Décryptage · Le 8 heures IA

Construire un agent IA entreprise : écrire le savoir-faire d’un expert

Publié le 5 novembre 2026 · Oriq · Lecture 3 min

Article produit par une intelligence artificielle à partir de sources nommées et datées, publié sous la responsabilité éditoriale d’Oriq. Nos systèmes d’IA · Le responsable éditorial

Construire un agent IA oblige à mettre noir sur blanc ce qu’un expert fait sans y penser. C’est le mécanisme que décrit le DSI de Michelin, et il change la façon de documenter le travail dans n’importe quelle entreprise.

Ce qu’un agent IA sait vraiment faire

Construire un agent IA entreprise n’est pas un exercice technique au départ. Un agent IA ne devine pas : il applique ce qu’on lui a explicitement dit de chercher et comment vérifier le résultat obtenu. C’est le point central posé par Yves Caseau, Chief Digital and Information Officer de Michelin, dans un entretien publié le 4 novembre 2026 : « guider les agents suppose de savoir précisément ce que l’on cherche à obtenir et comment vérifier le résultat ».

Autrement dit : construire un agent IA entreprise est d’abord un exercice d’écriture. Il faut transformer un geste d’expert, souvent tacite, en critères explicites qu’une machine peut suivre et qu’un humain peut contrôler.

Pourquoi c’est nouveau

Caseau le dit sans détour : « nous ne savions pas faire cela fin 2024 ». Pendant des années, le savoir-faire d’un expert restait dans sa tête, transmis par compagnonnage, difficile à capitaliser. Les agents IA changent cette donne, à condition d’accepter de formaliser ce savoir en amont.

Cela veut dire que développer un agent devient, selon ses mots, « une nouvelle manière de capitaliser sur le savoir-faire de l’entreprise ». Le gain n’est pas seulement dans l’automatisation d’une tâche : il est dans la traçabilité du raisonnement qui permet de la faire correctement.

Le chiffre à prendre avec précaution

Michelin avance un gain global de 100 millions d’euros par an lié à l’IA. Ce chiffre vient de l’entreprise elle-même, dans un entretien, et porte sur l’ensemble des usages de l’IA dans le groupe, pas seulement sur les agents qui capitalisent le savoir-faire. Il n’a pas été recoupé par un audit indépendant dans les sources disponibles.

Un agent IA ne fait que ce qu’on lui a dit de chercher : le construire oblige à écrire ce qu’un expert sait sans le dire.

Ce détail compte pour une PME : avant d’annoncer un gain, il faut le mesurer sur le périmètre réellement testé, pas l’estimer à l’échelle de toute l’entreprise.

Documenter avant d’automatiser

Le mécanisme ouvre une utilité souvent oubliée : capitaliser le savoir d’un collaborateur avant son départ. Un salarié senior qui part à la retraite, ou qui change de poste, applique des règles implicites que personne n’a jamais écrites : un seuil de tolérance sur un contrôle qualité, une façon de prioriser des relances clients, un critère de tri sur des devis.

Construire un agent sur ces critères, même simple, laisse une trace réutilisable par l’équipe restante. Le travail ne consiste pas à coder : il consiste à interroger l’expert pendant une heure et à lister noir sur blanc ce qu’il regarde pour juger qu’un résultat est bon.

Et dans votre entreprise ?

• Choisir un processus où un expert applique une règle implicite (contrôle qualité, relance client, tri de devis) et noter avec lui, sur une page, les critères qu’il utilise pour juger un résultat correct.
• Identifier un collaborateur-clé proche d’un départ ou d’un changement de poste, et documenter une seule de ses tâches récurrentes avant qu’il ne parte.
• Désigner, avant tout test d’agent, la personne qui validera ses résultats pendant le premier mois.

Le premier pas, cette semaine : passer une heure avec un expert de l’entreprise, sans IA, juste pour écrire ce qu’il vérifie avant de dire qu’un travail est bien fait.