Ce document partage ce que Cominty observe chez 500 utilisateurs de sa plateforme, sur 10 entreprises clientes, entre juillet 2025 et juillet 2026. Ce sont des utilisateurs qui intègrent déjà l’IA agentique dans leur travail quotidien.
L’objectif de l’étude est d’observer comment ces utilisateurs apprennent et adaptent leur travail avec les capacités agentiques rendues accessibles via un portail adapté pour les profils métiers et non techniques.
Un portail agentique, deux façons de travailler
Un portail agentique conversationnel est une interface dans laquelle un utilisateur non technique exprime un objectif en langage naturel, tandis qu’un agent IA — qui agit comme couche d’orchestration — transforme cet objectif en actions, sélectionne des outils, agit dans un environnement numérique, observe les résultats et adapte son plan jusqu’à produire un résultat exploitable.
Dans un chatbot classique, le fonctionnement dominant est :
Question → génération d’une réponse
Dans un portail agentique, il devient :
Objectif → compréhension → planification → actions → observation → adaptation → validation → résultat
Un workflow traditionnel suit un chemin fixé à l’avance, tandis qu’un système agentique peut sélectionner ses actions et ses outils à l’exécution selon l’objectif, le contexte et les résultats intermédiaires.
Deux modes d’interaction
Cominty analyse les usages de 500 professionnels qui utilisent le portail agentique. Bien que tous aient accès aux mêmes capacités d’orchestration, leurs modes d’interaction varient selon la mission :
- Délégation complète. L’utilisateur fixe l’objectif et le résultat attendu. L’agent prend entièrement en charge planification, exécution et livraison. L’utilisateur intervient aux points clés de validation. Exemples : analyse documentaire, veille, préparation d’un rapport.
- Assistance itérative. L’utilisateur interagit étape par étape avec l’agent, affine les résultats, oriente les prochaines étapes. Le travail se construit par échanges progressifs.
Ce qui a changé en un an
Globalement, en un peu plus d’un an, la façon de travailler avec l’IA a changé de nature. Les usages ponctuels — une question, une réponse — ont laissé la place à de véritables sessions de travail : on confie une mission, on itère, on y revient. Le portail n’est plus un assistant que l’on consulte, c’est un espace de travail dans lequel on mène des projets.
Ce qui rend ce basculement concret, c’est la continuité. Sur nos observations, une session sur huit (12,5 %) se poursuit désormais sur plusieurs jours, contre 1,4 % un an plus tôt : on rouvre un fil pour poursuivre, préciser ou corriger le travail engagé. La mémoire des agents prolonge cet effet au-delà d’une seule mission — consignes, préférences et décisions durables sont réutilisées sans avoir à être reformulées. L’IA cesse d’être un détour ponctuel : elle prend place dans la manière dont une journée, une semaine, un dossier s’organisent.
Ce travail suivi est désormais la norme : en juillet 2026, 77 % des requêtes s’inscrivent dans des sessions d’au moins cinq échanges, contre 35 % un an plus tôt. Mais l’essentiel n’est pas la longueur des échanges — c’est ce qu’ils produisent. Les deux observations qui suivent portent précisément là : jusqu’où les utilisateurs délèguent, et ce que l’IA produit réellement pour eux.
Observation 01 — Les tâches déléguées de bout en bout à l’IA : ×6 en un an
Confier une mission à l’IA suppose de lui laisser la main jusqu’au résultat. C’est le basculement qu’on observe ici : l’utilisateur ne se contente plus d’échanger avec l’agent, il lui délègue un objectif à mener de bout en bout.
Ces véritables sessions-projets associent une consigne initiale, une exécution autonome et un résultat livré. À partir de l’objectif et des contraintes fournis, les agents IA organisent et enchaînent les opérations nécessaires — recherche, analyse, appel d’outils, vérification et production — sans que l’utilisateur ait à piloter séparément chaque étape.
Entre juillet 2025 et juillet 2026, la part des sessions comprenant des tâches produites de bout en bout par les agents IA passe de 4,6 % à 29 %, soit de moins d’une session sur vingt à près de trois sessions sur dix. Cela représente une progression de 24,4 points et une multiplication par environ 6.
Ce basculement signale une plus grande disposition à déléguer. Dans les sessions concernées, l’utilisateur peut toujours préciser une contrainte, valider une orientation, examiner le résultat ou demander une correction. L’autonomie des agents ne signifie pas l’absence de contrôle humain : elle signifie que le système prend en charge l’exécution entre ces points de contrôle.
