Série : les nouveaux paradigme de la production logiciel
- Épisode 2
Sommaire de l'article
Agentique en 2026 : agentic RAG, gouvernance et conformité : les délais de l'industrialisation
Résumé de l'article :
- L’agentique permet à l’IA d’agir dans un environnement logiciel réel, pas seulement de générer du contenu.
- Les agents IA enchaînent maintenant analyse, planification, exécution et vérification en boucle autonome.
- OpenAI (ChatGPT), Google (Gemini) et Anthropic (Claude) structurent tous leurs offres autour de ce nouveau paradigme.
- Les gains de productivité sont concret et mesurable sur le cycle de développement.
- Le rôle des équipes se déplace vers l’architecture, la conception et la supervision.
- toHero utilise déjà des orchestration d’agents IA dans ses projets.
Contexte de l'article
Dans le premier épisode de cette série sur les nouveaux paradigmes de la production logicielle, nous avons posés les fondations : ce qu’est l’agentique. Nous avons étudié comment l’agentic code transforme le développement logiciel sur mesure, et pourquoi les gains de productivité observé chez Rakuten, TELUS ou dans les études BCG et McKinsey ne sont plus de l’ordre de la promesse mais du constat.
Cependant une question est resté ouverte : si les agents IA sont aussi puissants, pourquoi si peu d’organisations arrivent à l’industrialiser ? Pourquoi l’écart entre expérimentation et création de valeur reste-t-il aussi large ?
La réponse tient en trois défis que nous allons explorer dans ce deuxième épisode. Parmi ces enjeux, l’on retrouve : la gestion du contexte technique et le rôle de l’agentic RAG, la transformation organisationnelle nécessaire pour orchestrer et mesurer ces systèmes et la conformité réglementaire avec l’AI Act Européen. Trois sujets qui, mis bout à bout, dessinent la feuille de route de l‘industrialisation agentique pour les DSI, CTO et directions métiers.
Agentic RAG et gestion du contexte : le défi invisible des systèmes agentiques
Le rôle de l'agentic RAG dans les systèmes agentiques
Voici un défi que peu de décideurs anticipent, et pourtant c’est l’un des plus critiques : la gestion du contexte technique. Dans un projet logiciel réel, les informations utiles sont éparpillées partout : dépôt de code, documentation technique, historique des commits, tickets de maintenance.
Comment un agent IA peut-il trouver la bonne information, au bon moment, sans se noyer dans le bruit ?
C’est exactement ce que résout l’agentic RAG. RAG, c’est l’abréviation de Retrieval-Augmented-Generation, en français « génération augmentée par la récupération d’informations ». Le principe est simple : au lieu de travailler uniquement depuis ce qu’il « sait » (ses données d’entraînement), l’agent IA va chercher de l’information ciblée dans des sources externes (repository, documentation, bases de connaissance) avant d’agir. C’est la différence entre un consultant qui répond de mémoire et un consultant qui consulte vos documents internes avant de vous conseiller.
La recherche « Deep Code : Open Agentic Coding » publié sur ArXiv identifie un conflit fondamental entre surcharge d’information et goulot d’étranglement du contexte des IA LLM, et propose une orchestration combinant compression de source, indexation en mémoire, injection conditionnelle via agentic RAG, et correction en boucle.
« Les méthodes actuelles font face à un conflit fondamental entre surcharge d'information et goulot d'étranglement du contexte des LLM. »
Un enjeu majeur pour le code legacy
Et l’enjeu est encore plus critique sur le code legacy : des systèmes construits sur des années, avec des couches de règles implicites, des dépendances invisible et des arbitrages historiques que plus personne ne documente. Chez toHero, nous rencontrons régulièrement ces situations dans nos projets de développement web. Sur ces bases, l’agentic RAG devient un véritable garde-fou : il aide l’agent IA à travailler avec le bon contexte (et pas juste un contexte « copié-collé »), ce qui réduit le risque d’erreurs et facilite une modernisation progressive, plus contrôlée.
Transformation des organisations : orchestrer, superviser et mesurer les systèmes agentiques
De l'expérimentation à l'industrialisation IA
Si pour toutes ces raisons les systèmes agentiques suscite un intérêt grandissant, un écart béant se creuse entre ceux qui expérimentent et ceux qui créent de la valeur. McKinsey estime que près de deux entreprises sur trois testent déjà des agents IA. Mais à peine un quart d’entre elle les déploiement à l’échelle.
Et selon BCG, le chiffre le plus révélateur est peut-être celui ci : 5 % des entreprises génèrent aujourd’hui une valeur mesurable depuis l’IA.
Et c’est d’un logique implacable : intégrer un agent IA, ce n’est pas comme installer un plugin. Cela touche à la gouvernance, aux responsabilités, à l’intégration outillée, à la sécurité et à la mesure de performance. C’est d’abord une transformation organisationnelle avant d’être une transformation technologique.
« Aujourd'hui, l'IA est greffée en périphérie. Pour produire un impact réel, elle doit être intégrée aux processus fondamentaux et devenir un catalyseur de transformation. »
L'importance de l'orchestration et de la supervision humaine
L’orchestration, c’est le nerf de la guerre. Concrètement, c’est la capacité à définir ce qui est automatisable, ce qui nécessite une validation humaine, et surtout comment les agents interagissent entre eux.
