Les agents d’IA Agentforce de Salesforce obtiennent des intitulés de poste, une mémoire persistante et un test plus exigeant

Salesforce a présenté sept agents d’IA nommés, mais le changement déterminant ne réside pas dans leur image de marque plus humaine. L’un d’eux est conçu pour poursuivre des objectifs commerciaux pendant des semaines, voire des mois.

Les agents d’IA Agentforce de Salesforce arrivent avec des descriptions de poste couvrant le service client, les ventes, le commerce, l’assistance aux employés et les opérations de chaîne d’approvisionnement. Six sont généralement disponibles, tandis que Hunter, l’agent de prospection commerciale, reste en phase pilote avant une sortie prévue en novembre 2026.

Ce calendrier compte, car Hunter porte la promesse technique la plus ambitieuse de Salesforce. Son nouvel environnement d’exécution à long horizon est conçu pour préserver le contexte, maintenir des plans et ajuster un travail en cours sur plusieurs sessions. Microsoft propose déjà des agents commerciaux autonomes dans Dynamics 365 ; Salesforce doit donc démontrer qu’une mémoire plus longue produit de meilleurs résultats, et non de plus longues chaînes d’erreurs cachées.

Il s’agit d’un passage d’une IA vendue comme assistant à une IA conditionnée comme force de travail. Les noms et les intitulés de poste rendent chaque produit plus facile à comprendre, à attribuer, à mesurer et à intégrer dans un plan opérationnel. Ils accentuent aussi les questions difficiles d’autorité, de supervision et de responsabilité.

Les agents d’IA Agentforce de Salesforce arrivent désormais prêts pour des missions précises

Salesforce remplace le canevas vierge de création d’agents par un catalogue d’agents associés à des rôles métier reconnaissables.

L’entreprise a annoncé Casey, Paige, Carter, Hunter, Marshall, Piper et Fin le 11 septembre 2026. Chaque agent démarre avec un domaine de responsabilité défini, plutôt qu’avec une interface de chat générique.

Casey traite les demandes de service client par voix, SMS, WhatsApp et chat web. Ses flux de travail préconfigurés couvrent les questions fréquentes, les retours, la gestion des comptes et l’escalade vers des représentants humains.

Paige se concentre sur l’assistance aux employés. Il répond aux demandes informatiques et de ressources humaines via Slack, les portails d’entreprise et d’autres systèmes de travail.

Carter s’adresse aux acheteurs. Il peut aider les clients à trouver et comparer des produits, répondre aux questions et finaliser des achats au sein d’une conversation.

Marshall vise les processus de chaîne d’approvisionnement et de back-office. Salesforce indique qu’il associe le raisonnement par IA à une exécution déterministe, ce qui signifie que des règles fixes contrôlent les actions qui ne devraient pas dépendre du jugement du modèle. Il enregistre également chaque action pour un examen ultérieur.

Piper qualifie les prospects entrants via les sites web et les boîtes de réception. Fin gère les flux de travail liés à l’expérience client sur la messagerie, l’e-mail, le téléphone et Slack.

Hunter fait figure d’exception. Selon le portefeuille officiel d’agents, il recherche des prospects, mène des actions de prospection et travaille avec les commerciaux pendant des semaines ou des mois. Salesforce prévoit de le rendre généralement disponible en novembre.

Les clients peuvent modifier les noms des agents et adapter leur comportement. Cette personnalisation transforme les noms en modèles plutôt qu’en identités de produit permanentes.

Les intitulés de poste remplissent néanmoins une importante fonction commerciale. Un acheteur peut comparer les performances d’un « agent d’assistance » aux indicateurs existants d’une équipe de support. Un responsable commercial peut évaluer un agent de prospection par rapport aux objectifs de pipeline. Un responsable de chaîne d’approvisionnement peut vérifier si un processus automatisé a suivi les approbations requises.

Un assistant générique ne dispose pas de cette unité de responsabilité évidente. Il peut répondre à des questions sur de nombreux sujets sans être responsable d’un résultat mesurable. Ces nouveaux agents sont présentés comme responsables d’un travail délimité.

Ce positionnement réduit aussi l’effort nécessaire pour imaginer un cas d’usage. Les entreprises n’ont plus besoin de commencer par se demander ce qu’un agent pourrait faire. Elles peuvent commencer par évaluer si un rôle préconfiguré correspond à un processus existant.

