L’offensive de Microsoft en matière d’agents IA passe du codage à la finance

Microsoft affirme que les agents IA transforment d’abord le travail d’ingénierie, malgré des questions non résolues sur leur fiabilité, leur supervision et leurs effets sur l’emploi.

L’entreprise souhaite désormais étendre le même modèle aux ventes, à la finance, aux opérations et à d’autres fonctions fondées sur le savoir. Les employés consacreraient moins de temps à exécuter eux-mêmes les étapes de routine. Ils définiraient plutôt les objectifs, délégueraient le travail, examineraient les résultats et interviendraient lorsqu’un agent atteint ses limites.

Charles Lamanna, vice-président exécutif de Microsoft chargé de Copilot, des agents et de la plateforme, a décrit cette transition lors d’une interview accordée le 10 août à Bloomberg Technology. Son argument va au-delà d’une simple mise à jour produit de Copilot. Microsoft demande aux entreprises de réorganiser le travail autour de personnes qui supervisent des logiciels capables d’agir.

Cet argument a pris du poids sur le plan commercial. Microsoft a indiqué compter plus de 30 millions de licences payantes Microsoft 365 Copilot dans ses derniers résultats fiscaux. Trois mois plus tôt, l’entreprise avait annoncé plus de 20 millions de licences, accompagnées d’une hausse de 250 % sur un an des ajouts de licences.

La question ouverte est de savoir si ces licences se traduisent par un usage productif des agents. Vendre l’accès est différent de transformer les flux de travail, de mesurer le travail achevé et de rendre les employés responsables des décisions automatisées.

Le conflit central de Microsoft oppose donc productivité et substitution. L’entreprise présente les agents comme des multiplicateurs de capacité permettant aux employés de se consacrer à des tâches à plus forte valeur. Les employeurs peuvent aussi utiliser cette même efficacité pour ralentir les embauches, regrouper des postes ou réduire les effectifs.

Microsoft transforme Copilot en travailleur

L’évolution importante de Microsoft consiste à passer des réponses aux questions des employés à l’exécution, pour leur compte, de portions de travail délimitées.

Un assistant classique attend une instruction et renvoie du texte. Un agent peut planifier plusieurs étapes, utiliser des outils autorisés, examiner des données d’entreprise et entreprendre des actions pour atteindre un résultat défini. Il peut également continuer à travailler pendant que l’employé passe à une autre tâche.

Lamanna a présenté l’ingénierie logicielle comme l’exemple précoce le plus clair. Les agents de codage peuvent examiner un dépôt, préparer des modifications, exécuter des tests, répondre aux commentaires de revue et préparer une pull request. L’ingénieur reste responsable de l’orientation, du jugement technique et de l’approbation finale.

GitHub a adapté son système de mesure à ce modèle opérationnel. En juillet, il a ajouté des métriques au niveau du dépôt pour les pull requests créées, fusionnées et examinées par des agents Copilot. Les organisations disposent ainsi de davantage qu’un simple nombre de licences ou un total d’instructions.

Cette métrique compte parce que l’adoption des agents doit être liée au travail achevé. Une entreprise peut désormais examiner où un agent crée des pull requests, à quelle fréquence ces changements sont fusionnés et dans quels cas la revue humaine apporte des corrections.

Microsoft veut transférer ce schéma vers des départements moins structurés. Un agent commercial pourrait qualifier des prospects, constituer le contexte d’un compte ou préparer des documents de suivi. Un agent financier pourrait rapprocher des écritures, examiner des écarts ou rédiger une explication à l’intention d’un contrôleur.

L’employé reste responsable de la décision métier. Toutefois, la séquence qui mène à cette décision comporte davantage d’exécution par la machine. Cela modifie les compétences qui mobilisent du temps et les défaillances que les responsables doivent anticiper.

Microsoft suit cette voie depuis plusieurs années. L’entreprise a lancé des Copilots fondés sur les fonctions pour les ventes et le service avant d’annoncer Copilot for Finance en 2024. L’offensive actuelle associe ces expériences spécialisées à des agents capables d’opérer à travers les applications et les sources de données.

Il ne s’agit pas simplement d’une meilleure interface de chat. La frontière du produit se déplace de la génération de suggestions vers la participation à un processus métier. Chaque action supplémentaire augmente à la fois le gain de productivité potentiel et le coût d’un résultat incorrect.

