. Et c'est une question de capacité d'équipe — si vous avez, ou êtes prêt à construire, la discipline d'astreinte et d'évaluation que l'auto-hébergement ou une construction sur mesure exige réellement, à partir du deuxième jour. Répondez honnêtement à ces trois questions et la shortlist de fournisseurs se choisit presque d'elle-même.

Bernhard Huber, 24 juillet 2026.

Ceci s'articule avec le travail de delivery lui-même : Stratégie Digitale & IA pour la décision de plateforme, Executive Advisor & cadence de pilotage pour la cadence de gouvernance qui l'entoure, et Management de transition si vous avez besoin de quelqu'un pour porter la migration pendant un trimestre.