Salesforce indique que ses sept agents comprennent les compétences, les actions et les modèles de données nécessaires à leurs missions respectives. Les acheteurs doivent toujours connecter les données de l’entreprise, configurer les autorisations, définir les règles métier, tester les cas limites et choisir les points d’escalade.

« Prêt pour le poste » ne signifie donc pas prêt à fonctionner sans préparation. Cela signifie que Salesforce a déplacé davantage de décisions de conception dans le produit avant son déploiement.

Cette approche facilite l’achat d’IA d’entreprise. Elle facilite aussi l’attribution des échecs. Si Casey gère mal les retours ou si Hunter cible des comptes inadaptés, les acheteurs savent quel agent et quel flux de travail doivent être examinés.

Le lancement crée la tension centrale de l’article : Salesforce fait davantage ressembler les agents à des collègues fiables au moment même où leur travail devient plus persistant et plus difficile à superviser.

La mémoire à long terme fait de Hunter le véritable test

Hunter est important parce qu’il tente de maintenir un objectif métier après la fin de la conversation qui l’a lancé.

La plupart des chatbots professionnels fonctionnent selon une boucle de requête et de réponse. Une personne demande une information, reçoit une réponse et décide de la suite.

Hunter est conçu pour un travail s’inscrivant dans un horizon plus long. Un commercial pourrait lui demander d’identifier les opportunités à risque avant la clôture d’un trimestre. L’agent pourrait alors transformer cet objectif en tâches, trouver les informations pertinentes, mener des actions de prospection et mettre à jour son plan.

Salesforce attribue ce comportement à trois capacités interconnectées : la mémoire, l’exécution durable et le pilotage dynamique.

La mémoire préserve le contexte et la progression entre les sessions. L’exécution durable maintient un plan actif et permet à l’agent de reprendre après des interruptions. Le pilotage dynamique modifie son comportement lorsqu’un utilisateur fournit de nouvelles informations ou orientations.

La mémoire persistante diffère d’une grande fenêtre de contexte. Une fenêtre de contexte correspond aux informations qu’un modèle peut traiter lors d’une inférence. La mémoire persistante stocke un état sélectionné afin que le travail puisse se poursuivre entre des interactions distinctes.

L’exécution durable est tout aussi importante. L’agent a besoin d’un registre des étapes achevées, des actions en attente, des dépendances, des échecs et des exigences d’approbation. Sans cela, se souvenir d’un objectif ne garantit guère une progression fiable.

Le pilotage dynamique ajoute une autre couche. Un commercial peut changer les priorités, supprimer un compte, revoir les messages ou exiger une approbation avant toute nouvelle prospection. Hunter doit intégrer ces instructions sans perdre les contraintes antérieures.

Cette combinaison ressemble à un moteur de workflow doté d’une couche de planification par IA. Le modèle propose et adapte les actions, tandis que le système environnant maintient l’état et applique les limites.

Elle crée aussi un nouveau mode de défaillance. Une mauvaise réponse dans un chatbot est généralement visible immédiatement. Une hypothèse erronée au sein d’un plan d’un mois peut influencer discrètement de nombreuses actions ultérieures.

Par exemple, Hunter pourrait classer un compte de manière incorrecte, choisir un contact inadapté ou interpréter le silence comme une autorisation de poursuivre la prospection. Chaque tâche ultérieure peut rester cohérente en interne tout en reposant sur une prémisse erronée.

Ce risque rend la traçabilité essentielle. Les acheteurs doivent pouvoir voir ce que l’agent croyait, quelles informations il a utilisées, ce qui a modifié son plan et à quel moment un humain a approuvé une action.

Salesforce affirme que Hunter peut distinguer les actions qu’il peut effectuer de manière autonome de celles nécessitant l’approbation d’un commercial. L’entreprise n’a pas publié de preuves indépendantes montrant à quel point ces limites sont respectées de façon fiable dans des déploiements variés.

La mémoire de longue durée exige aussi une maintenance active. Les faits stockés peuvent devenir obsolètes, être dupliqués ou perdre leur contexte d’origine. Une base de connaissances IA utile nécessite des contrôles de provenance et de récupération, et non simplement davantage de texte stocké.

Le même principe s’applique à Hunter. Se souvenir de plusieurs mois d’activité n’a de valeur que si l’agent récupère le bon historique au bon moment.

Salesforce prévoit d’étendre l’environnement d’exécution à long horizon à d’autres agents et, à terme, de permettre aux clients de créer leurs propres agents à long horizon. Hunter est donc à la fois un produit et un test en production pour l’architecture sous-jacente.

