Surmonter la résistance à l'automatisation. Ce qui a tenu depuis 2022. Ce qui a changé en 2026.

En 2022, Boyd McKenna a écrit que l'automatisation des processus échouait la plupart du temps non pas parce que la technologie était mauvaise, mais parce que les équipes n'avaient pas été mises à bord. Les arguments étaient clairs. La culture d'abord. La discipline de création de valeur. Puis les bots.

Quatre ans plus tard, ces arguments tiennent toujours. Les équipes résistent toujours au changement. L'amélioration des processus est toujours non-négociable. La conversation sur la culture arrive toujours en premier.

Mais l'étendue de ce que l'automatisation peut gérer s'est élargie. Kerolles Hany, qui gère la livraison de plateformes d'entreprise sur les marchés mondiaux, pointe un changement critique. L'RPA gérait les tâches répétables et basées sur des règles. L'IA agentique gère les appels de jugement, les cas d'exception et l'orchestration multi-systèmes. Le plafond que Boyd a décrit en 2022 a monté. La résistance n'a pas bougé du tout. Le cadre doit donc évoluer.

Voici les arguments originaux de Boyd, mis à jour pour l'ère de l'agent IA.

Culture. L'argument n'a pas changé.

Le texte de Boyd en 2022 a commencé par une dure vérité. Les équipes résistent à l'automatisation parce que personne ne leur a dit ce qui s'en venait. Un bot qui surprend les gens lundi matin ressemble à une menace. Un bot que les gens ont co-conçu avec vous ressemble à une amélioration.

C'est culturel, pas technique. Et cela n'a pas changé.

L'équipe qui découvre qu'elle est remplacée par des bots sans contexte ralentira n'importe quelle implémentation. Ils trouveront des raisons pour lesquelles le bot ne peut pas gérer les cas limites. Ils soulevèront des problèmes que le bot aurait pu manquer. Ils auront raison la plupart du temps. Et ils vous combattront à chaque étape.

L'équipe qui a co-conçu l'automatisation, qui a aidé à identifier les processus qui comptent réellement, qui a testé le bot avant qu'il ne se lance en direct, c'est elle qui le défendra. Elle le possède. Et quand le bot échoue, elle le répare. Cette culture ne vient pas du fournisseur. Elle vient de vous.

Pour les équipes de Kerolles qui déploient des systèmes agentiques sur les marchés MENA et mondialement, la conversation sur la culture est devenue plus difficile. Parce que l'étendue a augmenté. L'RPA était étroit. Il automatisait le travail de trois personnes. L'IA agentique peut toucher dix équipes différentes. La surface culturelle s'est élargie.

Ce qui signifie que le travail en amont est devenu plus important, pas moins. Vous ne faites pas un atelier sur un agent avec dix parties prenantes sur court préavis. Vous le concevez avec elles. Vous leur montrez ce que l'agent fera. Vous leur dites ce qu'il ne fera pas. Vous le laissez le casser dans un espace contrôlé. Puis vous le lancez.

La résistance s'adoucit quand les gens comprennent que l'agent est une amélioration de leur flux de travail, pas un remplacement pour leur rôle.

Discipline de création de valeur. Le chemin de l'automatisation à l'opération.

Le second argument de Boyd était que les équipes échouent en automatisation parce qu'elles automatisent les mauvais processus. Elles choisissent ce qui est le plus facile à automatiser, pas ce qui crée le plus de valeur. Ensuite elles finissent avec une version plus rapide de leurs pires problèmes.

La discipline de création de valeur signifie commencer par les résultats, pas par les outils. Quel résultat voulez-vous? Un traitement plus rapide? Moins d'erreurs? Moins d'escalades? Une fois que vous savez le résultat, vous choisissez le processus. Une fois que vous choisissez le processus, vous le corrigez avant de l'automatiser.

La ligne de Boyd en 2022 était directe. Adopter l'RPA sans amélioration des processus et il y aura une résistance légitime née du fait que vous automatisez simplement des mauvais processus.

C'est plus difficile quand l'outil est plus puissant. Un bot RPA a des garde-fous clairs. Vous savez ce qu'il peut et ne peut pas faire. Un système agentique est plus flexible. Il peut gérer les exceptions. Il peut prendre des appels de jugement. Mais cette flexibilité est inutile si le processus sous-jacent est cassé.

Kerolles le voit dans la livraison. Les équipes s'enthousiasment pour ce qu'un agent peut faire. Elles sautent l'audit des processus. Elles déploient. Ensuite l'agent fait des choses qu'elles n'attendaient pas, parce que le processus était ambigu au départ.

La discipline est la même qu'en 2022. Cartographier le processus. Corriger le processus. Puis l'automatiser. L'outil change. La séquence ne change pas.

