Agentic AI governance : Google et SAP unissent leurs forces pour encadrer les agents en entreprise
🔎 La governance n'est plus un afterthought, c'est un produit
Les agents IA autonomes sont passés du proof of concept au déploiement massif en moins de dix-huit mois. Selon l'IDC, les déploiements d'agents IA seront 10x plus importants d'ici 2027 et 40x d'ici 2029 (chiffres cités par SiliconANGLE, mai 2026).
Pourtant, un frein majeur persiste : la governance. La plupart des Fortune 500 ont pilotté des systèmes multi-agents, mais très peu sont passés en production à cause des risques non maîtrisés.
SAP SAPPHIRE 2026 (11-13 mai 2026) a marqué un tournant. Google Cloud et SAP ont dévoilé une vision où la governance est intégrée directement dans les produits agents, pas ajoutée après coup. Gemini Enterprise + SAP Joule deviennent le modèle de référence.
IBM, une semaine plus tôt lors de Think 2026, positionnait la governance comme condition préalable au déploiement. Deux géants, même conclusion : sans governance runtime, l'agentic enterprise reste un mythe.
L'essentiel
- Google Cloud et SAP fusionnent governance et agents dans une offre unifiée (Gemini Enterprise + Joule), annoncée à SAPPHIRE 2026.
- L'IDC prévoit une multiplication par 40 des déploiements d'agents IA d'ici 2029, mais la governance reste le goulot d'étranglement.
- IBM Think 2026 adopte la même posture : la governance agentic est un prérequis, pas une option. La différence est d'ordre philosophique et technique.
- SAP repositionne Joule comme "front door" de l'IA autonome en entreprise, avec 200+ agents IA couvrant des workflows industriels complets.
- L'EU AI Act accélère le mouvement : la governance runtime devient une exigence légale, pas seulement un bon pratique technique.
Outils et plateformes mentionnés
| Outil / Plateforme | Rôle dans la governance agentic | Acteur | Contexte |
|---|---|---|---|
| Gemini Enterprise | Agents gouvernés intégrés au cloud SAP | Google Cloud | SAPPHIRE 2026 |
| Joule (SAP) | Front door des workflows agents autonomous | SAP | 200+ agents IA |
| IBM Orchestrate | Orchestration + governance agentic | IBM | Think 2026 |
| Waxell Agentic Governance Framework | Framework de governance runtime | Waxell | EU AI Act compliance |
Ce qui s'est passé à SAP SAPPHIRE 2026
Google Cloud et SAP ont annoncé une intégration poussée entre Gemini Enterprise et l'écosystème SAP, avec un accent spécifique sur la governance des agents IA.
L'idée centrale : la governance ne doit pas être une couche externe que les équipes de compliance ajoutent après le développement. Elle doit être bâtie dans le produit agent lui-même.
Concrètement, cela signifie que chaque agent Joule fonctionnant sur Gemini Enterprise hérite de politiques de governance définies au niveau de la plateforme. Pas de configuration séparée, pas de layer de sécurité ajouté a posteriori.
Computer Weekly (mai 2026) résume la stratégie : SAP unit sa Business AI Platform avec une Autonomous Suite pour ancrer les agents dans les processus métier, les données et la governance — le tout produisant des résultats précis, conformes et sécurisés.
C'est un changement de paradigme par rapport à l'approche traditionnelle où la governance IA était un exercice de documentation et d'audit a posteriori.
Joule repositionné comme porte d'entrée de l'IA autonome
SAP ne présente plus Joule comme un simple assistant conversationnel. SiliconANGLE (12 mai 2026) rapporte que Joule devient la "front door" de l'IA autonome en entreprise.
Le concept est clair : l'utilisateur interagit avec Joule, Joule orchestre les agents spécialisés, et chaque étape est gouvernée. L'utilisateur n'a pas besoin de savoir quel agent exécute quelle tâche. La governance est invisible mais omniprésente.
SAP Insider détaille que SAP avance sa stratégie Autonomous Enterprise avec plus de 200 agents IA, des workflows industriels alimentés par Joule et une migration cloud pilotée par l'IA via RISE with SAP.
Le passage est significatif : on ne déploie plus un ERP puis on ajoute de l'IA. L'exécution intelligente par processus est native.
La governance comme proposition de valeur centrale
Marketing Scoop (mai 2026) insiste sur un point souvent sous-estimé : la governance n'est pas un détail technique dans l'annonce Google-SAP, elle est centrale à la proposition de valeur.
