Pour rendre un agent IA prévisible en coût comme en résultat, il faut déplacer le raisonnement du modèle : on le fait une fois, à la conception du workflow, et non à chaque exécution. C’est le principe de l’architecture Pega Predictable AI. Elle permet aussi le modèle de facturation au résultat introduit avec Pega Infinity 26. Voici comment elle fonctionne, ce qu’elle change pour la gouvernance et les points à vérifier avant de passer à l’échelle.
La fracture de l’IA en entreprise ne se joue plus sur l’accès aux modèles, mais sur l’exécution. Et dans l’exécution, un mot compte désormais plus que tous les autres : prévisible. Des coûts prévisibles, et des résultats prévisibles.
En bref
- 3 risques : opérationnel, financier, architectural.
- Un agent qui raisonne à chaque appel coûte plus cher et répond différemment à des demandes identiques.
- Pega fait raisonner l'IA à la conception, puis exécute des workflows approuvés.
- Depuis Pega Infinity 26 : facturation au case, sans frais de tokens ni de sièges.
- Règles, audit et plafonds de coût sont intégrés au processus.
Pourquoi les agents IA posent-ils un problème de prévisibilité ?
Les agents IA se multiplient plus vite que la capacité des organisations à les gouverner. Beaucoup d’entreprises en ont des dizaines en production, et peu savent en donner le nombre exact. C’est déjà une partie du problème. Sur le terrain, trois risques reviennent dans tous les projets :
Le risque financier est structurel. Selon une prévision de Gartner de mars 2026, les modèles agentiques consomment 5 à 30 fois plus de tokens par tâche qu’un chatbot classique (CustomerThink). Une étude du MIT NANDA de 2025 estimait par ailleurs que 95 % des pilotes d’IA générative ne produisaient aucun retour mesurable sur le résultat.
Aucun de ces risques ne dépend du choix du LLM. Ils dépendent de la manière dont le modèle est orchestré.
Qu’est-ce qu’une IA prévisible ?
Une IA prévisible donne la même réponse à deux demandes identiques, pour un coût connu à l’avance. Deux personnes avec le même problème doivent obtenir la même décision, quel que soit le jour ou la formulation.
« On veut que l’IA soit prévisible, qu’elle soit fiable, pour que deux personnes dont le problème est fondamentalement le même n’obtiennent pas des réponses différentes. »
Prenons une banque. Deux clients demandent le même crédit, avec le même profil et les mêmes justificatifs. Si l’agent raisonne librement à chaque demande, l’un peut être accepté et l’autre refusé, simplement parce que le modèle a suivi un autre chemin ce jour-là.
Dans un secteur réglementé, ce n’est pas un bug technique. C’est un risque de conformité et de réputation : l’évaluation de la solvabilité fait partie des usages classés à haut risque par l’AI Act européen, qui exige traçabilité et supervision humaine. La cohérence n’est pas un luxe : c’est la licence d’exploitation.
Pourquoi la gouvernance de l’IA doit être intégrée dès la conception
Une gouvernance ajoutée après coup ne contrôle pas l’IA : elle réagit à ses erreurs. Le réflexe courant consiste à ajouter un kill switch, une tour de contrôle ou un comité de revue mensuel. Un kill switch qui se déclenche signale qu’un incident a déjà eu lieu.
La vraie gouvernance ne se place pas à côté du processus : elle vit dedans.
| Gouvernance a posteriori | Gouvernance by design | |
|---|---|---|
| Où sont les règles | Dans des politiques externes au processus | Dans le workflow, exécutées à chaque étape |
| Audit | Revue après incident | Chaque étape tracée nativement |
| Coûts | Découverts sur la facture | Plafonnés avant l’exécution |
| Outils typiques | Kill switch, tour de contrôle, comité de revue | Case types, règles de décision, historique du case |
| Résultat | Une illusion de contrôle | Un contrôle qui tient en production |
Le vrai basculement : l’intelligence devient abondante, la prévisibilité devient rare
L’intelligence devient une commodité. La prévisibilité devient la ressource premium. Toute organisation peut aujourd’hui accéder à un modèle de pointe, et ses concurrents aussi. Ce n’est plus ce qui les distingue.
Ce qui est rare, c’est d’obtenir la même bonne réponse à chaque fois, pour un coût convenu à l’avance. La course aux modèles ne règle pas ce problème : un modèle plus puissant raisonne mieux, il ne raisonne pas de façon plus constante.
