Le plan de Dell pour faire passer l’IA agentique des pilotes à la production

Le message central de Dell lors du Six Five Summit: AI Unleashed 2026 est clair : l’IA agentique doit être considérée comme un modèle opérationnel de production, et non comme un simple nouveau nom donné aux chatbots. Dans la définition de l’entreprise, la différence tient à la capacité d’un système à poursuivre un objectif précis, à utiliser des outils et à accomplir un travail avec une intervention humaine limitée. Dell a présenté ses propres déploiements pour illustrer cette transition, tout en rappelant que ses chiffres de productivité, de coûts et d’impact commercial restent des déclarations de l’entreprise. 15

Du chatbot qui assiste à l’agent qui agit

La première vague d’IA générative en entreprise a surtout servi à rechercher, résumer et exploiter des informations internes. Selon Dell, la phase suivante consiste à numériser le travail lui-même : certaines tâches définies passent de la couche humaine à des logiciels capables de raisonner sur un processus et d’agir dans celui-ci. 14

Cette distinction constitue aussi la réponse de Dell à l’« agent washing », une pratique qui consiste à présenter des bots classiques, des assistants ou des automatisations scriptées comme de véritables agents autonomes. Un chatbot peut produire une réponse ; dans la définition de Dell, un agent doit plutôt poursuivre un objectif, interagir avec des outils ou des systèmes et exécuter plusieurs étapes d’un processus métier. 25

Dell affirme avoir commencé à développer ses agents environ deux ans avant le sommet et avoir déployé ses premiers agents en production au cours de l’année précédente, en utilisant l’entreprise comme « Customer Zero », c’est-à-dire comme premier terrain d’expérimentation grandeur nature. 2

Pourquoi 900 idées ont été réduites à 13 projets

Dell indique être partie d’environ 900 projets d’IA potentiels avant de ramener cette liste à près de 13 initiatives ciblées. La sélection s’est appuyée sur les priorités de l’entreprise et l’analyse des processus, plutôt que sur la multiplication d’expériences isolées. 12

Parmi les cas d’usage mis en avant figurent :

• Le nettoyage des données CRM, avec un agent chargé de tâches répétitives liées à la qualité des données ;
• Le développement logiciel, notamment pour des tâches liées au code ;
• L’assistance à la tarification, appliquée aux opérations de pricing ;
• La réservation de voyages et le résumé de documents, présentés comme des tâches autonomes plus simples. 25

La conclusion de Dell n’est pas que tous les processus nécessitent un agent. L’enjeu est plutôt d’identifier un travail précis associé à un résultat mesurable, puis de construire le système le plus petit et le plus utile possible autour de cet objectif. Cette méthode permet également de distinguer un véritable déploiement en production d’un vaste programme de pilotes d’IA.

Des gains de productivité revendiqués, mais à mettre en perspective

Dell estime que les premiers déploiements, centrés sur des tâches spécifiques, peuvent générer des gains de productivité d’environ 20 % à 40 %. L’entreprise avance également que des systèmes capables de prendre en charge des catégories entières de travail pourraient produire des gains beaucoup plus importants, potentiellement de plusieurs ordres de grandeur. 25

Ces chiffres doivent toutefois être lus comme des résultats et des projections rapportés par Dell, et non comme une référence indépendante applicable à l’ensemble des entreprises. Dell a aussi déclaré que ses travaux internes sur l’IA avaient contribué à dissocier la croissance du chiffre d’affaires de sa structure de coûts. Les éléments disponibles ne permettent cependant pas de déterminer quelle part de cet effet provient d’agents individuels ni d’établir un lien de causalité. 2

Pour les entreprises qui évaluent un projet, le calcul doit donc préciser la tâche automatisée, le temps humain supprimé ou réorienté, le coût de l’inférence et de l’orchestration, ainsi que les contrôles nécessaires lorsque l’agent peut agir sans supervision permanente.

Des besoins d’infrastructure différents

L’argument de Dell est que l’IA agentique en production ne constitue pas simplement une version plus volumineuse de l’inférence d’un chatbot. Le principal goulot d’étranglement peut se déplacer de la puissance de calcul brute vers la capacité mémoire et la bande passante mémoire, notamment lorsque des processus de longue durée conservent leur état dans des caches clé-valeur. Dans certains cas, la mémoire peut être saturée avant que les capacités de calcul des GPU soient pleinement utilisées. 24

Les agents en production accèdent également aux données d’une manière différente des systèmes d’entraînement. Au lieu de traiter de grands ensembles de données relativement statiques, ils peuvent envoyer des requêtes ciblées, soutenues mais irrégulières, vers de nombreux systèmes de l’entreprise. À grande échelle, l’acheminement des données et la latence de queue — le temps de réponse des requêtes les plus lentes — deviennent aussi importants que le débit du modèle. 24

Les CPU retrouvent par ailleurs un rôle plus important. Ils prennent en charge l’orchestration, les embranchements logiques, la recherche d’informations, les appels aux outils et la communication entre les composants, tandis que les GPU exécutent les charges de travail adaptées aux modèles. Dell indique que les déploiements classiques de l’IA, qui utilisent environ 8 à 16 CPU par GPU, pourraient évoluer vers des ratios plus proches de 1 pour 1 ou de 2 pour 1 dans les systèmes agentiques. 2