L’ingénierie a offert à Microsoft un point de départ favorable. Le code peut être compilé, testé, comparé, révisé et annulé. Ces contrôles rendent les erreurs visibles avant le déploiement lorsque les équipes les utilisent correctement.

Les ventes et la finance comportent moins de vérifications universelles. Un résumé de compte plausible peut omettre une relation qui modifie la recommandation. Une écriture financière techniquement valide peut néanmoins enfreindre une politique interne ou conduire à une mauvaise interprétation métier.

La prochaine étape de l’offensive de Microsoft dépend donc des contrôles, et pas seulement des capacités des modèles. Les entreprises ont besoin d’autorisations, de journaux, de règles d’évaluation, de voies d’escalade et de responsables humains clairement identifiés avant que les agents puissent traiter un travail ayant des conséquences importantes.

Trente millions de licences changent la donne

Microsoft 365 Copilot a dépassé le stade de l’expérimentation limitée en entreprise, mais les licences payantes ne prouvent pas une valeur métier constante.

Microsoft a déclaré dans ses résultats du troisième trimestre de l’exercice 2026 que Copilot avait dépassé 20 millions de licences payantes. Le nombre de clients comptant plus de 50 000 licences avait quadruplé par rapport à l’année précédente.

L’entreprise a également cité des déploiements particulièrement importants. Accenture comptait plus de 740 000 licences, tandis que Bayer, Johnson & Johnson, Mercedes et Roche s’étaient chacun engagés pour au moins 90 000 licences. Ces déploiements donnent à Microsoft accès à de nombreux départements où les agents peuvent être testés.

Lors de la dernière mise à jour fiscale, les licences payantes avaient dépassé 30 millions. Cette hausse donne à l’argument de Lamanna une autre dimension. Microsoft n’a plus besoin de démontrer que les grands employeurs achèteront des licences d’IA d’entreprise.

L’entreprise doit prouver que les travailleurs les utilisent pour des tâches utiles. Elle doit aussi montrer que les organisations peuvent passer de l’assistance individuelle à des processus pilotés par des agents sans perdre le contrôle.

Les commentaires du troisième trimestre de Microsoft présentent le contexte organisationnel comme l’avantage de Copilot. Work IQ, la couche de contexte de Microsoft, relie les personnes, les rôles, les documents, les communications et les autorisations à l’intérieur du périmètre de sécurité d’une entreprise.

Microsoft a déclaré que ce système couvrait plus de 17 exaoctets de données, en hausse de 35 % sur un an. Il reçoit également chaque jour des milliards d’e-mails, de documents et de conversations, ainsi que des centaines de millions de réunions Teams.

Ces chiffres décrivent l’ampleur du contexte disponible, et non sa précision ou son utilité pour chaque tâche. Davantage d’informations peuvent aider un agent à comprendre une organisation. Elles peuvent aussi accroître l’importance de la conception des autorisations, de la qualité de la récupération des données et de l’hygiène des données.

C’est là que Microsoft peut exercer une pression sur des rivaux tels que Google, Salesforce, ServiceNow et les développeurs spécialisés d’agents. Les modèles rivalisent de plus en plus par leur accès au contexte de travail, aux outils et à la distribution, et non plus seulement par la génération de texte.

Google peut connecter Gemini aux applications Workspace et aux données organisationnelles. Salesforce peut ancrer Agentforce dans les dossiers clients et les flux de vente. ServiceNow peut intégrer des agents dans des processus structurés de service et d’exploitation.

La position de Microsoft est exceptionnellement large, car de nombreux employeurs utilisent déjà ses produits d’identité, de productivité, de développement, de cloud et de sécurité. L’entreprise peut placer des agents là où les employés lisent des messages, participent à des réunions, créent des documents, analysent des feuilles de calcul et écrivent du code.

Cette ampleur ne garantit pas l’adoption. Elle réduit toutefois le nombre de systèmes distincts qu’un acheteur en entreprise doit connecter avant de tester un flux de travail automatisé.

Le chiffre de 30 millions crée également une pression interne pour Microsoft. Les clients attendront des preuves que le déploiement produit davantage que la rédaction accélérée de documents. Ils voudront des résultats liés aux cycles de vente, aux délais de clôture financière, à la résolution du support, à la livraison logicielle ou à d’autres travaux mesurables.

