Gartner classe les agents IA en quatre niveaux d'autonomie. Aucun ne mesure la fiabilité du corpus qu'ils lisent.

Un CDO de grand groupe pilote aujourd’hui une dizaine d’agents IA en production ou en test : résumé de contrats, support interne, préparation de réponses aux appels d’offres. Le réflexe naturel est de considérer le sujet gouvernance comme traité, puisqu’un cadre d’autonomie vient d’être publié par Gartner en mai 2026. Ce cadre classe chaque agent selon quatre niveaux — de la simple lecture à l’action pleinement autonome — et prescrit des contrôles proportionnés à chaque niveau. Il est rigoureux, il est en train d’être largement adopté par les équipes de gouvernance IA, et il ne dit rien sur un point précis : que les agents lisent, recommandent ou agissent, ils le font à partir d’un corpus documentaire dont personne, dans ce cadre, ne mesure la fiabilité. La question n’est pas jusqu’où un agent peut agir, mais si ce qu’il a lu avant d’agir est encore vrai. Pour les entreprises non-tech qui multiplient les cas d’usage agentiques cette année, cet angle mort de gouvernance documentaire (DKP) devient plus coûteux à mesure que les pannes basculent de l’hallucination du modèle vers l’échec d’exécution — un basculement documenté par plusieurs analyses récentes.

Quatre niveaux d’autonomie Gartner, un seul axe de gouvernance

Le cadre publié par Gartner le 26 mai 2026 distingue quatre niveaux. Observe : accès en lecture seule à des sources de données définies, sorties visibles uniquement par l’utilisateur — résumé de documents, recherche de connaissance, explication de code. Advise : génération de recommandations ou de brouillons, revus par un humain avant toute exécution, toujours en lecture seule côté systèmes. Act with Approval : exécution d’actions (écriture de données, envoi de communications, modification de configuration), mais seulement après validation humaine explicite pour chaque action. Act Autonomously : exécution indépendante dans un cadre de garde-fous définis, avec supervision par exception (audit des écarts, pas de chaque décision individuelle).

Gartner prédit que d’ici 2027, 40 % des entreprises rétrograderont ou mettront à l’arrêt des agents IA autonomes en raison de lacunes de gouvernance détectées seulement après un incident en production. Précision importante pour un lecteur RSSI/DPO : Gartner attribue explicitement ces lacunes à un défaut de calibration entre la capacité d’action de l’agent et son périmètre d’accès (sur-restriction ou sous-restriction), pas à un défaut de fiabilité du contenu consulté — un risque distinct de celui que couvre la gouvernance documentaire. Selon Shiva Varma, analyste senior chez Gartner cité dans l’annonce, la cause racine est que les entreprises traitent la gouvernance des agents comme binaire — verrouillée ou pleinement fiable — alors que le risque dépend de deux axes distincts : la capacité d’action de l’agent, et le périmètre d’accès qui lui est accordé.

Ce cadre est utile, et toute organisation qui déploie des agents à plusieurs niveaux d’autonomie a intérêt à l’adopter. À chaque niveau, y compris au niveau 4, le plus exigeant, avec surveillance continue, garde-fous renforcés, mécanismes de retour arrière et circuit breakers, la liste de contrôles porte sur l’agent : son autorisation, sa traçabilité, sa capacité à être arrêté à temps. Aucun contrôle de ce cadre ne porte sur le document que l’agent vient de lire pour produire sa réponse ou déclencher son action. Un agent de niveau Observe, parfaitement gouverné selon cette grille, peut résumer un contrat obsolète avec exactement la même autorité qu’un contrat à jour, sans qu’aucun contrôle du cadre ne s’en aperçoive.

Ce n’est pas le premier passage de ce blog sur le pilier gouvernance IA. L’article du 13 juillet portait sur le cycle de vie documentaire comme facteur dominant du ROI IA ; celui du 24 juillet sur l’angle mort du premier Magic Quadrant Gartner consacré aux plateformes de gouvernance IA, centré sur l’identité et les politiques des agents. Celui-ci part d’un point plus précis, publié un mois après ce Magic Quadrant : le cadre d’autonomie Gartner calibre la gouvernance sur un axe — la capacité d’agir — qui, par construction, ne couvre pas la fiabilité de ce qui est lu. Ce n’est pas une position que Gartner redéfinit à chaque nouvelle publication : que le signal du mois soit un Magic Quadrant, un Hype Cycle ou un cadre d’autonomie, la gouvernance documentaire reste le même axe orthogonal, stable, indépendant du calendrier de recherche de l’analyste.

De l’hallucination à l’échec d’exécution : où la gouvernance documentaire (DKP) doit intervenir

Le narratif dominant depuis 2023 traitait l’hallucination comme le risque numéro un de l’IA générative en entreprise. Une analyse portant sur plus de 10 000 incidents d’IA d’entreprise, publiée par la société de supervision IA ChatSee.ai et relayée par AIwire (HPCWire) le 22 juillet 2026, indique que les échecs liés à l’hallucination représentent aujourd’hui moins de 10 % des incidents observés dans ce corpus, tandis que les échecs liés à l’exécution d’actions ont progressé de 62 % par rapport au quatrième trimestre 2024. Ces deux chiffres méritent d’être pris avec la prudence qui s’impose pour une mesure émanant d’un seul acteur de marché, non consolidée par un cabinet d’analystes indépendant — mais le sens du basculement, de la réponse incorrecte vers l’action ratée, converge avec la logique même du cadre d’autonomie Gartner : plus un agent agit, plus l’erreur coûte cher.