Pour les entreprises, Dell préconise donc une infrastructure de plateforme réutilisable plutôt qu’une multitude de piles conçues pour un seul usage. L’entreprise défend aussi des architectures hybrides, capables de répartir les charges entre systèmes sur site, clouds privés, API publiques et modèles exécutés sur les appareils, selon les exigences de conformité, de performance, de contrôle des données et de coût. 45

Un agent n’a pas un coût universel

L’autonomie des processus oblige à adapter l’économie du modèle à la valeur du travail accompli. Dell a cité deux exemples très différents : un agent d’aide à la décision pour un dirigeant pourrait justifier un coût d’environ 100 000 dollars par mois, tandis qu’un agent chargé du nettoyage d’un CRM devrait peut-être fonctionner à moins de 0,50 dollar par fiche. 2

Ces montants ne constituent pas des tarifs de référence universels. Ils illustrent plutôt l’idée qu’une entreprise ne doit pas déployer le modèle le plus puissant — et le plus coûteux — pour chaque tâche. Une architecture réaliste peut combiner de petits modèles pour les opérations répétitives à fort volume, des modèles plus importants pour les raisonnements complexes et différents lieux d’exécution selon les exigences de latence, de souveraineté ou de conformité. 25

La sécurité commence par une identité propre à chaque agent

Dell affirme que chaque agent autonome accédant aux données de l’entreprise reçoit sa propre identité numérique Dell. Cette identité permet d’appliquer des autorisations précises et de retirer les permissions ; sa désactivation peut servir de bouton d’arrêt pour interrompre l’accès de l’agent. 25

Cette approche est particulièrement importante pour les agents sans interface — ou headless agents — qui fonctionnent sans interface utilisateur ni supervision humaine en temps réel. Lorsqu’un agent agit directement dans les outils de l’entreprise, celle-ci doit pouvoir savoir quel agent a effectué une action, à quelles données il était autorisé à accéder et comment interrompre son activité, sans dépendre des identifiants d’un salarié.

Les identités indépendantes et les permissions fondées sur le moindre privilège deviennent ainsi des couches de contrôle essentielles, et non de simples options de sécurité. 45

Dell a également cité des protocoles de communication et de contrôle des agents, comme A2A et MCP, ainsi que la préparation à la cryptographie post-quantique, parmi les éléments du nouveau cadre de gouvernance. 2

Les éléments disponibles ne permettent pas d’établir une proportion fiable des futurs déploiements qui fonctionneront sans interface humaine. Toute prévision chiffrée sur ce point irait au-delà des informations fournies par les sources.

Le travail évoluerait par tâches, pas nécessairement par métiers entiers

Dell indique avoir analysé 6 800 emplois afin d’examiner quelles composantes des fonctions pourraient être prises en charge par des agents et lesquelles continueraient d’exiger un jugement humain. 2

La conclusion de l’entreprise est que les agents transformeront plus souvent le travail en retirant certaines tâches qu’en supprimant des emplois entiers. Dans ce scénario, ils prennent en charge des activités de productivité, de « mise en ordre » administrative et de coordination, tandis que les salariés consacrent davantage de temps à l’expertise, au jugement et aux activités centrées sur l’humain. 25

Il s’agit d’une thèse sur la réorganisation du travail, pas d’une garantie qu’aucun emploi ne disparaîtra. Même lorsqu’un poste est maintenu, ses responsabilités, ses effectifs, les compétences requises et les responsabilités décisionnelles peuvent changer. Le défi concret pour les entreprises est donc organisationnel : déterminer ce qui peut être délégué, les décisions qui doivent rester sous responsabilité humaine et la manière de mesurer la performance après la transformation du processus.

Ce que cela change pour les acheteurs d’IA en entreprise

La présentation de Dell ramène le passage des pilotes à la production à quatre questions :

1. Le système est-il réellement autonome ? Rebaptiser un chatbot ne suffit pas à en faire un agent.
2. Exécute-t-il un processus utile et clairement défini ? Le passage de 900 projets à 13 illustre l’importance de la priorisation.
3. L’infrastructure peut-elle gérer l’état des processus, la latence, l’orchestration et l’économie propre à chaque charge ? L’inférence agentique peut solliciter la mémoire et l’acheminement des données différemment de l’entraînement ou d’un chatbot classique.
4. L’organisation peut-elle gouverner l’agent ? Identité, autorisations, journalisation, révocation des accès et responsabilité humaine doivent être prévus avant de généraliser l’accès autonome.

L’argument plus large de Dell est que l’IA agentique ne prend réellement son sens que lorsqu’elle est reliée à un travail concret et mesurée à l’aune de résultats concrets. La réserve est tout aussi importante : les exemples et les gains présentés décrivent la position et l’expérience déclarée de Dell, pas une garantie universelle de résultats identiques pour chaque déploiement.