Le cadre de Boyd a tenu parce qu'il n'était pas sur l'RPA. Il était sur la façon de séquencer le travail. Comprendre la culture. Comprendre le processus. Puis introduire l'outil. Cette séquence fonctionne toujours pour les systèmes agentiques.

Ce que l'IA agentique a changé. La mise à jour 2026.

L'RPA en 2022 était étroit. Il gérait les tâches à haut volume, répétables et basées sur des règles. Données structurées. Arbres de décision clairs. Quand l'exception frappait, le bot était bloqué. Quelqu'un reprenait. Le bot passait au cas suivant.

Le plafond était réel. Et les équipes savaient où il était.

La perspective de Kerolles depuis la livraison de programmes mondiaux est que les systèmes agentiques ont cassé ce plafond. Un agent peut maintenant gérer les appels de jugement. Il peut naviguer dans les données non structurées. Il peut orchestrer les systèmes. Quand il rencontre une exception, il peut raisonner à travers elle, escalader intelligemment et documenter ce qui s'est passé.

Mais il a aussi cassé quelque chose d'autre. L'architecture d'intégration sous les systèmes agentiques est plus complexe que l'RPA. Un bot RPA se connecte à l'UI d'un système. Un système agentique a besoin d'un tissu de données. Il a besoin d'APIs avec de bons contrats. Il a besoin de lignée de données. Il a besoin de comprendre le contexte.

De l'expérience du Centre d'Ingénierie du Caire de Kerolles et de la livraison mondiale, la raison technique pour laquelle les programmes échouent est généralement architecturale, pas algorithmique. L'agent est bien. Les données en dessous sont un désordre. Les systèmes ne se parlent pas. Les données historiques sont dispersées. Les métadonnées de processus n'existent pas.

C'est la contrainte 2026 qui n'existait pas avec l'RPA. Vous ne pouvez pas exécuter un agent capable sur une mauvaise architecture de données.

C'est important parce que cela change la séquence de travail. Avec l'RPA, vous pouviez corriger le processus, l'automatiser et le lancer en direct. Avec les systèmes agentiques, vous devez évaluer le tissu de données avant de concevoir l'agent. S'il est cassé, vous le corrigez ou vous réduisez l'agent. Vous ne pouvez pas automatiser les appels de jugement si les données que l'agent doit utiliser sont cachées ou incohérentes.

La résistance culturelle aux systèmes agentiques masque parfois les problèmes d'architecture de données. Les gens disent que l'agent ne fonctionne pas. Ce qu'ils veulent dire c'est que l'agent demande des données qu'ils n'ont pas. Ou les données qu'il trouve sont incohérentes. Ce n'est pas un problème de culture. C'est l'infrastructure.

Où l'RPA se termine et le commerce agentique commence.

La question pratique qui arrive dans chaque conversation de planification est la même que celle qui est arrivée en 2022. Qu'est-ce que nous devrions automatiser avec quelle technologie?

La réponse est généralement les deux, et la séquence compte.

L'RPA est mature. Elle est éprouvée. Elle est étroite. Elle gère les cas connus, à haut volume, répétables. Une transaction qui arrive au système 10 000 fois par mois et suit un chemin clair. L'RPA est votre réponse.

Les systèmes agentiques sont plus nouveaux. Ils sont plus capables dans l'espace des exceptions. Ils peuvent raisonner. Ils peuvent gérer la variabilité. Mais ils sont aussi plus chers à exploiter et ils exigent une meilleure infrastructure de données. Un cas limite qui arrive 50 fois par mois et qui demande du jugement. C'est agentique.

La bonne réponse est presque toujours les deux. Traiter les 10 000 cas avec l'RPA. Traiter les 50 cas d'exception avec un agent. L'agent escalade vers un humain quand il en a besoin. Le bot RPA échoue et file à l'agent.

Cette séquence est ce que Boyd voulait dire quand il a dit que l'automatisation est sur les systèmes qui s'exécutent en production, pas sur les pilotes. Vous ne menez pas l'RPA versus l'IA agentique. Vous menez un système orchestré qui sait quel outil gère quel cas.

Boyd parlait de l'RPA. Mais le point plus large tient. La technologie continue d'évoluer. Les systèmes agentiques deviendront plus capables. De nouveaux outils émergeront. Ce qui ne change pas c'est le principe. Commencez par la culture. Corrigez le processus. Puis automatisez-le. Sachez ce que votre outil peut et ne peut pas faire. Menez les deux en séquence. Mesurez les résultats.

Ce texte montre que quatre ans d'évolution n'ont pas cassé le cadre original. Il a juste élargi l'étendue de ce qui se fait automatiser, et l'infrastructure que vous devez mettre en dessous.