Cette exigence explique l’évolution de GitHub vers des métriques d’agents au niveau du dépôt. Les acheteurs ont besoin de mesures similaires en dehors de l’ingénierie. Le nombre d’instructions et les utilisateurs actifs ne peuvent pas montrer si un agent a amélioré une décision ou s’il a simplement généré davantage de matériel à examiner par des humains.

L’essor commercial marque donc le début d’une période d’évaluation plus difficile. Microsoft a démontré sa capacité de distribution. L’entreprise doit désormais accomplir le travail plus lent consistant à prouver une valeur reproductible dans des départements aux tolérances au risque différentes.

Productivité et effectifs sont les véritables adversaires

Microsoft présente les agents comme un moyen d’accroître la production, tandis que les employeurs conservent la possibilité de transformer cette production en besoins de personnel moindres.

L’argument de Lamanna sur la productivité suit un schéma économique familier. Lorsqu’une technologie réduit l’effort nécessaire à l’exécution d’une tâche, une entreprise peut produire davantage, améliorer la qualité, réduire les coûts ou combiner les trois.

Cela ne produit pas un résultat unique et fixe pour l’emploi. La demande peut augmenter suffisamment pour créer de nouveaux emplois. Les entreprises peuvent aussi maintenir leur production constante et employer moins de personnes.

Microsoft met l’accent sur l’expansion. Dans son modèle, un ingénieur supervise plusieurs tâches de codage au lieu d’exécuter manuellement une seule séquence. Un commercial passe davantage de temps avec les clients parce qu’un agent prend en charge la recherche et la préparation.

Un professionnel de la finance peut examiner les exceptions au lieu de compiler des rapports de routine. Un responsable peut tester davantage de scénarios parce que des agents collectent les informations et préparent l’analyse initiale.

Ces exemples étayent un récit de capacité. Ils n’éliminent pas la question de la substitution. Le même logiciel qui libère un employé du travail répétitif peut permettre à un département d’absorber sa croissance sans créer de poste supplémentaire.

Salesforce offre un contrepoint visible. Ses dirigeants ont lié la productivité de l’IA à un ralentissement des embauches en ingénierie et à une réduction des effectifs du support client. Cela rend plus difficile de rejeter le compromis en matière d’emploi comme une préoccupation théorique.

Microsoft lui-même évolue dans cette même tension. L’entreprise a mis en avant d’importantes économies générées par l’IA tout en procédant à des réductions d’effectifs pendant son cycle plus large d’investissement dans les infrastructures. Les affirmations de productivité et les suppressions d’emplois peuvent coexister, même lorsque la direction affirme que l’une n’a pas directement causé l’autre.

La distinction entre supprimer un poste et éviter une future embauche compte également. L’usage des agents ne provoquera peut-être pas une annonce de licenciement immédiate. Il peut néanmoins modifier l’emploi par l’attrition, un recrutement de débutants plus restreint ou des attentes de production plus élevées.

L’ingénierie logicielle fournit à nouveau un signal précoce. Si des ingénieurs expérimentés supervisent des agents qui exécutent des tâches d’implémentation, les entreprises pourraient avoir besoin de moins de développeurs juniors pour le codage de routine. Elles pourraient simultanément avoir besoin de davantage de personnes capables de concevoir des systèmes, d’examiner des changements complexes et de gérer les risques de production.

Cette transition crée un problème de formation. Les tâches de début de carrière aident traditionnellement les employés à développer le jugement nécessaire au travail de niveau supérieur. Automatiser une trop grande part de cette pratique pourrait affaiblir le futur vivier de talents.

La finance fait face à un problème connexe. Les analystes juniors apprennent souvent par le rapprochement, la documentation et l’exposition répétée aux dossiers métier. Déléguer ces étapes peut faire gagner du temps, mais uniquement si les employeurs créent une autre manière de développer le jugement analytique.

Les propres recherches de Microsoft pour 2026 reflètent cette préoccupation. Les utilisateurs avancés ont indiqué qu’ils préservaient intentionnellement certaines tâches sans IA afin de maintenir leurs compétences à jour. Ils s’arrêtent également plus souvent pour décider si un humain ou un agent doit effectuer une tâche.

Ce comportement suggère qu’une supervision efficace exige une expertise active. Un travailleur ne peut pas évaluer de manière fiable le résultat d’un agent après avoir perdu les connaissances nécessaires pour reconnaître une erreur.