Si Hunter fonctionne comme décrit, Agentforce peut aller au-delà d’une assistance isolée pour entrer dans des opérations continues. S’il exige des corrections constantes, l’horizon temporel plus long amplifiera les coûts de supervision.

La pression s’exerce sur Microsoft, ServiceNow et les acheteurs d’entreprise

Salesforce ne crée pas le marché des agents d’entreprise, mais force ses concurrents à expliquer qui est responsable d’un résultat dans la durée.

Microsoft propose déjà des agents spécialisés pour la qualification commerciale, la recherche sur les opportunités, la conclusion de ventes et les actions recommandées. Son catalogue d’agents commerciaux comprend des agents qui recherchent des prospects, envoient des messages de prospection, identifient les risques liés aux opportunités et assistent les équipes tout au long d’un cycle de vente.

Microsoft est ainsi la référence concurrentielle la plus évidente pour Hunter. Les deux entreprises peuvent ancrer les agents dans les dossiers clients et les communications professionnelles. Toutes deux transforment des systèmes d’enregistrement en systèmes qui initient le travail.

L’avantage de Microsoft provient de sa présence dans Outlook, Teams, Microsoft 365 Copilot, Power Platform et Dynamics 365. Les signaux issus des réunions, des e-mails, des documents et des dossiers CRM peuvent soutenir les décisions commerciales dans les outils que les employés utilisent déjà.

L’argument de Salesforce s’articule autour de Customer 360, des processus métier et de l’environnement d’exécution à long horizon. L’entreprise veut convaincre les acheteurs qu’un agent profondément intégré au CRM peut maintenir un objectif mieux qu’un assistant qui passe d’une application de productivité à une autre.

La compétition ne se résume donc pas à Salesforce contre Microsoft sur la qualité des modèles. Elle concerne l’orchestration, le contexte, les autorisations et la persistance de l’état.

ServiceNow aborde le problème sous l’angle des workflows et de la gouvernance. Son AI Control Tower élargi est conçu pour découvrir, observer, sécuriser et mesurer les agents dans plusieurs systèmes d’entreprise.

Cette orientation devient plus pertinente lorsque les agents restent actifs pendant des semaines. Une entreprise peut utiliser Salesforce pour les ventes, ServiceNow pour les opérations informatiques, Microsoft pour la productivité au travail et des agents personnalisés pour les processus internes.

Un agent nommé peut toujours traverser plusieurs systèmes tout en poursuivant un seul résultat. L’acheteur doit décider quelle plateforme enregistre l’autorité, surveille le comportement et résout les conflits entre les agents.

Salesforce répond avec ses propres fonctions d’orchestration et d’optimisation. Multi-Agent Orchestration est généralement disponible, selon l’entreprise. Cette fonction achemine le travail entre des agents spécialisés lorsqu’une tâche traverse plusieurs rôles ou systèmes.

Agent Optimizer devrait être généralement disponible en octobre 2026. Salesforce indique qu’il analysera les traces de session, aidera les équipes à tester les performances et identifiera des améliorations possibles.

AI Skills for Agentforce Coworker est également prévu pour octobre. Ces fonctionnalités visent à permettre aux employés de démontrer une tâche et de réutiliser ce savoir dans l’ensemble de l’entreprise.

Ces capacités révèlent la véritable couche concurrentielle. Créer un agent impressionnant ne suffit plus. Les éditeurs destinés aux entreprises ont besoin d’un système pour former, coordonner, évaluer et gouverner des flottes d’agents.

La pression s’exerce aussi sur les acheteurs. Un rôle préconfiguré réduit le travail de conception initial, mais il peut inciter les entreprises à automatiser un processus avant d’avoir vérifié sa stabilité.

Une politique commerciale mal définie ne s’améliore pas parce que Hunter l’exécute plus souvent. Une politique de retours incohérente reste incohérente lorsque Casey l’applique sur davantage de canaux.

Les entreprises doivent distinguer la préparation à l’automatisation de la disponibilité d’un produit. La disponibilité générale signifie qu’un fournisseur propose et prend en charge un produit. Elle ne signifie pas que chaque organisation dispose de la qualité des données ou de la rigueur opérationnelle nécessaires pour le déployer de manière responsable.

Microsoft, ServiceNow et Salesforce décrivent désormais les agents comme des participants actifs aux processus métiers. La prochaine phase de concurrence portera moins sur la capacité des agents à agir que sur la capacité des organisations à faire confiance au travail qui en résulte.

