Introduction
Demandez à n'importe quel directeur data quelle quantité de données transite par ses pipelines : il aura une réponse précise. Interrogez-le sur le nombre d'agents IA actifs dans son organisation, et la réponse se fera beaucoup plus vague. Selon une étude publiée en 2026, moins d'une entreprise sur cinq dispose d'un inventaire complet de ses systèmes IA. C'est ce fossé que Dataiku a décidé de combler avec le lancement, le 24 septembre 2026, d'Agent Management.
Des processus data sans lignage ni propriétaire
Les équipes data ont mis des années à construire des catalogues, des outils de lignage et des politiques de qualité. Elles savent quelle table alimente quel dashboard, quel pipeline transforme quelles données sensibles, qui est responsable de quel jeu de données. Cette rigueur, acquise à force de réglementations et d'incidents, s'interrompt brusquement dès qu'un agent IA entre en scène.
Un agent IA est pourtant un consommateur de données à part entière. Il interroge des bases, appelle des API, accède à des systèmes CRM ou ERP et produit des sorties qui alimentent d'autres décisions. Mais contrairement à un job Spark ou à une requête SQL planifiée, ses accès ne s'inscrivent nulle part dans les outils de gouvernance traditionnels. Il opère hors catalogue, hors lignage, parfois sans propriétaire désigné.
Une enquête conduite en 2026 auprès de près de deux mille responsables IT éclaire l'ampleur du problème : 96 % des entreprises déclarent faire tourner au moins un agent IA en production, mais à peine 12 % disposent d'une solution centralisée pour les superviser. Le reste gère au cas par cas, plateforme par plateforme, équipe par équipe.
Un inventaire multi-plateformes comme point de départ
Agent Management se positionne comme une couche transversale, indépendante de la plateforme de construction des agents. Le produit se connecte nativement à AWS Bedrock, Databricks, Google Vertex, Microsoft Copilot Studio, Azure Foundry, Salesforce Agentforce et Snowflake Cortex. Les environnements personnalisés peuvent s'y brancher via OpenTelemetry.
L'onboarding est délibérément simple : sélectionner la plateforme, s'authentifier, et le système scanne automatiquement les agents actifs. Il expose alors leur structure interne — outils utilisés, modèles sous-jacents, dépendances —, suit les statuts de certification et planifie des tests continus.
Ce qui distingue cette approche des outils de monitoring classiques, c'est la dimension métier. Agent Management ne se contente pas de vérifier si un agent répond ; il mesure si cet agent délivre les résultats attendus, en reliant indicateurs techniques et KPI business. Peu d'outils d'observabilité data proposent ce niveau d'articulation aujourd'hui.
Ce que cela change pour les équipes data
Pour les responsables de gouvernance, l'enjeu est substantiel. Les agents IA constituent une nouvelle catégorie d'actifs data — au même titre que les tables, les modèles ML ou les dashboards — mais sans les processus d'enregistrement, de validation et de surveillance qui encadrent ces derniers. L'absence d'inventaire entraîne l'absence de lignage : impossible de retracer quelles données sensibles un agent a consultées ni quelles décisions il a produites.
La disponibilité générale d'Agent Management est annoncée pour octobre 2026, avec une tarification à l'instance annuelle et une consommation mesurée par agent. Le produit est standalone — aucune installation de la plateforme Dataiku n'est nécessaire.
Pour les DSI et les Chief Data Officers, la question n'est plus de savoir si leurs agents méritent d'être gouvernés. C'est de déterminer combien d'entre eux tournent déjà sans que personne ne le sache.