L’issue pour l’emploi dépendra donc des choix de management plutôt que du seul logiciel. Les dirigeants décideront si le temps gagné se traduit par davantage de contacts clients, plus d’analyses, des délais plus courts, moins de recrutements ou des suppressions de postes.

Qualifier cette transition de gain de productivité ne tranche pas cette décision. Cela décrit une capacité. Les employeurs déterminent toujours comment la valeur économique est répartie entre clients, actionnaires et salariés.

Pourquoi l’ingénierie précède la finance et les ventes

Les agents de codage ont progressé en premier parce que le travail logiciel offre des boucles de rétroaction qui font encore défaut à de nombreux processus métiers.

Un agent de codage peut recevoir un ticket clair, examiner un dépôt défini et proposer une modification vérifiable. Des tests automatisés contrôlent ensuite au moins une partie de son travail. Le contrôle de version enregistre les changements, tandis que les relecteurs peuvent rejeter ou annuler le résultat.

Ces mécanismes ne rendent pas les agents de codage fiables par défaut. Ils facilitent le confinement des erreurs. Un test échoué, un diff inattendu ou un commentaire de revue crée un signal visible avant que le code n’atteigne les utilisateurs.

La mise à jour de GitHub d’avril a ajouté des comptes quotidiens, hebdomadaires et mensuels d’utilisateurs d’agents aux rapports d’entreprise. Combinées aux métriques de pull requests, ces mesures peuvent relier l’adoption à un processus de livraison observable.

La finance et les ventes dépendent souvent d’un jugement qui ne peut pas être ramené à un seul test réussi. La bonne réponse varie selon les politiques comptables, les conditions contractuelles, l’historique client, les conditions de marché et les exceptions connues des employés expérimentés.

Un agent préparant une opportunité commerciale peut récupérer des messages et des notes de réunion. Il lui faut néanmoins des règles pour distinguer une remarque informelle d’un engagement d’achat. Une inférence erronée peut nuire à la relation client sans déclencher d’erreur technique.

Un agent financier peut comparer des transactions et signaler des anomalies. Il ne doit pas effectuer une écriture non étayée, exposer des données restreintes ni considérer comme frauduleux un paiement inhabituel mais légitime.

Cela rend essentiel un périmètre limité. Les entreprises peuvent commencer par des tâches où l’agent prépare le travail et où un employé qualifié l’approuve. Une autonomie plus étendue doit suivre une précision démontrée, et non la précéder.

Le positionnement produit de Microsoft lui fournit plusieurs éléments nécessaires à cette conception. Entra peut gérer les identités et les accès. Microsoft 365 fournit le contexte de travail. Copilot Studio prend en charge les agents personnalisés, tandis qu’Agent 365 est destiné à aider les organisations à les enregistrer et à les gouverner.

L’entreprise prend également en charge des agents issus de portefeuilles de modèles externes. Lors de son appel sur le deuxième trimestre de son exercice fiscal, Microsoft a présenté GitHub Agent HQ comme une couche d’organisation pour les agents de codage d’Anthropic, OpenAI, Google, Cognition, xAI et d’autres.

Cette approche de plateforme reconnaît que les entreprises utiliseront plusieurs agents. Microsoft veut contrôler l’espace de travail, l’identité, le contexte et la gouvernance, même lorsqu’une autre entreprise fournit le modèle sous-jacent.

Cela crée une deuxième pression concurrentielle. Les développeurs d’agents ont besoin d’accéder aux systèmes métiers, mais les entreprises veulent des contrôles centralisés. Microsoft peut en bénéficier, que les clients choisissent un agent propriétaire ou en connectent un externe via son infrastructure.

Le mécanisme dépend toujours de la qualité des connaissances organisationnelles. Des agents ancrés dans des documents dupliqués, des procédures obsolètes et des autorisations imprécises reproduiront ces faiblesses à plus grande vitesse.

Les entreprises qui se préparent au travail fondé sur les agents devront donc peut-être corriger leur gestion de l’information avant de rechercher l’autonomie. Une base de connaissances interrogeable peut soutenir la revue humaine aussi bien que la récupération automatisée.

Les meilleurs déploiements à court terme ressembleront probablement à une délégation rigoureuse. Un employé définit l’objectif, limite les données et les outils, examine les éléments de preuve intermédiaires et assume la responsabilité du résultat.

