Contexte et enjeux
Les entreprises migrent des outils d'IA isolés vers des agents capables d’interagir avec les processus métier existants. Selon l’étude AppDev Modernization 2026 duCUBE Research, la perception de la fragmentation des outils est passée de 74 % en 2024 à 61 % en 2026, indiquant une tendance à la consolidation des plateformes. Salesforce mise sur le concept d’« agentic enterprise » pour répondre à ce besoin d’intégration, en s’appuyant sur les suites Data 360, Customer 360 et Agentforce.
Architecture des flux d'IA connectés
Le composant Data 360 Headless expose les capacités de la plateforme via des API, le Model Context Protocol et une interface en ligne de commande (CLI). Cette exposition permet aux agents d’accéder aux données de référence et à la logique métier sans recréer les fondations existantes. En pratique, un agent peut invoquer une fonction de Customer 360 pour récupérer le profil client, appliquer les règles de validation déjà définies, puis déclencher une action dans Agentforce Operations. Ce dernier module automatise les tâches de back‑office, ajuste les flux en fonction des exigences changeantes et consigne chaque action dans un journal d’audit, garantissant ainsi la traçabilité.
Mécanismes de gouvernance et d’audit
La gouvernance repose sur la réutilisation des contrôles d’accès et des permissions déjà déployés dans Salesforce. Les agents, lorsqu’ils opèrent via Data 360 Headless, héritent des politiques de sécurité du tenant, ce qui évite la prolifération de points d’entrée non sécurisés. Le module Agentforce Operations maintient un audit trail détaillé, incluant l’identifiant de l’agent, l’opération exécutée et le contexte de décision. Cette visibilité permet aux équipes de conformité de vérifier que les décisions automatisées respectent les exigences réglementaires. Par ailleurs, le service Help Agent propose une implémentation pré‑packagée qui se connecte aux bases de connaissances internes et aux canaux de communication, réduisant le besoin de développements personnalisés et limitant les surfaces d’exposition.
Perspectives et limites
Le modèle de tarification basé sur les résultats, présenté par Kishan Chetan (EVP Agentforce Service), décale le coût de la consommation de ressources vers la réalisation d’un résultat de service client. Cette approche simplifie le calcul de ROI mais dépend de la capacité du système à mesurer de façon fiable les « outcomes ». Le principal défi reste la migration progressive des agents expérimentaux vers des environnements de production tout en conservant la supervision humaine sur les décisions à fort impact. Enfin, l’adoption généralisée nécessitera une standardisation des protocoles d’échange de contexte, car la diversité des environnements de travail (IDE, plateformes low‑code, systèmes legacy) peut introduire des incompatibilités non résolues par les API actuelles.
