Le 24 septembre 2026, lors de sa conférence annuelle Succeed, Dataiku a annoncé Agent Management : un produit autonome conçu pour inventorier, mesurer et gouverner tous les agents IA d'une entreprise, quelle que soit la plateforme qui les fait tourner. L'annonce est présentée comme une réponse directe à un déséquilibre documenté : selon une enquête OutSystems 2026 citée par Dataiku au moment du lancement, 96 % des entreprises déclarent déployer des agents IA — mais seulement 12 % disposent d'un moyen centralisé de les gérer. L'écart entre vitesse de déploiement et capacité de gouvernance est devenu le nouveau risque opérationnel des équipes data et IT.
Agent Management sera en disponibilité générale en octobre 2026. Il couvre neuf plateformes majeures — Microsoft Copilot Studio, Azure AI Foundry, Salesforce Agentforce, AWS Bedrock, Google Vertex AI, Databricks, Snowflake Cortex, n8n et Dataiku lui-même — ce qui en fait l'un des premiers outils de ce type à se positionner explicitement comme une couche neutre, indépendante du vendeur d'agents.
Cet article explique pourquoi ce type d'outil émerge maintenant, ce qu'il fait concrètement, ses limites à anticiper, et ce que sa sortie implique pour les équipes qui construisent ou planifient des automatisations métier basées sur des agents.
L'agent sprawl : le nouveau shadow IT
L'agent sprawl désigne la prolifération non contrôlée d'agents IA à travers les outils et équipes d'une organisation, sans inventaire centralisé ni gouvernance formelle. Le phénomène est structurellement similaire au shadow IT des années 2010 — applications déployées sans validation IT — mais avec une différence fondamentale : un agent ne stocke pas seulement des données, il prend des actions.
Un agent commercial configuré dans Copilot Studio peut envoyer des emails de relance à des prospects. Un agent RH déployé sur AWS Bedrock peut modifier des statuts dans votre SIRH. Un agent Salesforce Agentforce peut déclencher des devis. Ces actions peuvent avoir des effets concrets et difficilement réversibles avant qu'un humain ne remarque une anomalie. Un agent qui dérive silencieusement — produisant des sorties incorrectes sans erreur technique détectée — est bien plus difficile à identifier qu'une application bugguée.
Le profil type d'une ETI en 2026
À fin 2026, un DSI d'ETI peut avoir des agents déployés en parallèle sur au moins quatre environnements distincts : un Copilot Studio configuré par l'équipe commerciale, un workflow n8n qui traite les factures fournisseurs, un agent AWS Bedrock déployé par l'IT pour le support interne, et plusieurs automatisations Salesforce Agentforce activées par le CRM. Ces agents n'ont souvent pas de fiche technique commune, pas de propriétaire clairement désigné, pas de tableau de bord unifié. La question de savoir combien coûtent leurs appels API cumulés ce mois-ci n'a fréquemment pas de réponse immédiate.
Trois risques distincts
- Risque opérationnel : un agent actif qui produit des résultats incorrects de façon silencieuse, sans métrique pour le détecter. Le taux d'erreur technique peut être nul tandis que la valeur métier produite est nulle ou négative.
- Risque réglementaire : les obligations de transparence de l'AI Act européen (entrées en vigueur le 2 août 2026) s'appliquent à certains systèmes d'agents en production. Il est impossible de les respecter sans savoir précisément quels agents tournent, sur quelles données, avec quels droits d'accès.
- Risque financier : des agents redondants ou sur-dimensionnés multiplient les dépenses cloud et API sans visibilité consolidée. Ce poste de coût, encore récent, échappe souvent aux cycles habituels de revue budgétaire IT.
C'est ce contexte précis que Dataiku a choisi de cibler avec Agent Management — non pas en proposant une nouvelle plateforme d'agents, mais en positionnant un outil de contrôle au-dessus des plateformes existantes.
Ce que fait Dataiku Agent Management
Agent Management se structure autour de trois fonctions principales, applicables aux agents déjà en production — pas seulement à ceux construits nativement sur Dataiku.
Inventorier
Agent Management connecte les plateformes d'agents cibles via des intégrations API et en extrait une liste centralisée. Chaque agent est documenté avec sa plateforme d'origine, son propriétaire déclaré, sa date de création, ses droits d'accès connus, et sa fréquence d'exécution récente. L'objectif est de répondre à une question simple : qu'est-ce qui tourne dans mon organisation en ce moment, et qui en est responsable ?
