Publié : 20/08/2026
Salesforce
Agentforce en action : comment concevoir des agents IA qui transforment les processus des clients et des collaborateurs
José Denia
Architecte de solutions Salesforce, Inetum Espagne
L’intelligence artificielle a franchi une nouvelle étape. Après les assistants conversationnels et les outils de génération de contenu, les entreprises s’intéressent désormais à des systèmes capables d’exécuter des actions, de prendre des décisions dans un cadre défini et de collaborer avec les équipes sur des processus complets. C’est précisément le rôle des agents IA.
Pourtant, dans de nombreuses organisations, un même constat revient. Les assistants virtuels existent, les automatisations se multiplient et les modèles d’IA générative sont déjà utilisés. Malgré cela, les processus restent dépendants d’interventions humaines, les données demeurent dispersées entre plusieurs systèmes et les tâches répétitives continuent d’occuper une part significative du temps des équipes.
La question n’est donc plus de savoir comment intégrer l’intelligence artificielle, mais comment la concevoir pour générer un impact tangible sur l’activité. C’est dans cette logique qu’intervient Agentforce, la plateforme d’agents IA de Salesforce pensée pour exécuter des actions et automatiser des processus métier grâce à des données et à un contexte disponibles en temps réel.
Des assistants aux agents IA : un changement de paradigme
Ces dernières années, les copilotes ont considérablement simplifié le travail quotidien. Ils peuvent résumer des documents, rédiger des courriels ou suggérer des réponses pertinentes. Leur rôle reste toutefois consultatif : la validation finale et l’exécution des actions appartiennent à l’utilisateur.
Les agents IA vont plus loin.
Ils analysent le contexte, interprètent les informations disponibles et réalisent eux-mêmes certaines actions dans les limites définies par l’entreprise. Ils ne se contentent plus de recommander. Ils peuvent mettre à jour une opportunité commerciale, générer une commande, traiter un retour produit ou résoudre un incident sans intervention systématique d’un collaborateur.
Cette capacité devient particulièrement précieuse dans les environnements où la moindre exception ralentit les opérations. Grâce à une automatisation intelligente, les entreprises peuvent préserver la fluidité des processus et absorber davantage de volume sans augmenter les ressources consacrées aux tâches répétitives.
Pourquoi les données et les processus sont au cœur d’Agentforce
L’autonomie d’un agent dépend directement de la qualité des données auxquelles il accède.
Un système ne peut prendre de décisions pertinentes si les informations sont incomplètes, cloisonnées ou obsolètes. C’est pourquoi Agentforce s’appuie nativement sur Salesforce Data Cloud, qui permet de constituer une vision unifiée du client en combinant des données structurées, telles que les commandes, les opportunités ou les tickets de support, avec des contenus non structurés comme les contrats ou la documentation technique.
Cette base unifiée permet à l’agent d’interagir avec Sales Cloud, Service Cloud, Experience Cloud ou encore les Salesforce Flows afin d’exécuter des processus de bout en bout.
L’objectif ne consiste plus seulement à répondre à une question. Il s’agit d’agir directement sur l’activité : créer une commande, mettre à jour un dossier client, gérer un retour produit ou déclencher un processus interne en tenant compte du contexte pertinent à chaque instant.
Gouvernance, supervision humaine et cadre de confiance
L’une des erreurs les plus courantes consiste à considérer qu’un agent doit agir de manière totalement autonome dans toutes les situations.
En pratique, un projet réussi commence par la définition de règles claires. L’autonomie ne signifie pas l’absence de contrôle. Elle repose sur la capacité d’un système à opérer dans un cadre précisément défini.
L’agent doit savoir quelles informations il est autorisé à consulter, quelles actions il peut exécuter et, surtout, à quel moment il doit transmettre la décision à un collaborateur.
Cette approche, souvent désignée sous le terme de human in the loop, garantit que les situations complexes, sensibles ou à risque restent prises en charge par des professionnels. L’intelligence artificielle apporte rapidité et efficacité sur les tâches répétitives, tandis que les collaborateurs conservent la maîtrise des décisions qui exigent analyse, négociation, jugement ou empathie.
Des cas d’usage concrets dans la relation client, les ventes et les opérations
Les bénéfices des agents IA se matérialisent déjà dans de nombreux secteurs.
Réinventer l’expérience client
Dans la relation client, les agents IA dépassent les limites des chatbots traditionnels. Lorsqu’un voyageur souhaite modifier une réservation, le système peut consulter les conditions applicables, identifier des alternatives disponibles, mettre à jour la réservation et confirmer la modification au cours d’un même échange.
Le parcours devient plus fluide et les délais de traitement sont considérablement réduits.
Renforcer l’efficacité commerciale
Dans les ventes, Agentforce peut préparer automatiquement un briefing avant une réunion en analysant l’historique du compte, les opportunités en cours, les incidents récents et les actions commerciales recommandées.
Les équipes disposent ainsi d’une vision complète de la situation avant même le début de l’échange avec le client.
Optimiser les processus opérationnels
Le retail et l’hôtellerie illustrent également le potentiel de cette approche.