Des agents nommés rendent l’IA plus facile à acheter et plus difficile à excuser

Les noms à consonance humaine simplifient l’adoption, mais les intitulés de poste créent aussi des attentes que le branding produit ne peut satisfaire à lui seul.

Les éditeurs de logiciels ont depuis longtemps structuré des systèmes complexes autour de rôles. Les plateformes de vente s’adressent aux commerciaux, les plateformes de service aux équipes d’assistance et les plateformes de commerce aux marchands.

Salesforce pousse cette structure familière un cran plus loin. Le produit lui-même reçoit désormais le rôle.

Ce cadrage aide les dirigeants non techniques à comprendre le portefeuille. Casey est plus facile à évoquer qu’un ensemble d’actions de service, de composants de récupération, d’intégrations de canaux et de paramètres de modèle.

Le nom crée un raccourci mental. L’intitulé de poste fournit le résultat attendu. Une discussion de déploiement peut commencer par les responsabilités plutôt que par l’architecture.

C’est un marketing utile, mais cela peut aussi brouiller la distinction entre logiciel et emploi. Un collègue humain apporte un jugement contextuel, des connaissances informelles, une responsabilité éthique et la capacité de contester une instruction inadaptée.

Un agent IA agit au sein de systèmes et d’autorisations configurés. Il n’a pas de responsabilité personnelle, même lorsque son interface utilise un nom et une voix conversationnelle.

L’unité pratique de responsabilité reste l’organisation. Les responsables décident des données auxquelles l’agent peut accéder, des actions qu’il peut entreprendre, des moments où une approbation est requise et de la manière dont les incidents sont examinés.

Cette distinction devient cruciale pour les tâches de longue durée. Une erreur de chatbot peut affecter une seule réponse. Un agent commercial sortant peut contacter de nombreux prospects, modifier des dossiers et influencer un pipeline avant que quelqu’un ne repère une tendance.

Un rôle nommé devrait donc s’accompagner d’une description opérationnelle formelle. Ce document doit préciser les actions autorisées, les actions interdites, les seuils d’escalade, les sources de données, les règles de conservation, les responsables et les calendriers de revue.

L’agent doit également disposer de métriques de résultats qui prennent en compte la qualité. Le seul volume du pipeline peut récompenser une prospection de faible qualité. Le seul taux de résolution peut masquer des dossiers rouverts, la frustration des clients ou des réponses incorrectes.

Salesforce a fourni plusieurs résultats rapportés par ses clients. Engine indique que son agent d’assistance résout entièrement 50 % des demandes par chat. Perk rapporte que Hunter construit 60 % de son pipeline commercial.

Autism Queensland affirme que Paige résout 70 % des demandes administratives. Hibbett indique que son agent d’achat gère 90 % des parcours d’achat principaux après un déploiement de six semaines.

Asana affirme que Piper génère quatre fois son volume précédent de conversations, tandis que les clients déploient Piper en 45 jours en moyenne. Salesforce indique également que Fin résout de manière autonome 79 % des conversations Anthropic qu’il traite.

Ces chiffres montrent pourquoi les agents packagés attirent les acheteurs. Ils relient directement un agent à des résultats opérationnels plutôt qu’à des benchmarks de modèles.

Ils restent toutefois des exemples clients sélectionnés et publiés par Salesforce. Ils n’établissent pas une performance typique, et leurs dénominateurs peuvent différer selon les entreprises.

Le terme « résolu » peut avoir des sens différents selon les politiques d’escalade, les définitions de dossier et les fenêtres de mesure. Un « pipeline construit » ne signifie pas nécessairement un chiffre d’affaires conclu.

La bonne réaction n’est pas d’écarter ces résultats. Les acheteurs devraient demander des définitions précises, des comparaisons avec une référence, des taux d’exception et des preuves issues de déploiements comparables aux leurs.

Les noms aident les gens à retenir les produits. Les intitulés de poste aident les dirigeants à attribuer des budgets. Seules des performances mesurées dans des conditions opérationnelles réelles peuvent transformer ces étiquettes en confiance durable.

Les preuves de Salesforce sont prometteuses, mais restent rapportées par le fournisseur

L’argument le plus solide en faveur d’Agentforce provient de données d’usage précises, mais la plupart des éléments présentés lors du lancement restent contrôlés par Salesforce et ses clients.

Salesforce indique avoir fourni 7 milliards d’Agentic Work Units sur Agentforce et Slack. Les Agentic Work Units sont la mesure de consommation de l’entreprise pour les actions des agents et les tâches associées.

