Intelligence Artificielle

Quand les agents IA redéfinissent le rôle et les missions des collaborateurs

L'intégration de l'IA agentique impose une mutation structurelle aux directions RH, IT et Finance, et bien au-delà. Gerrit Kazmaier, President, Product and Technology chez Workday et Joel Hellermark, Chief AI Officer chez Workday décryptent cette bascule stratégique redéfinissant l'organisation du travail et les mandats opérationnels.

Benoit Reger

Sr Content Marketing Manager

Workday

Sommaire

L’essentiel à retenir

Établir une gouvernance transparente est indispensable pour sécuriser le déploiement des agents IA en entreprise.

Pour garantir la conformité, les agents IA doivent combiner un raisonnement probabiliste et un cadre déterministe.
Avec l’IA agentique, le rôle du collaborateur évolue pour passer de l’exécution à l’orchestration.
L’unification des données est impérative pour alimenter votre IA d’informations contextualisées.
Sans elle, les organisations s’exposent à des risques de non-conformité et d’erreurs d’exécution.

L'intelligence artificielle ne redéfinit pas seulement les processus RH, financiers, et IT d’une entreprise. Aujourd’hui, l’IA agentique bouleverse profondément le rôle du collaborateur en entreprise, déplaçant ses responsabilités et ses compétences de l’exécution à la supervision. Alors, comment faire face à cette mutation structurelle ? Ici, cette réflexion s’appuie sur les retours d’expérience de Gerrit Kazmaier et Joel Hellermark partagés lors de l’édition 2026 de la conférence Workday Elevate Paris au Carrousel du Louvre.

« Aujourd’hui, l’IA agentique est capable d’opérer et d’adapter des processus complexes en continu, et cela avec une supervision humaine minimale. C’est ce qu’on appelle les modèles d’IA omniprésents (Ambient AI System). » — Gerrit Kazmaier, President, Product and Technology, Workday

L'humain face à l'innovation : la trajectoire historique de l'orchestration

L’intelligence artificielle est souvent présentée, à tort, comme une technologie de rupture. Mais, par essence, l’IA n’est pas une innovation disruptive. Si l’on se penche sur cette théorie, popularisée par Clayton Christensen, c’est plutôt l’usage que l’on en fait qui peut fracturer un marché ou une organisation. L’intelligence artificielle reste à ce jour l’apanage de l’être humain. Les algorithmes vont exécuter des centaines de tâches uniquement parce qu’ils peuvent s'appuyer sur les compétences, le jugement et les capacités cognitives humaines. Autrement dit, la machine agit, l’humain orchestre chaque action. C’est encore plus vrai aujourd’hui avec la transition vers l’IA agentique.

Les 5 niveaux d'autonomie logicielle

Ce n’est pas la première fois que les méthodes de travail sont profondément transformées par l’arrivée d’une innovation. Historiquement, chaque grande avancée technologique a déplacé le rôle des collaborateurs. On peut le constater dans l’évolution du niveau d’autonomie :

1. Au premier niveau, le travailleur réalise lui-même chaque action dans les logiciels. Toutes les étapes, de la saisie à la validation, sont réalisées manuellement.

2. Ensuite, il y eut un début d’autonomisation, dans un cadre défini par des règles précises et avec des systèmes lourds et peu adaptables.

3. Puis arrive l’ère de l’IA Copilote, dans laquelle nous avons tous pu évoluer ces 2 dernières années. Ces assistants IA exécutent des tâches à la demande et sont limités à une seule étape.

4. Ce manque de flexibilité les amène désormais à se faire balayer d’un revers de la main par l’IA agentique, capable de piloter plusieurs processus complexes simultanément.

5. Enfin, le dernier niveau, et non des moindres, serait d’atteindre l’autonomie totale de l’IA.

« L’apparition de l’IA agentique sonne le glas du modèle Copilote, et par la même occasion, du rôle des collaborateurs tel que nous le connaissons, passant de l’exécution à l’orchestration de tâches. Ce paradigme sera amené à s’intensifier à mesure que l’IA gagne en autonomie. » — Joel Hellermark, Chief AI Officer, Workday

Le fossé d'exécution : quand l'IA généraliste se heurte à la réalité de l'entreprise

L'IA classique à l'épreuve du terrain

L’intelligence artificielle est massivement perçue comme un moyen d’améliorer ses performances. Selon le rapport “Quand les IA travaillent en silos” de Workday, 83 % des salariés ont le sentiment d’être plus productifs grâce à l’IA. Pourtant, elle reste très peu intégrée aux workflows. À peine 27 % des entreprises ont véritablement implanté l’IA dans leurs processus.

Pourquoi cet écart ? Bien que l’IA classique libère du temps, son utilisation se limite à une assistance isolée, qui est elle-même freinée par cette utilisation en silo. Le modèle est figé, il n’apprend pas et donc, n’innove pas.

Par nature, les intelligences artificielles classiques reposent sur des modèles statistiques entraînés sur le Big Data. Et, normalement, aucune de vos données internes n’est éparpillée sur le web. C’est précisément là que l’IA généraliste atteint ses limites pour une application sur le terrain.

Pour que l’IA puisse dépasser ce simple rôle d’assistant, elle doit comprendre le contexte spécifique dans lequel évolue l’organisation et apprendre avec elle. Sinon, un décalage se crée entre les exécutions de l’IA et les besoins de l’entreprise.