Ce mode de travail réduit le besoin de piloter chaque opération et peut faciliter la livraison des projets.
Des tâches qui mobilisent entre 3 et plus de 40 appels de sous-agents selon la complexité
Pour accomplir une tâche, l’agent principal — appelé orchestrateur — délègue différentes étapes à des sous-agents spécialisés. Chacun exécute un rôle spécifique : analyser des données structurées, rechercher une information, lire un document, produire un support, vérifier un résultat, ou synthétiser plusieurs sources.
En juillet 2026, on observe un nombre d’appels de sous-agents plus ou moins important selon le niveau de complexité de la mission donnée à l’IA dans une requête :
- Missions simples (3 appels) – 6,4 % des requêtes : par exemple « résume cet article » ou « extrais les dates clés de ce document ». Médiane : 3 appels.
- Missions de complexité moyenne (4-15 appels) – 32,7 % des requêtes : par exemple « analyse nos trois rapports trimestriels et identifie les tendances ». Médiane : 9 appels. Ces missions combinent lecture, analyse comparative, et synthèse.
- Missions complexes (16 à 40+ appels) – 60,9 % des requêtes, le profil le plus représenté. Par exemple « synthétise nos données de vente, croise-les avec les budgets et la réglementation, propose des actions prioritaires et rédige un rapport généré puis envoie-le par mail à l’équipe de vente ». Médiane : 37 appels. Ces missions impliquent extraction, analyse multi-sources, vérification, synthèse, rédaction et actions prises dans les outils de l’entreprise.
La moyenne pour l’ensemble des requêtes avec orchestration s’établit à 34,8 appels, avec une médiane de 21 appels.
Ce que révèle l’usage
Cette distribution révèle un pattern important : le portail agentique attire naturellement des tâches substantielles. Les requêtes triviales — celles qu’un chatbot classique traiterait mieux et plus vite — ne représentent que 6,4 % du volume. À l’inverse, 60,9 % des requêtes activent une orchestration lourde, nécessitant 16 appels de sous-agents ou plus.
Cela ne signifie pas que les utilisateurs « demandent compliqué par défaut ». Cela suggère plutôt une auto-sélection naturelle : les professionnels qui recourent à un portail agentique apportent des problèmes qui justifient cette complexité. Les questions simples restent sur d’autres outils. Le portail agentique s’installe dans les workflows où la décomposition multi-étapes apporte de la valeur.
Observation 02 — Huit utilisateurs sur dix confient à l’IA la production de livrables
Après avoir mesuré la progression des sessions de travail et l’approfondissement de la délégation, cette observation examine ce que les utilisateurs font produire par l’IA et la manière dont ils orientent cette production.
Définition — une production enregistrée correspond à un artefact signalé par la plateforme sur une requête marquée « success ». Cet indicateur permet d’identifier les moments où l’interaction aboutit à la création d’un résultat distinct de la conversation.
Top 10 des domaines de production les plus fréquents (juillet 2026)
Trois profils d’usage de l’IA agentique
| Profil | Part des utilisateurs | Rythme caractéristique | Production |
|---|---|---|---|
| Power users | 12 % | Usage quasi quotidien · 2 sessions de travail par jour | 14 livrables par mois |
| Utilisateurs réguliers | 54 % | Usage plusieurs fois dans le mois · environ 1 session par jour d’utilisation | 4 livrables par mois |
| Utilisateurs courants | 34 % | Usage centré sur des besoins ponctuels · une session à la fois | 1 livrable par mois |
Les utilisateurs réguliers constituent le profil majoritaire. Les Power users se distinguent par un changement d’échelle : plusieurs sessions par jour, des productions chaque semaine et une orchestration systématique des capacités agentiques.
Les trois leviers de la production agentique
La délégation d’une production ne réduit pas le rôle de l’utilisateur : elle le déplace. L’utilisateur définit le résultat recherché, apporte les éléments de travail et fixe les attentes. L’agent mobilise ensuite les méthodes, les ressources et les outils nécessaires à l’exécution.
Les données de juillet font apparaître trois leviers que l’agent combine pour produire : les Skills, qui structurent la méthode ; le contexte interne (fichiers, documents), qui fournit la matière propre à l’entreprise ; et le web, qui ouvre la production sur l’environnement extérieur.