Sur ce total, 3,2 milliards d’unités ont été fournies durant le deuxième trimestre fiscal de l’entreprise. Ce chiffre indique une activité substantielle, mais ne révèle pas combien de tâches ont réussi ou ont nécessité une correction.

Les résultats trimestriels de Salesforce du 26 août indiquent que le revenu annuel récurrent d’Agentforce a progressé de plus de 240 % sur un an. Les Agentic Work Units du trimestre ont augmenté de 97 % par rapport au trimestre précédent.

Ces chiffres montrent qu’Agentforce gagne en importance commerciale pour Salesforce. Ils expliquent également pourquoi l’entreprise conditionne ses agents autour de métiers reconnaissables.

La croissance de l’usage seule ne peut valider l’autonomie. Un client peut générer de nombreuses actions à faible risque, tandis qu’un autre en produit moins, mais avec des conséquences financières ou réputationnelles graves.

Les sept agents appartiennent aussi à différentes catégories de risque. Carter répondant à une question produit diffère de Marshall modifiant un processus de chaîne d’approvisionnement. Hunter envoyant des messages externes diffère de Paige récupérant une politique interne.

Chaque rôle nécessite son propre dispositif d’évaluation. Un taux de réussite global d’Agentforce masquerait ces différences opérationnelles.

Fin fournit à Salesforce un produit de service client plus mature et une base installée. L’entreprise a finalisé son acquisition de Fin un jour avant d’annoncer l’élargissement de son portefeuille d’agents.

Salesforce affirme que Fin sert plus de 30 000 entreprises et affiche en moyenne un taux de résolution de 76 %. Fin continue d’opérer au sein de Salesforce AI Labs tout en rejoignant le portefeuille Agentforce plus large.

Cet historique distingue Fin d’un modèle tout juste introduit. Il apporte un produit existant, des modèles spécialisés d’expérience client, des connaissances de déploiement et des relations clients.

Il met également en évidence une réalité stratégique. Salesforce combine développement interne et produits acquis pour accélérer son portefeuille d’agents. Piper reflète de même l’acquisition antérieure de Qualified par Salesforce.

Cette combinaison peut raccourcir le chemin vers des agents utiles. Elle peut aussi créer du travail d’intégration entre les modèles de données, les outils d’administration, les méthodes d’évaluation et les identités produits.

Les clients devraient surveiller si Fin, Piper et les agents développés par Salesforce finissent par partager des contrôles cohérents. Un portefeuille a davantage de valeur lorsque les administrateurs peuvent appliquer des politiques communes et examiner des performances comparables.

La mémoire soulève des questions distinctes de confidentialité et de gouvernance des données. Les agents de longue durée doivent conserver suffisamment d’informations pour poursuivre une tâche, mais ils ne devraient pas préserver indéfiniment chaque détail.

Les entreprises ont besoin de contrôles sur ce qui entre en mémoire, sa durée de conservation, les personnes pouvant l’inspecter et la possibilité pour les utilisateurs de la corriger ou de la supprimer. Le lancement de Salesforce présente la mémoire comme une capacité, mais ne publie pas de réponses détaillées pour chaque scénario de déploiement.

Les équipes de sécurité voudront aussi tester l’injection indirecte de prompts. Un agent commercial peut rencontrer des instructions malveillantes dans des e-mails, des pages web, des documents ou des champs CRM.

Un agent capable d’agir sur plusieurs semaines offre aux attaquants davantage d’occasions d’influencer un plan. La mémoire pourrait conserver une instruction hostile après que le contenu d’origine a disparu de la vue immédiate.

Ces risques ne rendent pas les agents à horizon long impraticables. Ils modifient le niveau de preuve requis.

Un pilote réussi devrait mesurer davantage que l’exécution. Il devrait examiner les erreurs d’autorisation, la récupération de souvenirs obsolètes, les modifications incorrectes de plan, la prospection inutile, les taux de reprise en main humaine et la récupération après interruption.

Salesforce a donné aux acheteurs des produits concrets à tester. L’entreprise n’a pas encore démontré qu’un agent nommé peut accomplir des mois de travail avec une fiabilité comparable à celle d’un employé.

Trois signaux montreront si les agents à horizon long sont prêts

Le prochain test n’est pas une nouvelle démonstration soignée. Il s’agit de savoir si Hunter résiste à un usage en production avec un contrôle mesurable et des coûts de supervision acceptables.