C'est un signal fort adressé aux DSO et aux comités d'audit des grandes entreprises. Le message implicite : "Nous savons que vos équipes de compliance bloquent vos projets d'agents IA. Voici une réponse produit."
Cette approche répond directement à une frustration que Waxell (fév 2026) documente : la governance IA traditionnelle (modèle cards, audits de biais, monitoring de performance) est conçue pour des modèles statiques, pas pour des agents qui prennent des décisions en temps réel.
Governance IA classique vs governance agentic : la rupture
Pour comprendre l'enjeu de SAPPHIRE 2026, il faut saisir la différence fondamentale entre la governance IA traditionnelle et ce que Waxell appelle l'"agentic governance" (fév 2026).
La governance IA classique fonctionne en batch : on évalue un modèle avant déploiement, on audite ses outputs périodiquement, on documente ses biais. C'est un exercice statique.
L'agentic governance, c'est du contrôle runtime. Un agent décide d'appeler un outil, de modifier une base de données, d'envoyer un email — chaque action est évaluée en temps réel contre des politiques de governance.
| Dimension | Governance IA classique | Agentic governance |
|---|---|---|
| Moment | Pre-déploiement + audit périodique | Runtime, à chaque action de l'agent |
| Objet | Modèle (performance, biais, toxicité) | Comportement (actions, outils, décisions) |
| Réponse | Rapport d'audit, retraining | Blocage, escalation, override automatique |
| Cadre réglementaire | Largement couvert par l'EU AI Act | Zone grise, en cours de définition |
| Outils | Model cards, benchmarks, logging | Policy engines, guardrails runtime, human-in-the-loop |
Waxell souligne que l'EU AI Act, dans sa version actuelle, ne distingue pas clairement la governance d'un modèle de celle d'un agent. Un agent qui utilise un modèle "low risk" peut devenir "high risk" par ses actions autonomes.
C'est précisément ce vide que Google et SAP comblent avec leur approche intégrée : la governance du comportement agentique est aussi native que la governance du modèle sous-jacent.
L'approche Google Cloud : la governance comme feature produit
Le blog Google Cloud (13 mai 2026) détaille la vision : la governance est une feature de Gemini Enterprise, au même titre que le raisonnement ou la multimodalité.
Concrètement, Google intègre des mécanismes de contrôle directement dans l'infrastructure d'exécution des agents. Les politiques de governance sont définies au niveau de l'organisation SAP et héritées par tous les agents Joule.
Cette approche a un avantage tactique majeur : elle contourne le problème de l'adoption. Les développeurs d'agents n'ont pas à intégrer un outil de governance séparé. Les équipes de compliance n'ont pas à auditer chaque agent individuellement.
La governance est "on by default", ce qui change radicalement la dynamique de déploiement.
Scaling de compute et governance
Google a aussi annoncé un scaling massif de compute pour supporter cette vision. Les agents gouvernés consomment plus de ressources — chaque action nécessite une évaluation contre les politiques, ce qui ajoute de la latence et du coût.
L'investissement dans le compute n'est pas anecdotique. Il indique que Google prend au sérieux l'idée que la governance ne doit pas dégrader l'expérience utilisateur au point de la rendre inutilisable.
C'est un point de différenciation par rapport aux approches qui ajoutent une couche de governance externe, souvent perçue comme un bottleneck par les équipes de développement.
Gemini 3 Pro Deep Think dans l'écosystème
Bien que les annonces de SAPPHIRE se concentrent sur l'infrastructure de governance plutôt que sur les modèles spécifiques, l'écosystème Google-SAP s'appuie naturellement sur des modèles comme Gemini 3 Pro Deep Think (score agentic : 95.4) pour les tâches de raisonnement complexe.
Les agents qui nécessitent des décisions nuancées — par exemple, l'approbation de commandes au-dessus d'un certain seuil — bénéficient directement des capacités de raisonnement avancé de ce modèle, le tout dans un cadre gouverné.
Pour des architectures plus distribuées, certains déploiements combinent ces modèles avec des approches multi-agents où plusieurs IA collaborent sur des workflows complexes, chaque agent étant individuellement gouverné.
La vision SAP : 200+ agents et l'Autonomous Enterprise
SAP ne se contente pas de fournir une plateforme. Le guide officiel des innovations SAPPHIRE 2026 présente une vision où assistants et agents IA travaillent aux côtés des humains pour les exigences du business global.