Le mécanisme documenté est le suivant : sans contexte métier intégré à la gouvernance, un agent ne distingue pas les données qu’il était censé consulter de celles qu’il a simplement la permission technique d’atteindre. Il peut donc interroger un jeu de données qu’il ne devrait jamais toucher, et propager l’erreur en aval. Ce problème existe déjà en mode lecture seule ; il devient un incident opérationnel, de sécurité ou de conformité dès que l’agent agit sur la base de cette lecture erronée plutôt que de simplement la restituer à un humain.

C’est précisément l’angle mort que couvre une Document Knowledge Platform (DKP) : gouverner (identifier l’autorité, la fraîcheur et le propriétaire de chaque document), nettoyer (résoudre les doublons, versions contradictoires et conflits avant qu’un agent ne les consulte) et activer (exposer aux agents un corpus dont la fiabilité est mesurée, pas seulement techniquement accessible). La DKP ne remplace pas le cadre d’autonomie Gartner ni les contrôles d’accès existants — elle s’ajoute sur un axe orthogonal : la fiabilité de ce que l’agent lit, indépendamment de son niveau d’autonomie ou de son périmètre d’accès.

Le marché de la gouvernance data avance vers l’IA, sans couvrir le contenu documentaire

Le marché ne reste pas inactif sur ce terrain adjacent. Atlan et BigID ont annoncé en mars 2026 une intégration élargie unifiant, selon les deux éditeurs, la découverte, la classification et le catalogage de données structurées et non structurées dans un plan de contrôle unique présenté comme prêt pour l’IA. Atlan revendique par ailleurs, dans sa communication, une position de leader dans le Magic Quadrant Gartner consacré aux plateformes de gouvernance des données et de l’analytique — une revendication à vérifier auprès de la source primaire Gartner plutôt qu’à prendre pour acquise sur la seule base de la communication de l’éditeur. Le Forrester Wave consacré aux solutions de qualité des données (T1 2026) constate, de façon plus indépendante, que la qualité des données devient une discipline continue et gouvernée plutôt qu’une collection de contrôles ponctuels, à mesure que les entreprises déploient l’IA générative et agentique à l’échelle.

Ces mouvements confirment, de l’extérieur, une partie de la thèse DKP : la fiabilité du contenu est désormais un sujet de plateforme, et non plus une fonctionnalité annexe. Ils restent toutefois centrés sur les métadonnées, la classification et le lignage, rarement sur la résolution du contenu lui-même. Deux versions contradictoires d’une politique RH, parfaitement cataloguées et tracées, restent deux versions contradictoires : un catalogue peut dire qu’un document existe, qui en est propriétaire et quand il a été modifié pour la dernière fois ; son exactitude actuelle est une question distincte. Ces plateformes cataloguent la donnée et sa métadonnée ; la DKP porte sur un registre différent, celui du contenu documentaire lui-même, en aval de leur périmètre, au moment précis où un agent IA s’en sert pour répondre ou agir.

Preuve terrain et prochaine étape

Chez un grand groupe européen de l’énergie, un audit du corpus documentaire mobilisé par les équipes IA a révélé 398 conflits documentaires actifs — versions contradictoires, documents obsolètes toujours consultés comme faisant autorité — dont la résolution a permis un gain de +90 % de fiabilité des réponses produites par les systèmes d’IA s’appuyant sur ce corpus. Rapportés à la grille Gartner, ces 398 conflits sont exactement le type de contenu qu’un agent de niveau Advise aurait recommandé sans broncher, ou qu’un agent Act with Approval aurait exécuté après une validation humaine elle-même fondée sur une lecture erronée. Ce chiffre porte sur le périmètre documentaire audité chez ce client à un instant donné, pas sur l’ensemble de son système d’information : il illustre un ordre de grandeur observé, pas une garantie transposable telle quelle à toute organisation.

Le périmètre d’un diagnostic K-AI est validé conjointement par le Document Owner métier concerné et par le RSSI/DPO de l’organisation — jamais par la seule DSI — pour que l’audit documentaire s’inscrive dans le cadre de confidentialité et de conformité déjà en place, y compris lorsque des agents IA de niveau d’autonomie élevé sont concernés par le périmètre audité.

Conclusion

Le cadre d’autonomie de Gartner ne sera pas le dernier à structurer la gouvernance des agents IA en 2026, et il a raison de le faire sur son axe : qui peut agir, et jusqu’où. La question qui précède l’action, elle, reste sans réponse dans ce cadre : ce que l’agent vient de lire est-il encore vrai ? Pour une entreprise qui multiplie les agents IA cette année, la séquence qui tient dans la durée reste la même, quel que soit le niveau d’autonomie atteint : auditer le corpus documentaire mobilisé par les agents pour mesurer l’ampleur réelle des conflits et versions obsolètes, nettoyer les conflits identifiés avant qu’un agent de niveau Act with Approval ou Act Autonomously n’agisse sur leur base, puis surveiller en continu pour que la fiabilité mesurée ne se dégrade pas au rythme où de nouveaux agents sont déployés.

Foire aux questions

Pour aller plus loin

K-AI Corpus Diagnostic — 10 jours ouvrés, rapport complet des 20 anomalies les plus critiques de votre référentiel documentaire, garantie remboursement si aucune anomalie valable détectée. Pour mesurer la fiabilité du corpus que vos agents lisent avant d’élever leur niveau d’autonomie, contactez l’équipe K-AI : contact@k-ai.ai. Le périmètre de chaque diagnostic est validé conjointement par le Document Owner métier et le RSSI/DPO, jamais par la seule DSI.

K-AI accompagne déjà CMA CGM, Veolia, PwC, BNP Paribas, TotalEnergies et CEVA Logistics. Partenaires : AWS, Snowflake, Microsoft, Wavestone, Devoteam.