Le premier signal sera la disponibilité générale prévue de Hunter en novembre 2026. Salesforce devra montrer que l’environnement d’exécution à horizon long peut quitter le statut de pilote sans restreindre sa promesse centrale.

Les détails de disponibilité compteront. Les acheteurs devraient examiner quelles actions Hunter peut effectuer, lesquelles nécessitent une approbation et si les administrateurs peuvent inspecter les modifications apportées à un plan au fil du temps.

La documentation de déploiement devrait expliquer comment la mémoire est sélectionnée, mise à jour et supprimée. Elle devrait aussi montrer comment une tâche interrompue reprend sans répéter le travail ni ignorer des instructions plus récentes.

Si Hunter atteint la disponibilité générale avec des contrôles clairs, la thèse du lancement se renforcera. Un retard, un périmètre plus limité ou une forte exigence d’approbation suggérerait que l’autonomie sur plusieurs semaines reste difficile.

Le deuxième signal sera la preuve issue de déploiements en production. Les exemples actuels de Salesforce sont utiles, mais les acheteurs ont besoin d’un reporting plus large sur la qualité et les interventions.

Pour Hunter, les principales mesures comprennent le pipeline qualifié, la qualité des réponses, les taux de contacts indésirables, les corrections humaines et la conversion au-delà de l’engagement initial. Le volume brut de prospection révélerait peu de choses.

Pour Casey et Fin, la résolution devrait être associée aux dossiers rouverts, aux escalades, à la satisfaction client et à l’exactitude vérifiée des réponses. Pour Paige, les organisations devraient suivre les conseils erronés sur les politiques et les accès inutiles aux données des employés.

Pour Marshall, l’auditabilité mérite une attention particulière. Les acheteurs doivent savoir si des contrôles déterministes peuvent contenir de manière fiable les plans générés par l’IA lorsque les conditions de la chaîne d’approvisionnement changent.

Des études de cas indépendantes renforceraient les affirmations de Salesforce. Des résultats cohérents dans différents secteurs compteraient davantage qu’une nouvelle série d’exemples clients exceptionnels.

Le troisième signal sera la réponse concurrentielle de Microsoft et ServiceNow. Microsoft décrit déjà Dynamics 365 Sales comme un système d’action doté d’agents autonomes de recherche, de qualification, de prospection et de conclusion.

Si Microsoft met l’accent sur des plans durables sur plusieurs semaines, le runtime de Salesforce deviendra rapidement une exigence de catégorie plutôt qu’une distinction durable. Si Microsoft se concentre sur le contexte unifié de Microsoft 365, la concurrence pourrait se jouer sur l’environnement de données qui soutient le mieux un agent commercial.

La réponse de ServiceNow se concentrera probablement sur la gouvernance et l’observation interplateforme. Cette approche devient plus précieuse à mesure que les entreprises déploient des agents de plusieurs fournisseurs.

Un acheteur peut finalement choisir Salesforce pour les workflows clients tout en utilisant une autre plateforme pour superviser un parc d’agents plus vaste. Salesforce doit démontrer que ses outils d’orchestration et d’optimisation peuvent fonctionner dans cet environnement mixte.

La question plus large est de savoir si un agent devient plus précieux lorsqu’il agit plus longtemps, ou simplement plus difficile à surveiller. Les noms et les intitulés de poste ne peuvent pas répondre à cette question.

Salesforce a fait un pari clair. L’IA d’entreprise sera adoptée grâce à des rôles définis, des compétences préparées, une mémoire persistante et des résultats métiers mesurables.

Ce pari place l’entreprise au-delà de l’ère des chatbots. Il augmente également le coût de l’échec, car ces agents sont censés assumer des responsabilités, et non simplement produire des suggestions.

Pour les acheteurs d’entreprise, la prochaine étape raisonnable consiste en un test de production circonscrit avec des contrôles explicites. Sélectionnez un processus, documentez ses droits de décision et mesurez à la fois les résultats et les coûts de correction.

Les développeurs devraient se concentrer sur la gestion de l’état, l’observabilité, l’évaluation et les voies de reprise. Les travailleurs du savoir devraient se demander quels jugements leur reviennent encore et si le système fournit suffisamment de contexte pour remettre ses décisions en question.

Les agents IA Agentforce de Salesforce sont plus faciles à comprendre parce qu’ils ressemblent désormais à une équipe. La preuve décisive viendra lorsque les organisations pourront démontrer que ces rôles nommés restent précis, contrôlables et dignes d’être supervisés au fil du temps.