L’IA agentique figure parmi les priorités absolues de la plupart des équipes marketing, car elle va bien au-delà de la génération de contenu et des recommandations. Elle peut agir de manière autonome pour répondre aux clients plus rapidement et à une échelle impossible à atteindre manuellement.

Les responsables marketing sont enthousiastes à l’idée de cette capacité. Leurs homologues IT, eux, l’abordent avec bien plus de prudence — et pour les mêmes raisons.

Les agents IA peuvent accéder aux données d’entreprise, interconnecter des systèmes et agir au nom des utilisateurs et utilisatrices, ce qui introduit un niveau de risque fondamentalement différent. Les équipes IT se montrent donc beaucoup plus sélectives quant aux outils d’IA agentique qu’elles approuvent, et bien plus exigeantes sur ce qu’elles souhaitent vérifier avant de le faire.

Résultat : de nombreux cas d’usage prometteurs n’atteignent jamais la phase de lancement. Selon le rapport 2026 State of AI Readiness d’Adobe, seules 47 initiatives IA proposées sur 100 franchissent l’étape de révision IT et de sécurité. Et lorsque les équipes cherchent à les intégrer aux systèmes et workflows existants, ce chiffre chute encore à 33.

Pour les responsables marketing, un cas d’usage convaincant ne suffit pas à lui seul pour défendre une solution d’IA agentique. Il faut aussi anticiper les questions que posera le CIO et arriver en réunion avec des réponses claires. Voici les cinq questions qui reviennent le plus souvent.

1. Pouvez-vous faire confiance aux données qui alimentent la solution agentique ?

Les responsables marketing veulent un outil qui s’intègre facilement à leurs bibliothèques de contenu, à leurs données clients et à leurs données de campagne, et qui fonctionne sans friction. Les CIO, de leur côté, ont besoin d’être certains de la fiabilité des données qui sous-tendent la solution, ainsi que de la façon dont elle traite les données internes de l’organisation. Si ces fondements manquent de clarté ou de contrôle, l’agent peut amplifier les risques aussi vite qu’il crée de la valeur.

La transparence des données s’impose donc comme l’un des premiers points à éclaircir avant de rencontrer les équipes IT. Exigez des réponses claires et précises de la part des fournisseurs présélectionnés sur les points suivants :

• Quelles données servent à entraîner ou ancrer ce système ? Exigez une réponse claire sur l’origine des données et sur les éventuelles restrictions de droits d’auteur ou de licence.
• Les données seront-elles utilisées pour entraîner le modèle sous-jacent sans consentement ? Exigez une réponse tranchée : oui ou non. Ce choix doit vous appartenir.
• Le système s’appuie-t-il sur des données que vous contrôlez, correctement contextualisées ? Vérifiez que le modèle d’IA est en mesure de reconnaître et d’appliquer les contrôles d’accès, les validations et les restrictions que vous avez définis.

À l’issue de cet échange, aucune ambiguïté ne doit subsister quant aux données sur lesquelles repose la solution agentique, ni quant aux contrôles qui régissent l’utilisation des données internes.

2. La solution d’IA agentique vous offre-t-elle visibilité et contrôle ?

Si un agent envoie le mauvais e-mail à 10 000 personnes ou intègre le mauvais segment de clients dans une campagne en cours, qui s’en aperçoit, et en combien de temps ? C’est au fond la préoccupation centrale de tout DSI lorsqu’il interroge la supervision.

Plus un système agentique est autonome, plus la supervision doit être intégrée dès le départ. Les DSI doivent avoir la garantie que le système ne deviendra pas une boîte noire une fois qu’il commence à agir sur l’ensemble des workflows. La visibilité et le contrôle deviennent ainsi le véritable test pratique. Recherchez des réponses claires sur trois points :

• Le processus qui a conduit l’agent à produire un résultat est-il visible, et pas seulement le résultat lui-même ? Vérifiez que la solution est capable d’afficher les sources et le raisonnement qui sous-tendent ses résultats, et qu’elle reconnaît clairement ses limites.
• Une personne peut-elle intervenir avant que l’agent prenne une décision à risque ? Seuls 5 % des dirigeants d’entreprise autorisent les agents à prendre des décisions critiques sans validation préalable : assurez-vous donc qu’il existe des points d’approbation clairement définis.
• En cas de problème, pouvez-vous reconstituer les événements et en comprendre la cause ? Vous devez pouvoir retracer chaque interaction individuellement, et pas seulement consulter un rapport agrégé, afin de savoir précisément où et pourquoi le workflow a dysfonctionné.

Ces réponses vous permettent de savoir si vous êtes en mesure d’aborder sereinement une conversation avec le DSI, avec la certitude que les erreurs peuvent être détectées avant de prendre de l’ampleur.

3. La solution d’IA agentique s’intègre-t-elle à la tech stack sans la fragmenter davantage ?

Les équipes informatiques ont consacré des années à consolider la tech stack marketing, et l’IA agentique met aujourd’hui cette discipline à l’épreuve. Chaque nouvel outil agentique peut introduire de nouvelles fonctionnalités, autorisations et intégrations de données. Sans surprise, 94 % des responsables informatiques estiment que la prolifération de l’IA accroît déjà la complexité et les risques, alors que seuls 12 % disposent d’un moyen centralisé pour la gérer.

Pour les DSI, la question centrale est de savoir si l’outil s’intègre à l’existant sans créer de fragmentation. Les responsables marketing peuvent l’évaluer en examinant deux points clés.