Le facteur de différenciation se déplace donc du modèle vers ce qui l’entoure.
Le harnais autour du modèle : workflows, règles, données, audit
Une IA d’entreprise a besoin d’un harnais : le modèle reste puissant, mais il est dirigé. Ce harnais tient en quatre composantes, chacune portée par des briques Pega existantes :
Au-delà de Pega, Agentic Process Fabric enregistre les agents, workflows et données des applications Pega et de systèmes tiers. Il prend en charge les protocoles MCP (Model Context Protocol) et A2A (Agent-to-Agent). Les processus Pega peuvent ainsi être appelés par des agents d’Anthropic, OpenAI, Google ou AWS, tout en restant sous les contrôles de gouvernance de Pega.
Pega Predictable AI : raisonner à la conception, exécuter au run time
Le choix d’architecture décisif, c’est le moment où le modèle raisonne. La plupart des agents IA repartent de zéro à chaque exécution. La même question posée lundi puis mardi est repensée deux fois : on paie deux fois, et on peut obtenir deux réponses différentes.
Pega sépare les deux temps (communiqué Pega Agentic Process Fabric) :
- À la conception (design time). Le raisonnement coûteux a lieu une seule fois, au moment de créer le workflow. Les agents de conception de Pega Blueprint et de Pega Infinity Studio proposent les étapes, les données, les rôles et les règles du processus. Les équipes métier et IT les valident. C’est là que l’IA justifie son coût.
- À l’exécution (run time). Un mode « sémantique » plus léger identifie l’intention de l’utilisateur. L’agent sélectionne le workflow Pega approuvé correspondant et le suit étape par étape.
- Des appels LLM bornés. Quand une étape a besoin d’un modèle de langage (lire un document, résumer un historique client), il reçoit des instructions précises et limitées, pas une latitude ouverte.
Cette seule décision d’architecture produit deux effets. Les résultats deviennent reproductibles, car deux demandes identiques empruntent le même chemin. Les coûts deviennent prévisibles, car le raisonnement n’est pas répété à chaque exécution.
Facturer au case plutôt qu’au token : ce qui change avec Pega Infinity 26
Avec Pega Infinity 26, annoncé le 8 juin 2026 et disponible au troisième trimestre 2026, les agents Pega sont facturés par case mené à son terme, sans frais de tokens ni de sièges (Agile Brand Guide). Un case, c’est une tâche exécutée de bout en bout : un client qui modifie une commande, une demande de crédit, un sinistre. Le prix reste le même quelle que soit la quantité d’IA mobilisée en coulisse.
Ce n’est pas un pivot opportuniste. Pega orchestre des processus métier depuis 1983, bien avant que l’on parle d’IA « agentique ». La facturation au case est la conséquence économique de cette architecture, pas un simple choix commercial.
Ce modèle n’est tenable que parce que le raisonnement n’est pas gaspillé. Un éditeur dont les agents brûlent des tokens à repenser le même processus ne peut pas s’engager sur un prix fixe par résultat. Pega annonce des économies pouvant dépasser 20 fois les coûts d’une approche facturée au token, selon la complexité et le volume. Ce chiffre vient de son propre simulateur, l’AI Token Cost Calculator, et n’a pas été vérifié de façon indépendante.
Le marché converge vers la facturation au résultat, mais l’unité facturée varie (CustomerThink) :
| Éditeur | Unité facturée | Prix public annoncé |
|---|---|---|
| Pega Infinity 26 | Case mené à son terme | Forfait par case, sur contrat |
| Salesforce Agentforce | Conversation, puis action (Flex Credits) | 2,00 $ par conversation au lancement |
| Zendesk | Résolution automatisée | Environ 1,50 $ sur volume engagé |
| Intercom Fin | Résolution | 0,99 $ |
| HubSpot | Conversation résolue | 0,50 $ depuis avril 2026 |
La différence tient à l’unité. Une « résolution » de support couvre une conversation. Un case Pega couvre un processus métier complet, souvent multi-étapes et multi-systèmes.
Pour les équipes de développement, Pega Infinity 26 apporte aussi un studio unifié et un AI Assistant : nous les détaillons dans notre article sur les nouveautés IA de Pega Infinity ‘26.