Imaginez cette mise en situation : un chef de projet distribue le travail entre plusieurs développeurs spécialisés, sauf que ces développeurs sont des agents IA. L’enjeu n’est pas technologique : il est organisationnel.
Anthropic souligne d’ailleurs qu’au delà de 10 outils ou 10 000 tokens de définitions, des mécanismes de sélection et de contrôle sont indispensables pour garder un système exploitable. Et son rapport 2026 identifie quatre priorités stratégiques pour les organisations :
- Maîtriser la coordination multi-agents
- Développer la supervision IA-humain à l'échelle
- Étendre l'agentique au-dela de l'engineering
- Intégrer la sécurité dès la conception
La supervision ne disparaît donc pas. Elle se repositionne sur les zones critiques. Et c’est précisément cette capacité d’orchestration que nous développons chez toHero à travers notre méthodologie Delivery Management Guru.
Piloter des projets avec rigueur opérationnelle, anticiper les risques et maintenir une gouvernance continue, y compris quand une partie du travail est exécutée par des agents.
Mesurer la valeur de l'automatisation IA dans les organisations
Autre enjeu à fort impact : mesurer la valeur. Sans indicateur clairs, impossible de piloter correctement un projet. Mais alors quels sont les indicateurs à suivre ?
- La vitesse de delivery
- La réduction des erreurs
- La couverture des tests
- La stabilité en production
- Le temps économisé sur les tâches répétitives
A ce propos, BCG observe d’ailleurs un signal intéressant : la part des agents IA dans la valeur IA totale des entreprise a presque doublé en trois ans, passant de 17 % en 2025 à une projection de 29 % d’ici 2028. Pour les DSI et CTO, c’est une tendance impossible à ignorer dans la construction de leur feuille de route.
L'architecture agentique : une nouvelle couche d'orchestration des systèmes logiciels
Au-delà de l’automatisation IA des tâches, l’agentique introduit progressivement une nouvelle couche dans les architectures numériques. Les agents IA ne remplacent pas les architectures logicielles existantes. Ils viennent s’y superposer comme une couche d’orchestration capable de piloter services, API et outils techniques, déjà en place. La différence clé avec l’automatisation classique repose sur le fait que les agents interprètent un objectif et décident eux-mêmes de la séquence d’action nécessaire pour y parvenir
Pour les organisations qui développent des plateformes numériques ou des applications métiers sur-mesure, cette nouvelle couche ouvre des perspectives majeures. Elle permet d’envisager des architectures où les agents assistent les équipes techniques dans la supervision, l’analyse ou l’évolution des systèmes existants.
Conformité réglementaire et AI Act : intégrer la gouvernance dès la conception
Un cadre réglementaire qui s'étend aux systèmes d'intelligence artificielle
Autre point incontournable dans l’usage de l’IA : la conformité réglementaire. En Europe, l’AI Act entré en vigueur en août 2024 encadre progressivement le développement et l’usage des systèmes d’IA. Les obligations de transparence (Article 50) et les règles relatives aux systèmes à haut risque s’appliqueront dès août 2026. Pour les organisations qui développent des logiciels, cela implique une idée simple mais essentielle : la gouvernance IA ne peut pas être ajoutée à la fin. Elle doit être pensée dès la phase de conception, surtout quand l’IA influence des décisions ou manipule des données sensibles.
Supervision humaine et traçabilité des décisions
Le sujet n’est pas théorique. Dans un environnement de développement logiciel (SDLC), toute modification générée par une agent IA doit pouvoir être examinée, validée ou rejetée par un humain. Et ses actions doivent être traçables : le quoi, quand, pourquoi, avec avec quelles sources.
L’objectif : que la responsabilité juridique reste clairement attribuable et que la fiabilité du système soit démontrable.
Anthropic le confirme dans son rapport : même quand l’IA est utilisé dans 60 % du travail, les développeurs maintiennent une supervision active sur 80 à 100 % des tâches déléguées.
Ce n’est pas un frein, c’est le modèle opérationnel cible.
La conformité comme levier de confiance dans les systèmes agentiques
Avec toutes ces réglementations, la conformité réglementaire peut sembler contraignante, voire limitante. Mais en réalité, c’est un formidable levier de confiance. Dans un contexte où l’IA devient une composante active de l’architecture logicielle, la conformité n’est pas un « petit plus ». C’est une condition d’adoption à grande échelle. C’est aussi ce qui différencie les organisations qui expérimentent de celles qui industrialisent durablement.
Et c’est un terrain où les acteurs européens de l’IT ont une carte à jouer : comprendre les exigences réglementaires et les intégrer dès la conception des architectures logicielles.
Vous souhaitez évaluer comment l'agentique peut transformer vos projets ?
