Agent washing : comment repérer un vrai agent IA

L'« agent washing » désigne la pratique consistant à rebaptiser un chatbot, un assistant ou une automatisation à base de règles en « agent IA », sans l'autonomie ni l'orchestration qui en font vraiment un. Le terme compte, car le marché en est saturé : Gartner estime que, parmi les milliers de fournisseurs se réclamant de l'IA agentique, seuls quelque 130 construisent réellement quelque chose qui mérite ce label, et prévoit l'abandon de plus de 40 % des projets d'IA agentique d'ici la fin de 2027. Pour une entreprise qui achète un logiciel, la question pratique est simple : cette solution est-elle un vrai agent qui va abattre du travail, ou un chatbot repeint de neuf ? Ce guide vous donne le test de terrain.

Qu'est-ce que l'« agent washing » ?

L'agent washing est la version « IA » du greenwashing. Gartner a forgé l'expression dans ses prévisions de juin 2025 pour décrire les fournisseurs qui « alimentent le battage en pratiquant l'agent washing, c'est-à-dire en rebaptisant des produits existants tels que des assistants IA, de l'automatisation robotisée des processus (RPA) et des chatbots, sans capacités agentiques substantielles ».

La distinction tient à un seul mot : l'action. Un chatbot répond à une requête. Un assistant recherche et rédige. Un véritable agent reçoit un objectif, un accès à des outils et à des données, et une autonomie suffisante pour progresser vers un résultat, puis il passe à l'action. Comme le résumait une analyse de Forbes sur les données de Gartner : « une grande partie de ce qui est vendu comme un agent n'est en réalité qu'un chatbot avec de l'ambition ».

Il ne s'agit pas d'une querelle de terminologie pointilleuse. Cela change ce que vous achetez, ce que la solution peut vous rapporter et le niveau de gouvernance qu'elle exige. Nous avons tracé la frontière entre ces deux catégories dans Agent IA vs chatbot : quelle différence en 2026 ; l'agent washing, c'est ce qui se produit lorsqu'un fournisseur brouille cette frontière à dessein.

Pourquoi le label compte : les 40 % qui seront abandonnés

La vague d'abandons que prévoit Gartner ne tient pas à la faiblesse des modèles. Le cabinet a nommé trois causes : des coûts qui s'envolent, une valeur métier floue et des contrôles de risque inadéquats. Aucune de ces causes ne se règle avec un modèle de fondation plus intelligent. Placez le meilleur modèle du monde dans un projet sans résultat défini et sans responsable, et vous obtiendrez un échec plus éloquent, rien de plus.

Les données plus larges disent la même chose. L'initiative NANDA du MIT a constaté que 95 % des pilotes d'IA générative en entreprise n'ont dégagé aucun retour mesurable. L'évaluation de la catégorie menée par Forrester en 2026, intitulée « Companies Are Chasing, Few Are Catching », a établi qu'environ les trois quarts des entreprises adoptent l'IA agentique, mais qu'une infime minorité seulement l'exploite en production réelle. Le schéma est constant : la démo du pilote est magnifique, puis tout cale sur le dernier kilomètre, ingrat, de l'accès aux données, de l'intégration, de la responsabilité et d'un plan pour le jour où la solution déraille.

L'agent washing jette de l'huile sur le feu. Quand un chatbot rebaptisé est vendu comme un agent autonome, l'acheteur budgète des résultats que le produit n'a jamais été conçu pour livrer, et l'écart éclate à la première revue. Nous avons traité le volet déploiement de ce problème dans pourquoi la plupart des pilotes d'IA n'atteignent jamais la production et le volet adoption dans ce que l'IA agentique signifie vraiment pour votre entreprise. Ce billet-ci porte sur le volet achat : comment éviter d'acheter la mauvaise solution dès le départ.

Chatbot, assistant ou agent ? Un guide de terrain

L'essentiel de la confusion se dissipe dès qu'on sépare trois catégories vendues sous un même mot. Servez-vous-en pour situer n'importe quel produit qu'un fournisseur vous propose.