1 — Les Skills : l’expertise transformée en méthode réutilisable
Pour produire, l’agent combine deux éléments complémentaires :
- Outil → effectuer une opération : lire un fichier, rechercher une information, réaliser un calcul, créer un document.
- Skill → appliquer un mode opératoire : instructions réutilisables précisant les étapes, les règles, les vérifications et la forme attendue du résultat.
Exemple — préparer une présentation : les outils consultent les documents sources, analysent leur contenu et créent le fichier. La Skill définit la structure du support, la hiérarchie des messages, les contrôles à réaliser, les règles de citation et les principes de mise en forme.
Ce niveau d’adoption révèle que la spécialisation devient une composante courante de la production avec l’IA. En capitalisant les étapes, les critères, les vérifications et les règles de restitution propres à une tâche, les Skills transforment une expertise en méthode immédiatement réutilisable.
Elles augmentent ainsi l’efficacité et la précision de l’exécution : l’agent n’a pas à reconstruire son mode opératoire à chaque mission, et le résultat suit un cadre plus constant. Une méthode éprouvée peut être mobilisée de nouveau, partagée entre plusieurs missions et progressivement enrichie.
Qu’elles soient choisies par l’utilisateur ou activées automatiquement par l’agent, les Skills rendent cette spécialisation accessible sans ajouter de complexité à l’usage.
L’utilisateur exprime le résultat recherché ; l’agent mobilise la méthode adaptée pour le produire.
Cette évolution fait passer l’IA d’une capacité générale à une capacité équipée pour une tâche précise. La valeur ne réside plus seulement dans la connaissance générale du modèle, mais dans la manière dont son action est organisée.
2 — Les données internes d’entreprise : l’IA inscrite dans le travail réel
Ce contexte se manifeste principalement par deux signaux : la lecture d’un fichier par l’agent, ou un appel aux documents de l’entreprise (RAG). Il peut également passer par une connexion directe aux applications métier (via des protocoles comme MCP), permettant à l’agent de puiser dans les outils déjà utilisés par l’organisation.
Cette présence du contexte de l’entreprise dessine un usage ancré dans le travail existant. L’utilisateur ne demande pas seulement à l’IA de créer à partir d’une page blanche : il lui confie des éléments à reprendre, analyser, rapprocher, transformer ou restituer sous une nouvelle forme.
La session devient alors un espace de transformation. Un document peut être lu, analysé, enrichi, converti en présentation, rapproché d’autres données puis repris à la suite d’une validation. L’IA s’intègre ainsi à une chaîne de travail déjà constituée, au lieu de fonctionner séparément des ressources de l’entreprise.
Pour l’organisation, cette évolution est structurante. Plus les agents disposent d’un contexte pertinent, plus ils peuvent adapter leur production aux documents, aux règles et aux connaissances propres à l’activité. Le portail relie alors les capacités générales de l’IA à la réalité particulière de chaque mission.
3 — Le web ouvre la production sur l’environnement extérieur
Les ressources internes ne constituent pas la seule matière mobilisable par les agents. Le web joue ici un rôle complémentaire. Il peut apporter une information récente, une référence publique, un élément de comparaison, une source réglementaire ou une donnée absente des documents déjà disponibles.
Le niveau d’usage observé suggère que le web intervient de manière ciblée, lorsque la mission demande une ouverture sur l’extérieur. La production peut ainsi associer la connaissance de l’entreprise à une compréhension plus large de son environnement.
Ce que révèle l’usage
Le signal central est ailleurs : 68,9 % des productions combinent contexte interne et Skills. Autrement dit, la production agentique ne repose pas principalement sur la connaissance paramétrique du modèle, mais sur l’association d’une matière propre à l’entreprise (ses documents, ses fichiers, ses données internes) et d’instructions structurées (les Skills). Le modèle n’est pas la source du contenu ; il est le moteur qui applique une méthode à un contexte.
Cette configuration dessine un usage situé : l’IA opère à l’intérieur de l’environnement de l’entreprise, avec ses données et ses règles. La valeur produite dépend moins de ce que le modèle « sait » en général que de sa capacité à mobiliser le bon contexte et la bonne méthode au bon moment.
Les grands enseignements 2026
Six enseignements se dégagent de ces données. Ils décrivent en réalité un même déplacement, vu sous six angles : la valeur se déplace du modèle vers le système, de la réponse vers le résultat, de l’exécution vers le jugement, et du prompt isolé vers la méthode partagée.