Pourquoi l'agentique devient un levier stratégique pour le développement logiciel
Accélérer la conception et l'évolution des logiciels sur mesure
En comprenant l’ampleur de ces défis, il apparaît essentiel pour les organisations du numérique de saisir le train en marche. Pas pour faire comme tout le monde, mais pour transformer l’IA en facteur de compétitivité. L’agentique ne remplacera pas les équipes techniques. Mais elle réduit les délais et libère les développeurs pour l’architecture logicielle, la conception fonctionnelle et la qualité globale.
Moderniser progressivement les base de code existantes
L’agentique est par ailleurs une occasion essentielle pour moderniser l’existant. Beaucoup d’entreprises ont des systèmes numériques vieillissants basés sur du code legacy.
L’exemple BCG d’une analyse multi-agents sur 3,1 millions de lignes, réduisant l’effort de 7 500 heures à une centaine d’heures, montre comment objectiver les risques et moderniser progressivement sans repartir à zéro.
Un avantage stratégique pour les organisations numériques
Au-delà des gains de productivité, l’agentique représente un levier stratégique à plus d’un sens. D’abord pour sa capacité à automatiser davantage de tâches récurrentes, mais aussi dans sa structure qui permet de conserver une supervision humaine, de sécuriser la qualité et d’industrialiser des workflows plus fluides.
BCG rapporte ainsi que 90 % des CEOs s’attendent déjà à un ROI mesurable des agents IA dès 2026. L’enjeu maintenant est de réussir à construire une trajectoire d’adoption réaliste, conforme et mesurable.
« L'âge de l'IA agentique est arrivé. Les agents IA représentent une opportunité de plusieurs milliers de milliards de dollars. »
Conclusion
L’agentique marque une nouvelle étape dans l’évolution de l’intelligence artificielle appliquée aux environnements logiciels. En permettant aux système d’IA d’interagir avec des outils techniques, d’analyser des architectures et d’exécuter des actions concrètes, les agents transforment progressivement la manière dont les organisations conçoivent, développent et maintiennent leurs systèmes numériques.
Cette transformation ne repose pas uniquement sur des progrès technologiques. Elle s’inscrit dans une évolution plus profonde des organisations, de leurs méthodes de travail, de leur gouvernance et de leur architecture logicielle. Les entreprises qui sauront structurer leur stratégie technologique autour de ces nouveaux modèles d’orchestration disposeront d’un avantages décisif.
Chez toHero, nous en sommes convaincus : l’agentique n’est pas seulement une innovation technique. Elle constitue déjà l’un des leviers qui façonneront les architectures logicielles et les organisations numériques de demain. Et c’est précisément dans cette capacité d’intégration que réside l’un des enjeux majeurs du développement logiciel sur mesure.
Vous souhaitez évaluer comment l’agentique peut transformer vos projets logiciels ? Nos équipes accompagnent les DSI et Directions métiers dans la conception d’architectures prêtes pour l’ère agentique.
Qu'est-ce que l'agentic RAG ?
RAG signifie Retrieval-Augmented Generation. En version classique, un RAG enrichit les réponses d’un modèle IA avec des documents de référence. En version agentique, le RAG devient proactif : c’est l’agent IA lui-même qui décide quelles information aller chercher, dans quelles sources et à quel moment de sa tâche. C’est une brique essentielle pour travailler sur des projets logiciels complexes où le contexte est dispersé.
Pourquoi si peu d'entreprises arrivent à industrialiser l'agentique ?
Parce que l’intégration des agents IA ne se limite plus à un choix technologique. Elle implique de repenser la gouvernance, les responsabilités et les indicateurs de performance. BCG estime que seule 5 % des entreprises génèrent aujourd’hui une valeur mesurable depuis l’IA.
Qu'est-ce l'AI Act européen change pour le développement logiciel ?
L’AI Act, entré en vigueur en août 2024, impose des obligations de transparence et de traçabilité aux systèmes d’IA, notamment ceux à haut risque. Dès août 2026, toute modification générée par un agent IA devra être examinable, validable et traçable. La gouvernance IA doit ainsi être pensée dès la conception et non ajoutée à la fin du processus de développement.
Comment mesurer la valeur des agents IA dans une organisation ?
Les indicateurs clés incluent la vitesse du delivery, la réduction des erreurs, la couverture des tests, la stabilité en production et le temps économisé sur les tâches répétitives. BCG note que la part des agents dans la valeur IA totale passe de 17 % en 2025 à 29 % projeté en 2028.
La conformité réglementaire freine-t-elle l'adoption de l'agentique ?
Au contraire. La conformité réglementaire est un levier de confiance. Elle différencie les organisations qui expérimentent de celle qui industrialisent durablement. Les acteurs européens du développement logiciel sur-mesure ont un avantage s’ils intègrent les exigences réglementaires dès la conception.
Où retrouver le premier épisode de cette série sur l'agentique ?
L’épisode 1 couvre les fondamentaux de l’agentique : l’agentic code, les architectures multi-agents et l’impact sur le cycle de vie projet. Il est disponible dans la rubrique «Les nouveaux paradigme de la production logicielle» sur notre blog.
Booster son Magento 2 avec Varnish
Votre Magento 2 est déjà optimisé, vous utilisez le Full Page Cache, mais avec Varnish, vous allez passer à la vitesse supérieure et aussi alléger