Artificial intelligence is entering a new phase dominated by agentic AI, where systems no longer merely analyze or suggest—they plan, execute actions, interact with applications, and trigger transactions directly within information systems. Market projections from Roots Analysis see the global AI agent market surging from roughly $10 billion in 2025 to over $220 billion by 2035, underscoring a fundamental shift in how enterprises design their technology foundations.

This evolution moves the conversation beyond models and use cases to the very architecture of the information system. Agentic AI embeds itself directly into the execution chain, not just supporting decisions from the periphery. It extends automation into gray areas where data is incomplete or requires contextual interpretation, enabling agents to handle non-standard situations, coordinate multi-step processes, and act without constant human intervention. But with this power comes a structural demand: every decision must be explicable, every action traceable, and every workflow governed. Reliability and auditability become paramount, not just efficiency gains.

Paradoxically, greater AI autonomy makes the core transactional system more critical than ever. Agents depend on clean data, coherent business rules, and clearly defined processes to act meaningfully. The system of record thus regains strategic importance as the definitive source of operational truth and business logic. Where rules are scattered across applications or years of customization have built up technical debt, agent autonomy quickly exposes inconsistencies. In insurance, for instance, an intelligent agent can analyze claims documents, verify policy coverage, and trigger processing steps when criteria are met. Deloitte analysis suggests that applying AI across the entire claims lifecycle could help insurers cut fraud and save $80–160 billion by 2032. More broadly, such scenarios show that once AI acts directly in business processes, information system coherence becomes the linchpin of governance.

As AI models become commoditized, competitive differentiation will hinge on an organization’s ability to integrate them into a coherent architecture. Enterprises whose systems clearly expose services and centralize business rules will be able to deploy agents at scale. Others will be forced to layer on integration workarounds, compounding complexity. Agentic AI does not create a new technological divide—it reveals the one that already exists deep within legacy information systems.

L’intelligence artificielle entre dans une nouvelle phase. Après une première vague dominée par l’IA générative et les outils d’assistance, une nouvelle génération de technologies apparaît : l’IA agentique.

Sa particularité tient à un changement de rôle : l’IA ne se contente plus d’analyser ou de suggérer, elle agit, planifie des actions, interagit avec les applications et déclenche des transactions dans les systèmes d’information.

Selon le cabinet d’études Roots Analysis, le marché mondial des agents d’IA pourrait passer d’environ 10 milliards de dollars en 2025 à plus de 220 milliards de dollars en 2035, illustrant un véritable mouvement de fond dans la façon de concevoir les systèmes d’information.

Pour les entreprises, ce basculement déplace le débat, des modèles ou des cas d’usage vers l’architecture même des systèmes d’information. Et il pose la question de savoir si les SI sont réellement conçus pour accueillir des agents capables d’exécuter des processus de manière autonome, contrôlée et traçable à grande échelle ?

Quand l’IA entre dans la chaîne d’exécution

Le basculement introduit par l’IA agentique tient moins à ses capacités qu’à sa position dans le système d’information. L’IA ne se situe plus en périphérie des processus, en appui de la décision, mais s’insère à présent directement dans la chaîne d’exécution.

Ce déplacement redéfinit les limites de l’automatisation. Jusqu’ici, les approches reposaient sur des environnements maîtrisés, avec des données structurées et des règles explicites. Dès que ces conditions n’étaient plus réunies, les processus basculaient vers le traitement manuel.

L’IA agentique permet désormais de couvrir une partie des zones intermédiaires, où les données sont incomplètes ou nécessitent une interprétation contextuelle. En combinant analyse, accès à différentes sources et application de règles métier, les agents peuvent traiter des situations non standardisées, coordonner plusieurs étapes d’un processus et déclencher des actions sans intervention humaine systématique.

Ce changement est structurel. Lorsqu’un système agit, chaque décision doit être explicable, chaque action tracée et chaque enchaînement gouverné. L’enjeu dépasse les gains de productivité : il porte sur la capacité à exécuter de manière fiable, contrôlée et auditable.

Le retour stratégique du système cœur

Dans ce nouveau contexte, un paradoxe apparaît. Plus l’intelligence artificielle gagne en autonomie, plus la solidité du socle transactionnel est déterminante. L’IA agentique ne remplace pas le système d’information : elle s’appuie sur lui. Les agents ont besoin de données fiables, de règles métier cohérentes et de processus clairement définis pour agir de manière pertinente. Le système cœur redevient ainsi l’ancrage de la vérité opérationnelle et de la cohérence métier.

Longtemps considéré comme un moteur transactionnel, le système cœur tend à devenir une plateforme d’orchestration métier structurante pour l’ensemble de l’écosystème applicatif. Lorsque les règles sont dispersées entre plusieurs applications ou que des traitements spécifiques se sont accumulés au fil des années, l’autonomie des agents met rapidement en évidence les incohérences existantes et révèle la dette technique des systèmes.

Dans le secteur de l’assurance, un agent intelligent peut par exemple analyser les pièces d’un dossier de sinistre, vérifier les garanties d’un contrat et déclencher certaines étapes du traitement lorsque les critères sont réunis.

Le potentiel de gain n’est d’ailleurs plus théorique : selon une analyse de Deloitte, l’utilisation de l’IA tout au long du cycle de vie des sinistres pourrait permettre aux assureurs de réduire la fraude et d’économiser entre 80 et 160 milliards de dollars d’ici 2032. Ce type de scénario illustre surtout une réalité plus large : dès que l’IA agit directement dans les processus métier, la cohérence du système d’information devient un facteur déterminant de fiabilité et de gouvernance.

Une nouvelle fracture dans les architectures numériques

À mesure que les modèles d’intelligence artificielle deviennent accessibles et largement partagés, la différenciation technologique se déplace. Elle ne repose plus seulement sur la performance des modèles, mais sur la capacité des organisations à les intégrer dans une architecture cohérente.

Certaines entreprises pourront déployer des agents capables d’exécuter des processus à grande échelle, parce que leur système d’information expose clairement ses services et centralise ses règles.

D’autres devront multiplier les couches d’intégration pour contourner les limites de systèmes hérités, au risque d’accroître la complexité. L’IA agentique ne crée pas une fracture technologique : elle révèle celle qui existe déjà au cœur des systèmes d’information

* Alain Nohra est  Regional Vice President, Europe du Sud chez Guidewire

Photo : © DR

The post L’IA agentique rebat les cartes de l’architecture des systèmes d’information appeared first on Silicon.fr.