• L’agent peut-il opérer au sein des systèmes et workflows existants ? Une véritable intégration doit se connecter aux plateformes déjà en place et réduire les transferts, sans ajouter une couche supplémentaire à gérer.
• Les autorisations et règles de gouvernance en vigueur s’appliquent-elles toujours lorsque l’agent agit ? L’agent ne doit accéder qu’à ce qui lui est autorisé, avec les mêmes autorisations et politiques appliquées à chaque étape du workflow.

Si ces deux conditions sont remplies, les échanges avec le DSI s’en trouvent considérablement facilités : l’agent reste dans le périmètre des systèmes marketing et des contrôles que l’équipe informatique gère déjà.

4. La solution d’IA agentique prouve-t-elle sa valeur marketing ?

Si vous interrogez la plupart des équipes marketing sur les performances d’une solution agentique, les signaux d’adoption — comme les connexions et l’utilisation quotidienne — constituent souvent leurs seuls indicateurs disponibles. Selon le rapport 2026 d’Adobe sur les tendances IA et digital, seulement 31 % des organisations disposent d’un cadre de mesure pour l’IA agentique.

Pour combler cet écart, commencez par choisir des solutions qui simplifient la mesure des performances. Pour offrir aux responsables marketing et informatiques la visibilité dont ils ont besoin, vérifiez si vous pouvez identifier ce que produisent les workflows agentiques et ce qu’ils coûtent à exécuter.

• L’outil peut-il mesurer l’impact sur les résultats ? Vérifiez si vous pouvez relier l’activité agentique aux conversions, aux performances de la campagne, à l’efficacité ou à d’autres résultats métier — et pas uniquement au volume d’utilisation.
• Existe-t-il un moyen natif de mesurer le ROI des workflows agentiques ? Recherchez des rapports au niveau du workflow qui relient les résultats obtenus à la consommation de crédits et aux coûts de l’agent.
• Le fournisseur aborde-t-il la responsabilité vis-à-vis des résultats ? Demandez comment le succès est défini, qui est responsable des résultats et comment identifier les workflows à développer, à ajuster ou à abandonner.

Les équipes marketing et informatiques disposent alors d’une base concrète pour décider quels workflows développer et quelles solutions méritent davantage de ressources.

5. La solution agentique a-t-elle été testée pour garantir une représentation fidèle et sécurisée de la marque ?

La moitié des organisations interrogées dans une enquête récente ont déclaré avoir déployé un agent IA qui avait réussi les évaluations internes, avant de provoquer une défaillance visible côté client. À ce stade, les équipes ont souvent déjà bâti des workflows autour de l’outil, ce qui rend les lacunes en matière de qualité et de sécurité bien plus difficiles à isoler et à corriger.

La qualité de l’évaluation est donc primordiale. Vous devez savoir ce que le fournisseur a testé, quels problèmes ont été détectés et comment ces résultats ont fait évoluer le système avant son lancement. Cela nécessite quelques questions supplémentaires bien ciblées.

• Le fournisseur peut-il apporter des preuves de tests de biais ? Demandez quels groupes démographiques et scénarios ont été testés, quelles disparités ont été relevées et quelles modifications ont été apportées en conséquence.
• Quelles mesures ont été mises en place pour détecter les contenus nuisibles ou non conformes à la marque ?Vérifiez quels cas de défaillance ont été identifiés lors des tests et quelles protections ont été ajoutées avant la mise en production du système.
• Le contrôle qualité se poursuit-il après la mise en production du système ? Vérifiez si les systèmes de feedback humain, ainsi que les erreurs issues de l’utilisation réelle, contribuent à la gestion et à l’amélioration du modèle.

En posant ces questions précises, les équipes marketing et IT peuvent vérifier si la qualité, l’équité et la sécurité reposent sur des tests concrets, des garde-fous et un feedback continu, et si le système est prêt à représenter la marque de façon cohérente dans toutes les campagnes et sur tous les marchés.

Alignement entre les besoins du marketing et les exigences de l’IT

Ces cinq questions convergent vers un même standard. Une solution d’IA agentique doit s’intégrer aux outils que les responsables marketing utilisent déjà, maintenir la gouvernance et la supervision humaine tout au long du workflow, et rester ancrée dans la marque et le contexte métier de l’organisation.

Une fois une solution agentique intégrée dans des workflows actifs, les lacunes en matière de supervision, de mesure ou de sécurité de la marque deviennent bien plus difficiles à combler. Les responsables marketing qui anticipent ces enjeux lors de l’évaluation d’une solution sont mieux placés pour déployer l’IA agentique à grande échelle et améliorer les résultats métier.

Adobe CX Enterprise Coworker s’appuie sur ce modèle. Il maintient la dynamique des tâches tout en sollicitant le jugement humain pour les décisions qui le requièrent. Chaque action qu’il effectue reste alignée sur les objectifs métier définis par les équipes et respecte le périmètre des permissions dont disposent déjà les utilisateurs et utilisatrices dans les applications Adobe CX Enterprise connectées. Les responsables marketing gagnent ainsi en rapidité et en autonomie, tandis que l’IT conserve le niveau de supervision attendu.

Pour découvrir à quoi ressemble concrètement un assistant IA connecté et encadré, explorez CX Enterprise Coworker.

https://business.adobe.com/fragments/resources/cards/thank-you-collections/generative-ai