Les questions à poser avant de passer à l’échelle
L’architecture Predictable AI tient ses promesses quand le périmètre des workflows est bien défini. Les zones grises se trouvent aux marges. Avant de signer ou d’industrialiser, quatre points méritent d’être clarifiés :
Ce sont des questions de conception autant que de contrat. Elles se traitent dès la cartographie des processus, pas après le déploiement.
Ce qu’en disent les analystes
En 2026, deux analystes indépendants ont classé Pega parmi les Leaders, sous deux angles différents.
Forrester Wave™ : AI Platforms, Q3 2026
Pega est Leader, avec la note maximale sur 8 des 19 critères, dont le développement d'agents et la gouvernance.
Gartner Magic Quadrant 2026 : BOAT
Pega est Leader pour la deuxième année consécutive, selon l'annonce de l'éditeur.
Un analyste évalue les plateformes d’IA, l’autre l’orchestration des processus. Les deux arrivent à la même conclusion : la valeur se trouve dans la couche d’orchestration, pas dans le modèle seul.
Questions fréquentes
Qu'est-ce que Pega Predictable AI ?
Pega Predictable AI est l'architecture d'agents IA de Pega. Le raisonnement du modèle a lieu à la conception des workflows, dans Pega Blueprint et Infinity Studio. Au run time, les agents exécutent des workflows approuvés au lieu de raisonner à nouveau à chaque demande.
Pourquoi un agent IA classique coûte-t-il cher ?
Un agent classique raisonne à chaque exécution. Plus la demande est complexe, plus il enchaîne d'étapes de raisonnement et consomme de tokens. Selon Gartner, un modèle agentique consomme 5 à 30 fois plus de tokens par tâche qu'un chatbot classique.
Comment Pega facture-t-il ses agents IA ?
Depuis Pega Infinity 26, Pega facture ses agents par case mené à son terme. Il n'y a ni frais de tokens ni frais de sièges, et le prix d'un case ne dépend pas de la quantité d'IA utilisée.
Qu'est-ce que la gouvernance de l'IA by design ?
C'est une gouvernance intégrée au processus plutôt qu'ajoutée après coup. Les règles métier sont exécutées dans le workflow, chaque étape est tracée, et les plafonds de coût sont fixés avant l'exécution.
Pega fonctionne-t-il avec des agents d'autres éditeurs ?
Oui. Pega Agentic Process Fabric prend en charge les protocoles MCP et A2A. Des agents tiers peuvent ainsi appeler des processus Pega, sous les contrôles de gouvernance de la plateforme.
Pourquoi la prévisibilité compte-t-elle plus que la puissance du modèle ?
Toutes les entreprises ont accès aux mêmes modèles de pointe, donc la puissance du modèle ne différencie plus. Ce qui reste rare, c'est d'obtenir la même bonne réponse à chaque fois, pour un coût connu à l'avance. C'est ce que demandent les métiers et les régulateurs.
La question n’est plus d’adopter l’IA, mais de pouvoir lui faire confiance
La décision d’adopter l’IA est déjà prise dans la plupart des entreprises. Celle qui reste est de savoir si l’on peut lui faire confiance : obtient-on des résultats fiables, à un coût que l’on peut prévoir ? Ce n’est pas une question de modèle. C’est une question d’orchestration.
En vidéo : coûts et résultats prévisibles avec Pega
L’essentiel de cet article en vidéo, présenté par Riadh Ziri, CEO d’IRIZ Consulting :
Vous déployez des agents IA et voulez maîtriser vos coûts et vos résultats ?
Les experts Pega d'IRIZ Consulting vous accompagnent, de la cartographie de vos processus à la conception de workflows agentiques gouvernés dans Pega Infinity.
Parlons-en : prendre rendez-vous →Sources
- Pega Eliminates ‘AI Token Tax’ With More Efficient Way to Build and Run Agentic Workflows, Agile Brand Guide, juin 2026
- Pega’s fix for runaway AI costs: stop the agents from thinking at runtime, CustomerThink, 24 juin 2026
- Pega Agentic Process Fabric Reliably Orchestrates End to End AI Automation, Business Wire, juin 2025
- Pega Named a Leader in AI Platforms by Independent Research Firm, Business Wire, août 2026
- Pega named Gartner Leader in AI orchestration for second year, ScanX, septembre 2026
- Pega Named a Leader in Gartner Magic Quadrant for BOAT (2025), Business Wire, octobre 2025