Revue des preuves publiques de terrain sur l’adoption de l’IA

Dernière vérification : 19 août 2026.

Cette revue répond à une question précise : que permettent réellement d’affirmer les observations publiées lorsqu’un copilote, un agent métier borné ou une agence orchestrée est introduit dans un travail réel ?

Elle ne remplit pas field-notes/index.json. Des études publiques produites par des tiers ne deviennent pas des retours terrain de première main. Elles servent à borner les hypothèses, les modes d’échec et les limites de transfert d’un pilote.

La conclusion en une page

1. Des gains élevés existent sur certaines tâches étroites. Ils ne constituent pas une propriété universelle de l’adoption de l’IA.
2. Les meilleures preuves sur les copilotes mesurent généralement une tâche, un travailleur ou un groupe d’utilisateurs sélectionné. Elles prouvent rarement un résultat à l’échelle de toute l’organisation.
3. La meilleure expérience directe sur un agent métier trouvée dans cette revue montre pourquoi le dénominateur est décisif. L’agent réduit de 16,8 % la durée des conversations éligibles, mais seulement 5,8 % des conversations sont éligibles. Sur l’ensemble du flux, la réduction tombe à 3,2 % et la note client des conversations éligibles baisse de 0,412 point.
4. L’activité et la livraison divergent. Les agents de code autonomes sont associés à 180 % de commits supplémentaires, mais à seulement 30 % de versions livrées supplémentaires et à aucun gain détectable d’usage total.
5. Aucune étude de terrain causale et indépendante trouvée ici ne justifie un facteur générique de 5 à 12 sur les résultats métier acceptés d’une agence multi-agents. Ces facteurs peuvent servir de scénarios de stress, pas de fourchettes probantes.
6. Le niveau initial, l’adéquation du workflow, les garde-fous, l’éligibilité, l’adoption, la supervision et le goulot aval expliquent une grande partie de la dispersion observée.

Comment les résultats ont été obtenus

Cette revue décrit la méthode en toutes lettres. Elle n’utilise plus une seconde échelle A à E : les grades du registre temporel décrivent la base de mesure d’un chiffre de temps, pas tous les résultats d’une étude. Une comparaison contrôlée, une mesure opérationnelle, un temps déclaré et un test de capacité répondent à des questions différentes.

La taille ne corrige pas un mauvais indicateur. Une enquête auprès de 20 000 utilisateurs mesure toujours une perception si le temps gagné est déclaré. Un benchmark mesure toujours un benchmark même si son interface ressemble à un bureau.

Matrice des preuves

La marge basse et la marge haute, sans faux chiffre

Il n’existe pas un pourcentage empirique unique, bas et haut, pour « l’implémentation IA ». Les publications soutiennent des plages différentes selon la question :

Le modèle du dénominateur

Utiliser les dossiers bruts, pas un multiplicateur :

heures humaines nettes après IA =
  travail sur les cas non automatisés
+ travail humain restant sur les cas traités avec IA
+ charges supplémentaires non déjà comptées (installation, suivi, incidents)

heures humaines économisées =
  heures humaines avant IA - heures humaines nettes après IA

Comptez chaque minute une seule fois. La revue, les corrections et les exceptions font partie du travail restant, y compris pour les cas échoués ou repris manuellement. Par exemple, 100 heures avant et 60 heures après donnent 40 heures économisées.

Puis publier :

réduction sur toute la charge =
(heures de baseline - heures nettes après IA) / heures de baseline

Conserver quatre résultats supplémentaires séparés :

1. l’éligibilité sur chaque demande entrante ;
2. la qualité acceptée et le taux de correction majeure ;
3. le résultat aval livré, par exemple problème résolu, devis payé, version livrée, revenu, apprentissage conservé ou résultat patient ;
4. les dommages critiques, effets non autorisés et la complétude des traces.

Conséquences pour une agence indépendante comme Talos ou Hermes

Un indépendant peut connaître un levier personnel supérieur à une moyenne de grande entreprise parce qu’une même personne gère l’entrée, la recherche, la production, le contrôle et la livraison. Moins de passages organisationnels peut réduire l’atténuation observée dans les grandes structures. Cette concentration transforme aussi le jugement, la capacité de revue, la demande commerciale et la confiance client en goulots très durs.

Le scénario haut correct est donc conditionnel :

• service stable et numérisé ;
• règle d’éligibilité étroite ;
• sources et outils reproductibles ;
• agents spécialistes avec permissions isolées ;
• registre déterministe des acceptations et effets ;
• demande suffisante pour réutiliser la capacité libérée ;
• temps de supervision et d’exception mesuré ;
• humain capable de détecter la sortie de compétence du système.

Sans ces conditions, l’orchestration multi-agents peut seulement produire plus de travail intermédiaire, de files de revue et d’erreurs plausibles.

Les preuves terrain qui manquent encore

La littérature publique ne peut pas terminer l’item de roadmap sur le retour terrain anonymisé. Il faut encore un vrai pilote autorisé qui :

1. compare manuel, copilote, agent unique et agence orchestrée sur le même workflow gelé lorsque c’est possible ;
2. garde dans le dénominateur les cas non éligibles, abstentions, échecs, escalades et données manquantes ;
3. mesure temps humain actif, qualité acceptée, réalisation sans intervention, supervision, corrections, incidents, coût et résultat aval ;
4. fait revoir indépendamment anonymisation, calculs, langage causal et limites de transfert ;
5. respecte la règle d’admission de field-notes/README.fr.md.

Jusque-là, le statut honnête est : preuves externes profondément revues, preuve terrain de première main toujours ouverte.