Ce modèle est moins spectaculaire qu’un employé numérique travaillant seul. Il est aussi plus compatible avec les contrôles qui rendent déjà les agents de codage utiles.

Ce que les chiffres de Microsoft ne prouvent pas

Les éléments disponibles montrent une diffusion rapide et une utilisation croissante, mais ils n’établissent pas que les agents autonomes améliorent systématiquement la productivité à l’échelle de l’entreprise.

Le Work Trend Index 2026 de Microsoft apporte des précisions utiles sur la manière dont les employés utilisent l’IA. L’entreprise a analysé les signaux de Microsoft 365 et interrogé 20 000 travailleurs du savoir utilisant déjà l’IA sur 10 marchés.

Une analyse respectueuse de la confidentialité de plus de 100 000 conversations Copilot a révélé que 49 % soutenaient le travail cognitif. Dix-neuf pour cent concernaient le travail avec les autres, 17 % la production de travail et 15 % la recherche d’informations.

Microsoft a également indiqué que 66 % des utilisateurs d’IA interrogés estimaient que cette technologie leur donnait davantage de temps pour un travail à forte valeur. Cinquante-huit pour cent ont déclaré produire un travail qu’ils n’auraient pas pu accomplir un an auparavant.

Ces résultats confortent l’idée que l’utilisation de l’IA va au-delà de la rédaction. Toutefois, l’enquête portait sur des personnes utilisant déjà l’IA générative au travail. De nombreux résultats reposaient sur des déclarations plutôt que sur des mesures indépendantes de la production organisationnelle.

Microsoft explique clairement ces limites dans le Work Trend Index. Ses catégories de préparation reposent sur les comportements déclarés, la confiance, la culture, le soutien du management et la création de valeur.

Le rapport a constaté que seuls 19 % des utilisateurs d’IA combinaient une forte capacité individuelle et une solide préparation organisationnelle. Dix pour cent supplémentaires disposaient des compétences mais manquaient de systèmes d’entreprise de soutien. La moitié restait dans une catégorie intermédiaire émergente.

Seuls 26 % ont déclaré que leur direction était clairement et systématiquement alignée sur l’IA. Ce constat complique l’idée selon laquelle l’achat de licences Copilot produit naturellement une entreprise prête pour les agents.

Une licence donne accès à la technologie. Elle ne définit pas quelles tâches les agents doivent prendre en charge, ne résout pas les politiques contradictoires et ne crée pas de processus d’escalade. Elle ne forme pas non plus les managers à évaluer équitablement les contributions humaines et celles des agents.

La sécurité demeure une autre contrainte. Un agent disposant d’un accès aux outils peut faire davantage que générer un paragraphe inexact. Il peut récupérer des données sensibles, envoyer un message erroné, modifier un enregistrement ou déclencher un autre processus automatisé.

Les recommandations de Microsoft sur la conception d’agents mettent l’accent sur la fiabilité, la confidentialité, la sécurité, la transparence et la responsabilité. Elles conseillent aux équipes d’expliquer les limites des agents, de surveiller leur comportement et de maintenir des mesures d’atténuation après le déploiement.

Ces recommandations montrent pourquoi l’autonomie ne peut pas être traitée comme une installation logicielle ponctuelle. Les agents évoluent à mesure que changent les modèles, les prompts, les outils, les autorisations et les données sous-jacentes. Les organisations ont besoin d’une évaluation continue plutôt que d’une autorisation de lancement unique.

Le coût de la revue humaine mérite aussi l’attention. Un agent peut produire du contenu plus vite qu’un employé ne peut le vérifier. Si la revue devient un goulet d’étranglement, les gains apparents d’automatisation peuvent déplacer le travail plutôt que le supprimer.

La supervision peut également créer un biais d’automatisation. Les employés peuvent accepter des résultats plausibles parce que le système fonctionne la plupart du temps, en particulier sous la pression des délais. Une erreur rare peut alors franchir le contrôle conçu pour la détecter.

À l’inverse, les employés peuvent se méfier de l’agent et refaire chaque tâche. Cela produit un travail en double et affaiblit le rendement attendu. Un déploiement utile se situe entre l’acceptation aveugle et la répétition complète.

La croissance des licences Microsoft ne peut pas résoudre ces problèmes. Les éléments les plus probants viendront de résultats au niveau des tâches, notamment le temps de cycle, les taux de correction, la fréquence des exceptions, les résultats clients et l’impact financier vérifié.

