Selon Vals AI, les équipes d'agents ne font guère mieux qu'un agent seul, pour un coût jusqu'à 5,1 fois supérieur ; un seul test sur quatre avec GPT-6 Sol et Claude Opus 5.5 a montré un gain mesurable. Les données d'Anthropic confirment qu'au-delà de dix agents, la qualité stagne tandis que la facture en jetons grimpe.
Aux États-Unis, des agents IA personnels épluchent les relevés bancaires à la recherche d'abonnements oubliés ou en double, puis négocient directement avec les services clients. Assureurs et opérateurs, qui misaient sur la passivité des clients, font face à un interlocuteur infatigable.
Un développeur raconte comment il a utilisé MCP pour fournir à Claude Code le contexte d'un système qu'il a lui-même conçu, afin que chaque nouvelle session ne reparte pas de zéro. L'agent a trouvé le contrat partagé de l'application en deux appels, mais l'expérience a buté sur la fin des données disponibles.
Epoch AI et Anthropic ont constaté chacun de leur côté que des modèles comme GPT-5.6 Sol et Claude Fable 5 savent mener des expériences, mais manquent d'esprit critique et de véritable créativité. Sol n'a atteint au mieux que 15 % du score de référence humain, avec des méthodes déjà connues.
Les systèmes d'entreprise classiques partent du principe que les tâches sont courtes, que les relancer ne coûte rien et qu'une même entrée donne le même résultat. Les charges agentiques remettent en cause ces trois hypothèses, d'où des pilotes réussis qui deviennent problématiques une fois laissés en autonomie.
Les agents IA servent désormais largement à coder, à gérer la relation client, l'informatique ou des tâches complexes en entreprise. Une tribune de SiliconANGLE estime qu'ils ne conviennent pourtant pas à toutes les organisations.