Ce qui fait qu'un agent est workforce (et pas une démo)
Un agent IA est « workforce » quand il remplit trois conditions opérationnelles : il a un owner humain identifié (pas « la direction générale »), il a un SLA mesurable (temps de réponse, qualité attendue) et il a des métriques de coût par tâche enregistrées. Sans les trois, c'est une expérience — avec les trois, c'est un employé numérique. La distinction n'est pas académique : ça change le budget, ça change la mesure, ça change la maintenance.
Les 4 rôles qui marchent le mieux en entreprise
- Assistant de recherche. Recherches structurées, résumés exécutifs, monitoring concurrentiel.
- Opérateur de process administratifs. Traiter factures, contrats, formulaires, validations.
- Assistant commercial junior (PAS senior). Qualification initiale, prise de rendez-vous, follow-ups opérationnels.
- Agent de support L1. Résolution de tickets répétitifs avec escalade humaine pour L2/L3.
Comment on assigne un human-in-the-loop
Le human-in-the-loop n'est pas « quelqu'un qui revoit tout le travail de l'agent » — c'est quelqu'un qui intervient à des checkpoints concrets. L'assignation correcte :
- Owner opérationnel de l'agent. 1 personne, dédiée 5-20% de son temps selon le volume de l'agent.
- Checkpoints automatiques. Décisions à fort impact qui demandent confirmation humaine avant exécution.
- Revue échantillonnée hebdomadaire. L'owner revoit 30-50 cas aléatoires et marque réussites/erreurs.
- Itération mensuelle. Réunion de 30 min avec le partenaire technique pour ajuster prompts et configuration sur la base des findings.
Governance, escalade et QA
La gouvernance commence avant l'agent : si personne n'a décidé sous quelle identité il travaille ni jusqu'où va son périmètre, tout le reste se construit sur du sable. Ce travail préalable est dans quelles permissions donner à un agent IA.
Sans gouvernance, l'agent c'est de la dette technique déguisée en productivité. Les 4 pièces obligatoires :
- Politique d'usage claire — ce que l'agent peut faire, ce qu'il ne peut pas, quelles décisions demandent un humain.
- Logs auditables de chaque décision et chaque action avec contexte.
- Mécanisme de rollback — quand le résultat dévie, le système revient à l'état précédent.
- Revue périodique avec eval automatisée + revue humaine d'échantillon.
Coût réel par tâche
Le calcul correct inclut les cinq composants — pas juste « tokens du LLM » :
- Coût du LLM (tokens) par exécution.
- Coût d'infrastructure (compute, storage, base vectorielle) au prorata.
- Coût des outils (CRM API, etc.).
- Coût de la supervision humaine (% du temps de l'owner opérationnel).
- Coût amorti du setup (divisé par mois de durée de vie utile attendue).
Quand ça ne vaut PAS le coup
- Volume <50 exécutions/semaine de l'agent — le setup ne se rentabilise pas.
- Process sur le point d'être supprimé ou transformé.
- Pas d'owner opérationnel dispo ou assigné.
- Cas où le coût d'erreur dépasse largement l'économie attendue.
- Équipes sans dispo pour l'itération mensuelle minimum.