Caractéristique	Chatbot	Assistant	Vrai agent IA
Comportement principal	Répond dans un script ou un flux	Recherche des infos, rédige sur demande	Poursuit un objectif et passe à l'action
Gère le texte libre	Fragile ; se casse à la reformulation	Oui, pour les questions-réponses	Oui, et agit en conséquence
Utilise des outils / systèmes	Non	Limité, en lecture seule	Oui : réserve, met à jour, appelle des API
Autonomie	Aucune	Suggère, attend	Passe à l'action, puis rend compte
Tâches multi-étapes	Non	Rarement	Oui, sur tout un flux de travail
Supervision humaine	Inutile (il ne peut pas agir)	Facultative	Requise : validations, transfert, prise de contrôle

L'indice tient dans les lignes « utilise des outils » et « autonomie ». Si un produit ne fait jamais que produire du texte, sans jamais modifier une fiche, envoyer un message, réserver un créneau ou appeler un autre système, c'est un assistant ou un chatbot, quel que soit le nom que lui donne la page tarifs. Ce n'est pas une critique des chatbots, très utiles pour la recherche d'informations. C'est une mise en garde contre le fait de payer un prix d'agent pour une capacité de chatbot.

Cinq questions qui distinguent un vrai agent d'un rebranding

Avant de signer, soumettez le fournisseur à ce test. Les vrais systèmes agentiques répondent aux cinq questions en langage clair. Un chatbot rebaptisé, lui, détourne la conversation vers le modèle.

1. Quelle action mène-t-il, de bout en bout ? Demandez un exemple concret où le produit achève une tâche sans qu'un humain effectue la dernière étape : il réserve le rendez-vous, met à jour la fiche CRM, envoie la confirmation. Si toutes les réponses s'arrêtent à « et ensuite il suggère une réponse », c'est un assistant.
2. À quels outils et systèmes peut-il réellement accéder aujourd'hui ? Un agent ne vaut que par les systèmes qu'il peut toucher. Obtenez la liste d'intégrations actuelle, pas la feuille de route. L'AI Safety Institute britannique a analysé plus de 177 000 outils d'agents et constaté que les outils « d'action » sont passés de 24 % à 65 % de l'usage en seize mois : les vrais agents se définissent de plus en plus par ce qu'ils peuvent faire, pas seulement par ce qu'ils peuvent dire.
3. Quel est l'indicateur de succès écrit, et qui en est responsable ? Les abandons recensés par Gartner remontent à une « valeur métier floue ». Un déploiement réel a un chiffre rattaché à sa mission (rendez-vous pris, absences récupérées, prospects traités en moins d'une minute) et un responsable désigné. Pas d'indicateur, pas de responsabilité, pas de production.
4. Comment un humain le gouverne-t-il ? L'autonomie sans supervision est un risque, pas une fonctionnalité. Demandez comment une personne valide, prend le contrôle ou arrête l'agent en pleine tâche, et où se trouve la piste d'audit. Nous décortiquons ce point dans l'IA avec l'humain dans la boucle, expliquée. Si la réponse est « il tourne tout seul », passez votre chemin.
5. Que se passe-t-il quand il échoue un mardi ? Les démos tournent sur des données propres. La production tourne sur des champs manquants, des fiches en double et des règles qui ont changé la semaine dernière. Demandez ce que fait l'agent lorsqu'il ne peut pas accomplir une tâche, et s'il remonte vers un humain plutôt que de deviner.

À quoi ressemble vraiment le fait de « passer à l'action »

Un vrai agent se mesure aux résultats, pas à la longueur de la conversation. Concrètement, cela veut dire qu'il lit ce que le client envoie (du texte, une photo, un message vocal, un PDF), décide de la marche à suivre, utilise des outils pour l'exécuter, et passe la main à un humain quand le jugement est requis. C'est une équipe coordonnée de composants spécialisés partageant un même contexte, et non un modèle unique qui répond en boucle.

Entagl est bâti ainsi, à dessein. Son Réceptionniste fait tourner un orchestrateur, plus une détection de langue en parallèle et des agents de domaine spécialisés (services, produits, réservation, ventes, support, et bien plus), avec des outils qui interrogent un catalogue, capturent un prospect et réservent un vrai rendez-vous dans un vrai agenda, ainsi qu'un transfert humain vers une boîte de réception partagée et des garde-fous en sortie sur chaque message. Parce que les quatre agents partagent un même cerveau, le Coordinateur qui passe un appel de confirmation connaît déjà l'historique de la conversation : pas de départ à froid. Voilà la différence entre un agent qui agit et un chatbot qui parle.