L’argument de productivité de l’entreprise reste crédible comme orientation, mais incomplet comme conclusion générale. L’ingénierie offre des mécanismes encourageants. La finance et les ventes ont encore besoin de preuves dans leurs propres conditions opérationnelles.

Trois signaux mettront à l’épreuve la stratégie de Microsoft sur les agents d’IA

Le prochain test consistera à déterminer si Microsoft et ses clients peuvent relier l’activité des agents à des résultats métiers fiables.

Le premier signal sera la mesure au niveau des tâches au-delà de l’ingénierie. GitHub rapporte déjà l’activité de pull requests créées et revues par des agents, dépôt par dépôt. Microsoft a besoin de mesures de résultats comparables pour les flux de travail de vente, de finance et de service.

Pour les ventes, des preuves utiles relieraient le travail des agents aux opportunités qualifiées, aux délais de réponse, à la conversion et aux taux de correction. Pour la finance, elles mesureraient la durée de clôture, la résolution des exceptions, les recommandations rejetées et les constats d’audit.

Si Microsoft expose des mesures opérationnelles crédibles, son argument de productivité se renforcera. Si les rapports restent centrés sur les licences, les prompts et les utilisateurs actifs, les acheteurs auront du mal à distinguer l’adoption de la valeur métier.

Le deuxième signal sera la relation entre la croissance de Copilot et la planification des effectifs. Les investisseurs et les employés surveilleront les recrutements, l’attrition, les réorganisations et les attentes de production dans les services qui adoptent les agents.

Un schéma d’augmentation de la production avec un emploi stable soutiendrait l’argument de capacité de Microsoft. Des réductions d’effectifs répétées liées à l’automatisation renforceraient l’interprétation de substitution, quelle que soit la manière dont les fournisseurs décrivent la technologie.

La distinction pourrait rester difficile à prouver. Les entreprises isolent rarement une seule cause lorsqu’elles ajustent leurs effectifs. Les acheteurs peuvent néanmoins indiquer si le temps gagné finance de nouveaux travaux, absorbe la croissance ou réduit les besoins en main-d’œuvre.

Le troisième signal sera la gouvernance en situation d’autonomie réelle. Les registres d’agents, les limites d’autorisations, les journaux d’audit et les validations humaines doivent fonctionner avec des agents propriétaires comme externes. Un grave échec d’accès ou d’action ralentirait le déploiement dans les fonctions réglementées.

La stratégie de Microsoft se renforce si les entreprises élargissent les autorisations des agents tout en maintenant de faibles taux d’erreur et d’incident. Elle s’affaiblit si la plupart des déploiements restent limités à la rédaction parce que les organisations ne peuvent pas faire confiance aux actions autonomes.

Les acheteurs devraient également surveiller la réaction des concurrents. Google peut s’appuyer sur la distribution de Workspace, Salesforce sur les données clients et ServiceNow sur des processus opérationnels structurés. Chacun dispose d’une voie différente vers le travail d’entreprise fondé sur les agents.

Microsoft n’a pas besoin de fournir chaque modèle gagnant. Son objectif plus vaste est de devenir la couche opérationnelle qui relie les agents aux identités, aux connaissances de l’entreprise, aux applications et aux contrôles.

Cette ambition explique le passage du codage à la finance. L’ingénierie offrait des tâches mesurables et des systèmes de revue établis. Microsoft veut désormais démontrer que la supervision humaine peut rendre les agents fiables dans des travaux moins déterministes.

Les 30 millions de licences payantes constituent un vaste terrain d’essai, pas un verdict final. Le chiffre décisif ne sera pas le nombre d’employés qui reçoivent Copilot. Ce sera le nombre de flux de travail fiables qui produisent de meilleurs résultats sans masquer une revue supplémentaire, des risques ou du travail déplacé.

Pour les développeurs, les équipes financières, les responsables commerciaux et les acheteurs d’entreprise, l’action immédiate consiste à choisir un processus mesurable avant d’élargir l’accès. Définissez le résultat attendu, les données autorisées, le responsable de la revue, le seuil d’échec et le chemin d’escalade. Comparez ensuite le processus assisté par l’agent au flux de travail existant. La stratégie de Microsoft sur les agents d’IA réussira lorsque cette comparaison justifiera une délégation plus large, et non lorsqu’une licence supplémentaire apparaîtra dans le tableau de bord d’un administrateur.