La production devient le véritable signal d’adoption
La fréquence des conversations ne suffit plus à mesurer l’appropriation de l’IA. Le basculement intervient lorsque l’échange produit quelque chose qui peut poursuivre sa vie hors de l’interface : un document à partager, une analyse à exploiter, une présentation à défendre, un fichier à réutiliser. C’est désormais le cas pour la majorité des utilisateurs. L’enjeu se déplace ainsi de la qualité d’une réponse vers la capacité à transformer une intention en résultat opérationnel.
L’autonomie qui se développe est une autonomie située
C’est le résultat le plus contre-intuitif de l’étude. Les usages les plus aboutis ne montrent pas une IA travaillant seule, à distance du réel : ils montrent une IA d’autant plus reliée aux documents, aux fichiers, aux méthodes et aux contraintes de l’utilisateur. Le contexte interne de l’entreprise pèse plusieurs fois plus lourd que la recherche web dans les productions. Plus une mission devient concrète, plus le contexte devient structurant. L’autonomie agentique est d’abord la capacité à agir à l’intérieur de son environnement de travail.
Le modèle n’est plus la seule unité de performance
La valeur d’un système agentique ne dépend plus uniquement des capacités du modèle qui génère une réponse. Elle repose sur toute la chaîne qu’il peut mobiliser : contexte, méthodes, outils, ressources spécialisées, sous-agents et mécanismes d’exécution — une même tâche pouvant en orchestrer de quelques-uns à plusieurs dizaines selon sa complexité. La question décisive n’est plus seulement « quel modèle utiliser ? », mais « quel système construire autour du modèle pour accomplir la mission de manière fiable et reproductible ? ». L’orchestration devient une capacité aussi déterminante que l’intelligence du modèle lui-même.
Les méthodes métier deviennent un capital mobilisable
Les méthodes formalisées introduisent une évolution profonde : une manière de travailler cesse d’être enfermée dans un prompt exceptionnel ou dans le savoir-faire d’un seul utilisateur avancé. Dans les faits, ces méthodes sont déjà présentes dans une large part des productions observées. Une méthode formalisée associe des étapes, des règles, des sources et un format de résultat — ce qui la rend, par construction, conservable et transmissible. La maturité agentique d’une organisation se jouera donc aussi sur sa capacité à transformer ses pratiques en méthodes exécutables et partagées.
Le rôle humain se déplace vers les décisions à plus forte valeur
À mesure que le système prend en charge davantage d’opérations intermédiaires — la délégation de bout en bout a été multipliée par plus de six en un an — l’utilisateur intervient moins dans le pilotage de chaque étape. Son rôle se concentre sur la définition de l’objectif, le choix du contexte, l’expression des contraintes, l’arbitrage et la validation. L’IA ne fait pas disparaître la responsabilité humaine : elle rend plus décisives encore la capacité à bien formuler le problème, à juger la production et à décider de son usage.
La simplicité devient une propriété du système
Une interaction simple ne signifie pas que le travail réalisé est simple. Elle signifie que la complexité nécessaire à son exécution peut être absorbée, organisée et rendue intelligible par le système. C’est le paradoxe central de cette étude : derrière une demande formulée en une phrase peuvent se déployer des dizaines d’opérations coordonnées. Le progrès ne consiste donc pas à supprimer les étapes, mais à éviter que l’utilisateur ait à les coordonner une par une. Il formule le résultat attendu ; l’architecture agentique compose les moyens de l’atteindre.
La trajectoire qui se dessine
La transition observée est celle d’une IA qui entre progressivement dans la chaîne de production de l’entreprise. Elle ne se contente plus de fournir de l’information : elle contribue à organiser le travail, à appliquer des méthodes, à mobiliser des ressources et à produire des objets exploitables — tout en laissant à l’humain la direction et le jugement final.
En 2026, la maturité agentique ne se juge plus seulement à ce que l’IA sait dire, mais à ce qu’une organisation sait lui faire accomplir — dans son contexte, et sous son contrôle.
Périmètre des résultats
Source : ensemble des utilisateurs et ensemble des sessions de juillet 2026 sur le portail Cominty.ai. Les parts portent sur 500 utilisateurs actifs en juillet 2026, les sessions ou les sessions avec production, selon l’indicateur.