Pourquoi le volet « il agit » est payant : la rapidité de l'action réelle est l'un des leviers les plus puissants dont dispose une entreprise. Dans l'étude Entagl sur la vélocité de réponse (2026), les conversations traitées en moins de 60 secondes ont converti à 35,1 %, soit un gain de 2,9 à 4,9 fois par rapport aux réponses plus lentes, et 78,4 % des acheteurs sollicitant plusieurs fournisseurs ont acheté auprès de celui qui a répondu en premier. Un chatbot peut publier une réponse rapide. Un agent peut répondre vite et finaliser la réservation, ce qui est le résultat qui survit à une revue budgétaire. Si vous pesez la décision « faire ou acheter » derrière tout cela, nous la détaillons dans construire ou acheter ses agents IA : le vrai coût du fait maison.

FAQ

Qu'est-ce que l'agent washing, en termes simples ?

C'est le fait de commercialiser un chatbot, un assistant ou une automatisation à base de règles comme un « agent IA » autonome, sans l'usage d'outils, l'orchestration et l'autonomie qui en définissent un. Gartner a nommé cette pratique en juin 2025 et a estimé que, parmi les milliers de fournisseurs se disant agentiques, seuls quelque 130 sont authentiques.

Comment savoir si un produit est un vrai agent IA ?

Vérifiez s'il passe à l'action de bout en bout. Un vrai agent utilise des outils pour changer quelque chose dans le monde réel (il réserve un créneau, met à jour une fiche, envoie un message, appelle une API) plutôt que de se contenter de produire du texte. Demandez un exemple concret qui s'achève sans qu'un humain effectue la dernière étape, la liste d'intégrations actuelle, un indicateur de succès écrit avec un responsable, ainsi que le chemin de prise de contrôle et d'escalade humaines.

Pourquoi tant de projets d'IA agentique sont-ils abandonnés ?

Gartner attribue les abandons projetés, à plus de 40 % d'ici 2027, à des coûts qui s'envolent, une valeur métier floue et des contrôles de risque inadéquats, et non à la faiblesse des modèles. Le MIT a constaté que 95 % des pilotes d'IA générative en entreprise n'ont produit aucun retour mesurable. Les échecs relèvent massivement de la discipline de déploiement : cadrage, accès aux données, responsabilité et gouvernance.

Un chatbot et un agent IA, est-ce la même chose ?

Non. Un chatbot répond à des questions dans un script ou un flux. Un agent IA reçoit un objectif et l'autonomie pour le poursuivre à l'aide d'outils, ce qui lui permet d'accomplir des tâches multi-étapes et de mener de vraies actions. Un chatbot est utile pour la recherche d'informations ; le payer comme un agent, c'est là que les acheteurs se font avoir.

Un vrai agent a-t-il quand même besoin d'humains ?

Oui, et c'est une force. Parce qu'un véritable agent peut agir, il a besoin de contrôles avec l'humain dans la boucle : des validations pour les étapes sensibles, un transfert vers une personne quand le jugement est requis, une prise de contrôle pour l'arrêter en pleine tâche, et une piste d'audit. Un produit qui « tourne tout seul » sans supervision est un risque, pas un argument de vente.

Acheter de l'IA agentique est un problème de due diligence avant d'être un problème de technologie. Évaluez chaque fournisseur au regard des cinq questions ci-dessus, exigez une action que vous pouvez voir et un humain qui peut la gouverner, et vous éviterez les 40 % qui seront abandonnés.

Voyez un vrai agent passer à l'action, et pas seulement parler. Réservez une démo de 30 minutes et observez Entagl lire un message, répondre sur tous les canaux et réserver le rendez-vous, avec un humain aux commandes de bout en bout.

Sources : Gartner, « Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 » (25 juin 2025) ; Forbes, « Why 40% Of Agentic AI Projects May Be Canceled By 2027 » (7 juillet 2026), citant l'UK AI Safety Institute et le rapport de Forrester « Companies Are Chasing, Few Are Catching » (2026) ; Fortune, « MIT report: 95% of generative AI pilots at companies are failing » (18 août 2025), sur le rapport « State of AI in Business 2025 » de MIT NANDA. Données de première main issues de l'étude Entagl sur la vélocité de réponse (2026). Chiffres cités en date de juillet 2026.