Dans le commerce de détail, les agents automatisent la création de commandes et la gestion des retours. Dans l’hospitality, ils facilitent la gestion des réservations et accompagnent le client tout au long de son parcours.
Au-delà de l’automatisation des tâches, leur véritable valeur réside dans l’élimination des points de friction qui ralentissent l’activité quotidienne.
Des processus qui nécessitaient auparavant plusieurs consultations et passages entre différentes applications peuvent désormais être exécutés en quelques secondes. L’agent rassemble les informations nécessaires, identifie l’action la plus pertinente et accélère l’exécution.
Le résultat est double : une meilleure expérience client et davantage de temps pour les activités à forte valeur ajoutée.
Déployer Agentforce grâce à une adoption progressive
Mettre en œuvre des agents intelligents ne consiste pas simplement à activer une nouvelle fonctionnalité.
Cette transformation requiert une stratégie associant gouvernance des données, intégration des systèmes et accompagnement des utilisateurs. L’enjeu est autant technologique qu’organisationnel.
Les entreprises qui obtiennent les résultats les plus probants commencent généralement par un cas d’usage ciblé, facile à mesurer et directement relié à une priorité métier. Cette première étape permet de valider les règles de gouvernance, de renforcer la confiance des équipes et de construire progressivement un modèle plus ambitieux.
Sur le terrain, nous constatons que l’accompagnement d’un partenaire technologique joue souvent un rôle déterminant. La réussite dépend moins de la maîtrise d’une plateforme que de la compréhension fine des processus métiers et de la capacité à identifier les points où l’intelligence artificielle peut réellement supprimer les frictions et créer de la valeur.
L’avenir du travail : une collaboration entre humains et agents IA
L’évolution de l’intelligence artificielle ne vise pas à remplacer les professionnels.
Elle permet avant tout de les libérer des activités chronophages à faible valeur ajoutée. Pendant que les agents prennent en charge les processus répétitifs avec rapidité et précision, les collaborateurs peuvent se concentrer sur ce qui demeure profondément humain : comprendre le contexte, instaurer la confiance, négocier, innover et prendre des décisions stratégiques.
La conception d’agents IA n’est plus un projet expérimental réservé à quelques précurseurs. Elle devient un nouveau modèle opérationnel fondé sur l’unification des données, l’automatisation intelligente et une supervision humaine adaptée.
Avec des plateformes comme Agentforce, les entreprises peuvent commencer par un cas d’usage clairement identifié avant d’évoluer vers un écosystème d’agents interconnectés, capable de soutenir une transformation durable et orientée résultats.
Le véritable défi n’est plus d’automatiser des tâches isolées. Il consiste à concevoir des processus dans lesquels humains et agents collaborent efficacement pour répondre aux attentes croissantes des clients comme des collaborateurs.
L’IA agentique marque une nouvelle étape dans l’évolution de l’intelligence artificielle. Ces systèmes sont capables de comprendre un contexte, d’accéder à des informations métier, de générer des réponses et même d’exécuter des actions au sein des processus opérationnels. Dans l’univers du CRM, ils interviennent dans le service client, l’activité commerciale ou la gestion des incidents, avec un impact direct sur la performance et l’expérience utilisateur.
Cette capacité d’action transforme progressivement le CRM. D’un simple référentiel de données clients, il devient un environnement actif où des recommandations sont formulées, des décisions sont prises et des opérations sont exécutées.
Mais à mesure que l’autonomie progresse, les exigences en matière de gouvernance et de sécurité augmentent elles aussi. Une priorité s’impose alors : mettre en place une couche de confiance permettant de déployer l’IA à grande échelle sans compromettre la conformité, la traçabilité ou la qualité de service.
Selon le rapport State of IT de Salesforce, 84 % des responsables technologiques considèrent que la confiance et la sécurité seront des facteurs déterminants pour industrialiser l’usage de l’intelligence artificielle dans l’entreprise.
La trust layer : un pilier essentiel pour l’IA agentique
La trust layer désigne l’ensemble des politiques, contrôles et mécanismes qui garantissent qu’un agent d’intelligence artificielle n’utilise que les données auxquelles il est autorisé à accéder, respecte les exigences réglementaires et offre une visibilité complète sur la manière dont ses réponses sont produites.
Dans un environnement d’IA agentique, cette couche de confiance ne constitue pas une fonctionnalité supplémentaire ajoutée en fin de projet. Elle doit être intégrée dès la conception.
La différence avec les approches d’automatisation traditionnelles est majeure. Un agent n’exécute pas uniquement des scénarios prédéfinis. Il peut recevoir une infinité de requêtes et être confronté à des situations qui n’ont pas été anticipées lors de sa configuration initiale.
Dès lors, la confiance ne repose plus uniquement sur la gestion des accès. Elle concerne également la maîtrise du comportement du système.
Cela suppose notamment :
- l’utilisation exclusive d’informations autorisées ;
- l’isolation des données sensibles ;
- la transparence sur les sources exploitées ;
- la journalisation des interactions ;
- la possibilité d’auditer a posteriori une recommandation ou une décision.
Dans cette perspective, la gouvernance ne constitue plus un frein à l’innovation. Elle devient au contraire une condition essentielle de son accélération.
