Enterprise AI Harness : Salesforce s’attaque au chaos des agents IA

Les agents se multiplient, leur contrôle devient le nouveau problème des entreprises

Les entreprises commencent à déployer des agents IA dans le support client, les ventes, la finance, les RH ou encore le développement logiciel, mais cette multiplication crée un problème que la puissance des modèles ne suffit pas à résoudre : comment savoir quels agents sont actifs, quelles données ils utilisent, quelles actions ils peuvent effectuer et combien ils coûtent ? Salesforce veut répondre à cette nouvelle complexité avec son Enterprise AI Harness, présenté le 10 septembre 2026, une architecture commune destinée à fournir aux agents le contexte, les capacités d’action et les contrôles nécessaires pour travailler dans les systèmes d’entreprise.¹ L’idée est de ne plus reconstruire séparément ces mécanismes autour de chaque nouvel agent, mais de créer une couche réutilisable pouvant encadrer les agents Salesforce comme ceux provenant de plateformes tierces. Salesforce accompagne cette architecture d’un AI Control Plane, pensé comme un point central depuis lequel les entreprises pourront découvrir, enregistrer, superviser et gouverner leurs différentes IA.

Six couches pour transformer une IA en véritable agent d’entreprise

Salesforce structure son Enterprise AI Harness autour de six capacités : Trusted Context, Trusted Agency, Trusted Action, Trusted Governance, Trusted Security et Trusted Models.¹ Trusted Context rassemble données clients, métadonnées, connaissances, signaux en temps réel, mémoire et sémantique métier afin que l’agent comprenne l’environnement dans lequel il travaille ; Trusted Agency apporte raisonnement, planification, état, mémoire et orchestration ; Trusted Action connecte l’IA aux applications, API, workflows et outils ; Trusted Governance ajoute qualité, lineage, politiques et garde-fous ; Trusted Security encadre identité, permissions, confidentialité et protection des données ; enfin Trusted Models permet de sélectionner différents modèles et d’orienter les tâches selon des critères comme la précision, les performances, les besoins métier ou le coût. Salesforce veut ainsi entourer le modèle d’une véritable infrastructure opérationnelle plutôt que de considérer qu’un LLM suffisamment puissant peut, à lui seul, fonctionner correctement dans l’entreprise.

Un agent peut raisonner librement, mais pas agir sans règles

Salesforce illustre cette problématique avec une question apparemment simple : « Peut-on honorer cette commande aujourd’hui ? ». Pour y répondre correctement, un agent doit potentiellement consulter le CRM pour comprendre le client, l’ERP pour vérifier les stocks, les contrats pour connaître les engagements pris, les outils analytiques pour interpréter certains indicateurs et les politiques internes pour déterminer ce qu’il est autorisé à promettre.¹ Le défi n’est donc pas uniquement de connecter toutes ces sources, mais de faire en sorte que l’agent comprenne leur contexte puis exécute uniquement les actions compatibles avec les règles de l’entreprise. Salesforce résume cette tension par une distinction importante : le raisonnement de l’IA peut être ouvert, l’exécution d’un processus métier ne peut pas toujours l’être. L’Enterprise AI Harness cherche précisément à combiner cette flexibilité avec des contrôles déterministes lorsque la fiabilité l’exige.

L’AI Control Plane veut devenir la tour de contrôle des agents

La pièce la plus stratégique de l’annonce est probablement le nouveau AI Control Plane. Salesforce veut fournir aux DSI un environnement commun permettant de découvrir et enregistrer les agents, leur attribuer une identité et des politiques, gérer leur cycle de vie, évaluer leurs performances, observer leurs comportements et leurs résultats, puis contrôler leurs coûts, y compris lorsque ces IA proviennent de systèmes tiers.¹ Cette approche répond directement au phénomène d’« agent sprawl », la prolifération progressive d’agents développés par différentes équipes avec différents modèles et plateformes. Une enquête VentureBeat Intelligence réalisée en juillet 2026 auprès de 107 répondants issus d’organisations de plus de 100 salariés indiquait ainsi que 85 % utilisaient déjà au moins deux plateformes d’orchestration d’agents, avec une moyenne de 3,1 plateformes par organisation ; l’échantillon étant orienté vers de grandes organisations technologiques, ces résultats doivent être considérés comme indicatifs plutôt que comme une mesure globale du marché.²

Un agent IA a lui aussi besoin d’une identité et de permissions

Cette évolution transforme directement la Gestion des logiciels et applications. Lorsqu’un agent peut consulter des informations clients, modifier une commande, appeler une API ou déclencher un workflow, il devient lui-même un acteur du système d’information et doit être administré en conséquence. Les équipes IT doivent pouvoir déterminer précisément son identité, les ressources auxquelles il peut accéder, les actions qu’il peut exécuter et les conditions dans lesquelles une validation humaine reste nécessaire. Salesforce intègre cette logique dans Trusted Security, qui applique identité, permissions, confidentialité, protection des données et sécurité runtime aux agents.¹ À mesure que ces derniers gagnent en autonomie, la gestion des accès ne concerne donc plus seulement les collaborateurs et les applications traditionnelles : les identités non humaines deviennent elles aussi une composante centrale de la gouvernance IT.