Mesurer
Pour chaque agent inventorié, Agent Management collecte des indicateurs techniques (latence, taux d'erreur, volume d'appels) et des indicateurs métier configurables par l'équipe. Ces KPIs permettent de distinguer un agent qui fonctionne techniquement d'un agent qui produit de la valeur. Un agent de qualification de leads peut afficher un taux d'erreur de 0 % et pourtant ne contribuer à aucune conversion — la mesure métier révèle ce que la mesure technique ne voit pas. L'analyse comportementale d'Agent Management permet également de détecter des dérives progressives : un agent qui commence à produire des sorties de longueur ou de structure anormale avant de tomber en erreur franche.
Gouverner
Agent Management propose un système de tiering par niveau de risque. Les agents qui prennent des actions à fort impact — envoi d'emails clients, modification de données contractuelles, déclenchement de paiements — sont classés à risque élevé et soumis à des workflows de validation, de revue périodique et d'approbation formelle. Les agents informatifs à faible impact peuvent être suivis avec moins de friction. Cette granularité répond directement aux exigences de classification de l'AI Act européen, qui distingue les systèmes à haut risque des systèmes à risque limité pour les obligations de documentation et de supervision humaine.
Pour les équipes qui construisent déjà des outils internes sur mesure intégrant des agents, intégrer une couche de gouvernance dès la phase de conception est significativement moins coûteux que de la rétrofiter après un incident ou un audit.
Plateformes couvertes et positionnement
Agent Management intègre à son lancement neuf plateformes d'agents d'entreprise : Microsoft Copilot Studio, Azure AI Foundry, Salesforce Agentforce, AWS Bedrock, Google Vertex AI, Databricks, Snowflake Cortex, n8n, et Dataiku lui-même. Cette liste couvre la majorité des environnements utilisés par des ETI et grandes entreprises en Europe.
Le pari cross-plateforme
Le positionnement de Dataiku est explicitement neutre vis-à-vis des vendeurs : l'hypothèse est que les entreprises ne standardiseront pas sur une seule plateforme d'agents, et que la couche de gouvernance a donc plus de valeur si elle est indépendante. C'est un pari cohérent avec la stratégie historique de Dataiku — être l'orchestrateur qui agrège des sources hétérogènes plutôt que d'imposer sa propre stack. D'autres éditeurs (Microsoft avec Purview, AWS avec SageMaker Governance) proposent également des couches de gouvernance, mais nativement liées à leur propre écosystème.
Les limites à anticiper
Ce positionnement a un coût en profondeur d'intégration. Un agent natif Dataiku bénéficiera d'une visibilité plus granulaire qu'un agent Salesforce Agentforce connecté via API externe. La qualité de l'inventaire dépend directement de la richesse des connecteurs disponibles pour chaque plateforme — un point à vérifier lors d'une évaluation sur votre stack spécifique. Agent Management entrant en disponibilité générale en octobre 2026, la maturité de ses intégrations dans des contextes réels de production sera à évaluer sur les premières semaines post-lancement. La tarification suit un modèle par instance pour l'accès au produit, avec une composante de monitoring facturée à l'agent — similaire aux modèles de gouvernance cloud (Prisma Cloud, Wiz).
Ce que ça implique pour votre feuille de route IA
La sortie d'Agent Management confirme une tendance structurelle : la gouvernance des agents IA passe de sujet de niche à exigence opérationnelle standard. En l'espace de quelques semaines, plusieurs couches de gouvernance pour les agents ont été annoncées : AAIF pour les protocoles MCP/A2A, des produits natifs de chaque grand cloud provider, et maintenant Dataiku pour la couche transverse. Le marché anticipe clairement que les équipes IT vont devoir répondre à des questions de traçabilité, de coût et de conformité sur leurs agents IA d'ici 12 à 24 mois.
Si vous en êtes à vos premiers agents
C'est le bon moment pour poser les bases de gouvernance avant de multiplier les déploiements. Nommer un propriétaire pour chaque agent, définir ses métriques de succès, documenter ses accès et son périmètre d'action dès la phase de construction coûte peu et évite une rétrofication coûteuse lorsque la réglementation ou le risk management interne l'exigera. Notre approche en développement sur mesure intègre ces éléments dès le cadrage fonctionnel.