Pourquoi la qualité des données reste le facteur décisif
Une idée revient souvent dans les projets d’intelligence artificielle : celle selon laquelle l’IA pourrait résoudre à elle seule les problèmes historiques liés aux données. Dans les faits, c’est généralement l’inverse.
L’intelligence artificielle amplifie ce qui existe déjà dans l’organisation.
Si les données sont incomplètes, incohérentes ou dispersées dans différents systèmes, les résultats le seront également. La différence est que l’impact peut désormais se propager beaucoup plus rapidement, car les agents ne se limitent pas à produire des analyses. Ils participent directement à des processus métier.
La question de la qualité des données prend donc une dimension nouvelle. Il ne suffit plus de disposer d’informations exactes. Il faut aussi fournir le contexte nécessaire à leur interprétation.
La plupart des entreprises évoluent dans des environnements complexes où l’information est répartie entre CRM, ERP, plateformes de service client, référentiels documentaires et applications spécialisées. Pour produire des réponses fiables, les agents d’IA doivent s’appuyer sur une vision cohérente et connectée de l’activité, tout en respectant les règles d’accès et les politiques internes.
Cette évolution explique pourquoi les plateformes d’entreprise convergent progressivement vers des architectures unifiées, dans lesquelles données, automatisation et intelligence artificielle fonctionnent comme un ensemble cohérent.
Comment industrialiser les agents d’IA sans perdre la maîtrise opérationnelle
L’intelligence artificielle réduit considérablement le temps nécessaire pour concevoir des solutions, tester des processus et déployer de nouveaux modèles opérationnels.
Pour autant, la rapidité ne dispense pas du contrôle. Plus une organisation est capable d’innover vite, plus elle doit s’assurer que cette accélération reste compatible avec la qualité, la conformité et la durabilité de ses opérations.
L’une des erreurs les plus fréquentes consiste à vouloir concevoir des agents trop ambitieux dès le départ.
Sur le terrain, nous constatons que les initiatives les plus solides s’appuient généralement sur des cas d’usage ciblés, des objectifs clairs et des indicateurs mesurables.
La documentation, le suivi continu des performances, la traçabilité des décisions et la supervision humaine demeurent des éléments essentiels, notamment pendant les premières phases de déploiement.
La confiance se mesure également. Il ne suffit pas qu’un agent fonctionne correctement sur le plan technique. Il doit démontrer sa capacité à réduire les délais de traitement, améliorer la cohérence opérationnelle ou permettre aux collaborateurs de se concentrer sur des tâches à plus forte valeur ajoutée.
Selon Gartner, les organisations qui obtiendront les meilleurs résultats avec l’IA seront celles qui sauront combiner automatisation, supervision et gouvernance au sein d’un même modèle de fonctionnement.
Du pilote au modèle opérationnel : quand la confiance devient tangible
Cette évolution se retrouve dans le projet mené par Inetum avec l’un des principaux diffuseurs publics en Belgique, l’organisme public de radiodiffusion et de télévision de Flandre, afin d’explorer le potentiel d’Agentforce dans l’écosystème Salesforce.
L’organisation gérait un volume important de demandes provenant de citoyens, de téléspectateurs et de partenaires via plusieurs canaux. Si le service répondait aux attentes, de nombreuses opérations reposaient encore sur des traitements manuels. La catégorisation des demandes manquait d’efficacité et la visibilité sur le suivi restait limitée.
L’objectif n’était pas d’automatiser pour automatiser.
L’ambition consistait à construire une transition maîtrisée vers un modèle dans lequel l’intelligence artificielle pourrait progressivement prendre en charge certaines activités tout en maintenant un niveau élevé de qualité de service.
Le pilote s’est concentré sur des fonctionnalités précises : classification intelligente des cas, génération assistée de réponses et regroupement automatique d’incidents.
Cette approche a permis de démontrer la valeur de l’IA dans des situations réelles tout en préparant le terrain pour des niveaux d’autonomie plus avancés.
Au-delà de ce cas particulier, une tendance de fond se dessine. Dans de nombreux secteurs, l’intelligence artificielle est mobilisée pour construire des opérations plus cohérentes, plus accessibles et plus évolutives, et pas uniquement pour réduire les coûts.
La véritable adoption commence avec la confiance
La prochaine phase de l’intelligence artificielle d’entreprise ne dépendra pas uniquement de modèles plus performants. Elle reposera aussi sur la capacité des organisations à les intégrer dans leurs processus métier sans perdre en transparence ni en maîtrise.
Les entreprises qui réussiront à déployer l’IA à grande échelle ne seront pas forcément celles qui mettront en production le plus grand nombre d’agents. Ce seront celles qui sauront transformer l’autonomie en confiance.
Concrètement, cela implique de réunir au sein d’un même cadre opérationnel l’intelligence artificielle, la qualité des données, la gouvernance technologique et la supervision continue.
C’est dans cet équilibre que se joue aujourd’hui la réussite des projets d’IA agentique. Car la question n’est plus de savoir ce qu’un agent est capable de faire. La véritable question est de savoir jusqu’où nous sommes prêts à lui faire confiance.