Combien de temps prend réellement la maintenance d'un agent IA une fois qu'il tourne en production ?

Six mois après un déploiement, la plupart des agents que Paul Larmaraud a mis en route ne demandent rien : ils tournent, personne n'y touche. Puis un fournisseur change le format de ses factures, ou une nouvelle règle de remise entre en vigueur, et il faut corriger une ligne quelque part. Ce sont ces corrections-là qui composent la maintenance réelle, pas un forfait d'heures fixé à l'avance : le temps qu'elle prend dépend entièrement de la fréquence à laquelle le monde autour de l'agent bouge, et non d'un abonnement mensuel payé que quelque chose se passe ou non. Un mois sans événement ne coûte rien ; un mois où trois règles changent d'un coup coûte davantage, sans que la somme des deux, sur la durée, s'approche jamais d'un mi-temps caché.

Pourquoi la maintenance d'un agent IA ne ressemble-t-elle pas à celle d'un logiciel classique ?

Un logiciel classique se maintient au calendrier : mises à jour de sécurité, montées de version, tickets de support qui s'accumulent. Un agent IA bien construit ne demande rien tant que le monde autour de lui n'a pas bougé. Sa maintenance suit un déclencheur précis : un fournisseur change une facture type, une grille tarifaire évolue, un client commence à formuler ses demandes autrement. Entre deux événements de ce genre, il n'y a rien à surveiller, sinon que le système continue à produire ce qu'on attend de lui.

Qu'est-ce qui fait grimper le temps de maintenance d'un agent IA ?

La complexité des décisions qu'on lui demande de prendre, bien plus que le volume de travail traité. Un agent qui trie des factures selon trois critères stables tourne des mois sans intervention, même si le nombre de factures double. Un agent à qui on ajoute des exceptions une par une, un cas particulier ici, une dérogation là, finit par porter une logique que plus personne n'a vue en entier, et chaque correction devient plus lente que la précédente. Ce scénario reste rare, et il signale presque toujours qu'on a corrigé l'agent en surface au lieu de revoir sa logique dès la première exception : à ce stade, une automatisation se reprend en profondeur, une réparation ponctuelle ne suffit plus.

Comment un dirigeant sait-il que son agent IA a besoin d'attention ?

Rarement parce qu'un écran l'affiche en rouge. Le signal le plus fiable reste que quelqu'un dans l'entreprise remarque un résultat qui ne colle plus à la réalité : un chiffre qui semble faux, une relance qui part deux fois, un devis qui ignore la remise du mois. Le risque de laisser filer n'a rien d'abstrait : une facture erronée part chez un client, une remise oubliée mange une marge, et c'est souvent le client qui signale l'écart avant l'entreprise elle-même. Paul Larmaraud construit ses agents pour qu'ils s'arrêtent et signalent un écart plutôt que de continuer à produire un résultat hors norme, mais ce garde-fou ne remplace pas l'habitude, chez le dirigeant, de regarder ce que la machine sort. Cette habitude ne prend que le temps d'un coup d'œil, rarement une plage de travail dédiée : c'est elle qui permet de repérer tôt l'événement qui, lui, déclenchera une vraie correction.

Un dirigeant sans équipe technique peut-il apprendre à faire ces corrections lui-même ?

Oui, et c'est une partie de ce que Paul Larmaraud transmet pendant l'accompagnement de 10 heures : comprendre assez la logique de son propre agent pour ouvrir le capot et ajuster une règle, sans dépendre d'un prestataire pour chaque changement de format. Le dirigeant qui a construit l'automatisme avec lui, plutôt que de l'avoir reçu déjà fini, sait où regarder quand quelque chose cloche. L'accompagnement est proposé dès 3 200 € HT pour 10 heures utilisables sur 2 mois. Le système tourne dans les outils du client ; le code, les données et la documentation lui appartiennent, et son équipe le fait tourner avec la méthode apprise. Le parcours comprend un examen offert de 15 minutes, une restitution de 30 minutes, puis les 10 heures de construction avec Paul Larmaraud, fondateur de Parrit.ai.