Salesforce ne veut pas gouverner uniquement ses propres agents

Un autre élément important est l’ouverture revendiquée de l’architecture. Salesforce indique que les six capacités pourront être utilisées ensemble ou séparément, avec ses propres technologies mais aussi avec les systèmes existants de l’entreprise, notamment des modèles, agents et plateformes tierces.¹ L’architecture doit s’appuyer sur plusieurs briques déjà présentes dans l’écosystème Salesforce, notamment Data 360, Informatica, MuleSoft, Agent Fabric, Tableau, Agentforce, Salesforce Guardian et Salesforce Platform, tout en étant accessible via des API et des plugins. Cette ouverture est stratégique : dans une entreprise utilisant simultanément plusieurs fournisseurs d’IA, un système de gouvernance limité aux seuls agents Salesforce ne résoudrait qu’une partie du problème. Le véritable enjeu devient donc la capacité à appliquer des règles communes à un environnement agentique hétérogène.

Le coût rejoint la sécurité parmi les critères de gouvernance

Salesforce intègre également le contrôle des coûts dans son AI Control Plane. Cette dimension prend de l’importance parce qu’un agent peut enchaîner plusieurs étapes de raisonnement, appels de modèles, recherches et actions avant d’atteindre son objectif, rendant sa consommation moins prévisible que celle d’un logiciel traditionnel. Le Control Plane doit permettre d’observer les performances et les coûts afin que les entreprises puissent comparer ce qu’un agent produit avec les ressources qu’il consomme.¹ Cette logique montre que la gouvernance des agents devient multidimensionnelle : un système peut être techniquement performant tout en étant trop coûteux, suffisamment économique mais trop permissif, ou parfaitement sécurisé tout en produisant des résultats insuffisants. La supervision doit donc rapprocher sécurité, performance, fiabilité et économie dans une même couche de contrôle.

La vraie valeur pourrait se déplacer du modèle vers le contexte de l’entreprise

Salesforce défend enfin une thèse plus large : à mesure que les modèles deviennent plus performants et interchangeables, l’avantage compétitif des entreprises pourrait moins dépendre du LLM qu’elles choisissent que du contexte propriétaire qu’elles sont capables de lui fournir. Données clients, historique, processus, connaissances, relations, règles métier et mémoire constituent une intelligence organisationnelle qu’un modèle généraliste ne possède pas naturellement.¹ Trusted Models est d’ailleurs conçu pour permettre un routage entre différents modèles selon la précision, les performances, le coût ou les besoins métier, ce qui laisse entendre que Salesforce anticipe lui aussi un futur multimodèle. Le modèle devient alors une ressource interchangeable, tandis que le contexte, les workflows et les règles propres à l’organisation constituent la couche durable de son système agentique.

Gouverner les agents pourrait devenir aussi important que les déployer

Enterprise AI Harness montre finalement que la course aux agents IA entre dans une nouvelle phase. Après avoir cherché à construire des agents capables de raisonner et d’agir, les entreprises doivent désormais apprendre à administrer toute une population d’acteurs numériques évoluant entre leurs données, applications et processus. Identité, permissions, contexte, observabilité, sécurité, choix du modèle, cycle de vie et coût deviennent autant de paramètres à superviser. Salesforce n’est d’ailleurs pas seul à vouloir occuper cette couche : Microsoft positionne également Agent 365 comme un plan de contrôle des agents, tandis qu’AWS développe ses propres briques de gouvernance et d’orchestration autour d’AgentCore.² La prochaine bataille de l’IA d’entreprise pourrait donc se jouer moins sur le nombre d’agents déployés que sur la capacité des organisations à savoir précisément qui agit, sur quoi, avec quels droits, pour quel résultat et à quel coût.

L’Actu IT à 360° — décrypter la technologie pour comprendre les métiers de demain.

Pour aller plus loin

La supervision des agents devient progressivement un marché à part entière. Découvrez notre article CCCLX « Microsoft lance Agent 365 : la plateforme qui surveille les agents IA à votre place », qui analyse une autre approche de cette nouvelle couche de gouvernance destinée à identifier, sécuriser et administrer les agents utilisés dans l’entreprise.

Références