Si vous avez déjà des agents en production
Effectuez un inventaire manuel si vous ne disposez pas encore d'outil dédié. Listez chaque agent (qui l'a créé, sur quelle plateforme, quels accès il détient, à quelle fréquence il s'exécute) et classez-les par niveau d'impact. Cet inventaire est également la base de votre conformité AI Act : les obligations de transparence sur les systèmes à haut risque sont en vigueur depuis le 2 août 2026, et les obligations pour les systèmes Annexe III (emploi, crédit, éducation) sont désormais reportées à décembre 2027 par le Digital Omnibus — ce qui donne un délai, mais pas une exemption.
Sur le choix d'un outil de gouvernance
Agent Management de Dataiku est un candidat solide si votre stack est multi-plateforme et que vous souhaitez une couche de contrôle unique. Si vous êtes majoritairement sur un seul écosystème (Microsoft, AWS, Google), les outils natifs de ces plateformes peuvent offrir une profondeur d'intégration supérieure pour un coût total plus faible. La décision dépend de la diversité réelle de votre parc d'agents, pas de la taille de votre entreprise.
Si vous souhaitez cadrer cette démarche pour votre organisation — inventaire des agents existants, classification par risque, ou intégration de gouvernance dans un projet d'automatisation en cours — notre équipe peut vous accompagner.
FAQ — L'explosion des agents IA crée un angle mort pour les DSI — Dataiku lance le tableau de bord de gouvernance cross-plateformes
Qu'est-ce que l'agent sprawl et pourquoi est-il problématique pour une entreprise ?
L'agent sprawl désigne la prolifération non contrôlée d'agents IA à travers les outils et équipes d'une organisation, sans inventaire ni gouvernance centralisée. Contrairement au shadow IT classique, les agents IA prennent des actions concrètes (envois d'emails, modifications de données, déclenchements de workflows). Un agent qui dérive silencieusement peut produire des effets opérationnels ou commerciaux avant d'être détecté, ce qui rend la gouvernance plus urgente que pour les applications passives.
Dataiku Agent Management est-il adapté aux PME et ETI, ou uniquement aux grandes entreprises ?
Agent Management est tarifé par instance avec une composante à l'agent, ce qui le positionne davantage pour des organisations qui gèrent déjà plusieurs dizaines d'agents sur des plateformes hétérogènes. Pour une PME qui débute avec 2 à 5 agents sur une seule plateforme, les outils de monitoring natifs de cette plateforme suffisent généralement. L'outil devient pertinent dès que la diversité des plateformes et le volume d'agents rendent l'inventaire manuel peu fiable.
Quelles plateformes d'agents sont intégrées dans Dataiku Agent Management à son lancement ?
À la disponibilité générale prévue en octobre 2026, Agent Management intègre Microsoft Copilot Studio, Azure AI Foundry, Salesforce Agentforce, AWS Bedrock, Google Vertex AI, Databricks, Snowflake Cortex, n8n et Dataiku lui-même. La profondeur de chaque intégration varie selon la richesse des API exposées par chaque plateforme. Les connecteurs supplémentaires sont à anticiper dans les roadmap post-lancement.
Comment un outil de gouvernance des agents aide-t-il à la conformité avec l'AI Act européen ?
L'AI Act impose des obligations de documentation, de supervision humaine et de transparence pour les systèmes d'IA à haut risque (Annexe III : emploi, crédit, éducation…). Ces obligations exigent de savoir quels systèmes tournent, qui en est responsable, et comment ils sont supervisés. Un outil comme Agent Management fournit l'inventaire de base et le tiering par risque nécessaires pour démontrer la conformité lors d'un audit. Il ne remplace pas un programme de conformité complet, mais en fournit la couche technique fondamentale.
Quand Dataiku Agent Management sera-t-il disponible et comment est-il tarifé ?
La disponibilité générale est annoncée pour octobre 2026, après une présentation en avant-première à la conférence Dataiku Succeed le 24 septembre 2026. La tarification suit un modèle par instance pour l'accès au produit, avec une composante de monitoring facturée à l'agent. Les détails précis de tarification pour les différents tiers d'entreprise n'ont pas été publiés au moment de l'annonce.