Plus de 80 % des collaborateurs se sentent plus productifs grâce à l’IA. Néanmoins, seuls 27 % des entreprises ont véritablement intégré l’IA dans leurs processus, la cantonnant à une utilisation périphérique. — Source : Quand les IA travaillent en silos, Workday

Comprendre l'exigence déterministe de nos métiers

Les systèmes d'intelligence artificielle agentique ne sont pas régis par des règles fixes. Comme indiqué précédemment, ce sont des modèles probabilistes, ce qui signifie que l’output varie à chaque exécution selon les données à disposition.

Cette imprévisibilité est un défi de l’adoption de l’IA pour les spécialistes de la finance, des RH et de l’IT. Des métiers où l’on ne peut tolérer aucune approximation dans nos processus. Ici, le déterminisme n'est pas un choix, c'est un procédé empirique permettant d’assurer la compliance de l’organisation.

« Bien que l'IA soit incroyablement puissante, elle ne sait absolument rien sur votre entreprise, votre culture, vos politiques ou bien sur vos processus déterministes qui exigent une exécution rigoureuse pour des résultats contextuellement précis. » — Gerrit Kazmaier, President Product & Technology, Workday

Du « Lawless Agent » au « Lawful Agent » : comment sécuriser l'IA par la gouvernance ?

Le Lawless Agent est un agent IA qui exécute des actions sans garantir leur conformité avec les règles et les processus de l’entreprise. Tandis que le Lawful Agent opère conformément aux règles métier et à la gouvernance.

Les risques d'une IA déconnectée du contexte métier

Si l’IA ne dispose pas d’information contextuelle sur les processus métier, on s'expose à des risques d’hallucination du système. Ce qui peut entraîner des rapports financiers inexacts, des transactions non autorisées ou des recommandations bancales par rapport à votre stratégie d’entreprise.

Vous avez un parfait exemple ici. On a demandé à deux agents de préparer le processus de recrutement d’un futur collaborateur à l’étranger. Le premier agent, une IA classique, génère le contrat d’embauche, met à jour la rémunération et crée un profil. À première vue, la phase de recrutement se passe sans encombre.

Pourtant, quand on regarde de plus près, on comprend que ce n’est qu’une illusion. L’agent n’a pas vérifié les antécédents, n’a pas respecté la grille salariale du pays du salarié et n’a pas déclenché le processus d’approbation de la rémunération par le HRBP. Il n’a suivi aucun processus de l’entreprise. Ce qui devait être un gain de temps devient un frein opérationnel. Le second agent, lui, c’est Sana, la superintelligence de Workday. Entièrement intégrée au cadre de sécurité de l’organisation et dotée d’une mémoire à long terme, elle nous alerte avant la finalisation de chaque tâche évitant ainsi les potentiels manques de conformité.

Le basculement vers l'agent de confiance

Bien que les approches probabilistes et déterministes soient diamétralement opposées, elles ne sont pas pour autant incompatibles. En conjuguant des actions déterministes encadrées à un raisonnement probabiliste, on peut passer d’un agent Lawless à une IA Lawful. Pour disposer d’un Lawful Agent, c’est une véritable mutation structurelle qui doit être entreprise. C'est pour cela que nous avons établi le World Model of Work de Workday, qui repose sur 3 piliers essentiels pour optimiser l’impact de l’IA :

Une précision inégalée, en entraînant le modèle sur des données spécifiques à l’environnement (culture, politique, processus déterministes).
Une intégration complète et profonde dans les flux de travail pour respecter les logiques métier.
Une gouvernance stricte des habilitations, des contrôles et du cadre de sécurité.

La plateforme unifiée : le socle indispensable d'une IA de confiance

Face aux enjeux grandissants en matière de cybersécurité et de visibilité sur les processus décisionnels, le concept d’IA de confiance voit le jour. C’est ce que nous avons pu voir tout au long de cet article, l’IA de confiance allie une couche d’orchestration intelligente et de strictes données métier.

Elle évalue chaque requête en se basant sur des protocoles déterministes (règles métier, conformité, processus de transactions financières) et probabilistes (interprétation, analyse contextuelle, recommandation ciblée) pour aboutir à des résultats plus tangibles, fiables et conformes.

Ce mariage entre intelligence artificielle et humaine est décisif pour transformer les probabilités en réalité opérationnelle sécurisée. Cependant, la fragmentation des données reste un frein à l’adoption de ce modèle hybride. Selon l’étude de Harvard Business Review et Cloudera, pour 56 % des professionnels, la fragmentation des sources de données est le principal frein à l’intégration complète de l’IA dans leurs processus.

Pour les organisations, cela implique de mettre en place une plateforme unifiée. Les solutions, comme Sana, entièrement intégrée à Workday, permettent de centraliser la création, l’orchestration et la gestion de tous les agents IA en s’appuyant sur un socle de données métier riche, conforme et contextualisé. De cette manière, on parvient à maximiser la fiabilité des résultats et à réduire considérablement les risques d’hallucination.

À propos de l'auteur

Benoit Reger Sr Content Marketing Manager Workday

Benoit Reger travaille dans les domaines du marketing et de l'éditorial depuis 2014. Avant de rejoindre l'équipe de Workday en tant que Sr Content Marketing Manager, il a travaillé en journalisme chez Infopresse (Montréal), en agence de communication chez Publicis (Paris) et en stratégie de contenu chez HubSpot (Paris).

Plus de points de vue de Benoit