Le chiffre est impressionnant : plus de 200 agents IA couvrant des workflows industriels spécifiques. Chaque agent est configuré pour un processus métier précis — procurement, finance, supply chain, RH — et chacun hérite de la governance définie au niveau de la plateforme.
Cette approche verticale est stratégique. Au lieu de proposer un framework d'agents générique, SAP fournit des agents pré-configurés pour des cas d'usage ERP spécifiques, avec la governance intégrée.
Pour les équipes techniques qui veulent comprendre comment ces agents sont structurés en interne, les principes de configuration d'agents avec des systèmes de type SOUL, AGENTS et Skills offrent un éclairage sur l'architecture sous-jacente.
Du déploiement ERP à l'exécution intelligente
Le changement de narratif est frappant. SAP ne parle plus de "déployer un ERP avec de l'IA". Le discours est passé à "l'exécution intelligente par processus".
Cela signifie qu'un processus de purchase-to-pay, par exemple, n'est plus exécuté par des humains qui utilisent un ERP avec des suggestions IA. Il est exécuté par des agents qui utilisent l'ERP comme infrastructure, avec une supervision humaine définie par les politiques de governance.
Cette évolution rend d'autant plus critique la question de la sélection des meilleurs agents IA pour l'entreprise, car le choix de la plateforme détermine les capacités de governance disponibles.
RISE with SAP et la migration cloud AI-led
Un élément souvent négligé de l'annonce : la migration cloud RISE with SAP est désormais "AI-led". La migration elle-même est pilotée par des agents, ce qui crée un effet réseau — plus de clients sur le cloud SAP, plus de données pour entraîner les agents, meilleurs résultats pour tous.
Cette stratégie de plateforme verrouille les clients dans l'écosystème SAP-Google, mais offre en échange une governance cohérente de bout en bout.
IBM Think 2026 : la governance comme prérequis, pas comme feature
Une semaine avant SAPPHIRE, IBM Think 2026 (5 mai 2026) abordait le même problème avec une posture différente.
La keynote d'Andy Baldwin était claire : orchestrer, accélérer et gouverner l'entreprise agentic. Mais là où Google-SAP intègrent la governance dans le produit, IBM la positionne comme un prérequis architecturel.
La nuance est importante. Pour IBM, vous ne devriez même pas commencer à construire des agents sans avoir d'abord défini votre framework de governance. C'est une approche "governance-first", opposée à l'approche "governance-by-default" de Google-SAP.
IBM vs Google-SAP : deux philosophies de la governance agentic
| Dimension | IBM Think 2026 | Google Cloud + SAP SAPPHIRE 2026 |
|---|---|---|
| Positionnement | La governance est un prérequis | La governance est un produit |
| Approche | Framework externe, architecture-first | Intégré nativement dans les agents |
| Cible | DSI, architectes, équipes compliance | Utilisateurs métier, développeurs SAP |
| Avantage | Flexibilité, agnosticisme écosystème | Friction d'adoption minimale |
| Risque | Complexité de mise en œuvre | Lock-in écosystème Google-SAP |
Aucune des deux approches n'est objectivement supérieure. Le choix dépend de la maturité de l'organisation et de son degré d'investissement dans l'écosystème SAP.
Pour les entreprises qui ne sont pas sur SAP, l'approche IBM offre plus de flexibilité. Pour celles qui sont déjà profondément intégrées dans l'écosystème SAP, l'approche Google-SAP réduit considérablement la friction de déploiement.
Cette dynamique rappelle les mouvements récents du marché où les géants de l'IA lancent des joint-ventures entreprise à plusieurs milliards de dollars pour verrouiller les grands comptes.
Pourquoi la governance agentic devient urgente en 2026
Trois facteurs convergent pour rendre la governance agentic non pas souhaitable mais indispensable cette année.
Le passage du pilot à la production
Les PoC de multi-agents ont inondé les entreprises en 2025. Les résultats étaient prometteurs mais impossibles à industrialiser sans governance runtime. 2026 est l'année où les entreprises doivent montrer un ROI concret ou voir leurs budgets agents coupés.
L'annonce Google-SAP répond exactement à cette pression : "Voici comment passer en production sans risquer votre conformité."
L'EU AI Act entre en phase d'application
Waxell (fév 2026) documente les exigences spécifiques de l'EU AI Act pour les systèmes agentic. Un agent qui prend des décisions impactant des humains (crédit, emploi, santé) tombe dans la catégorie "high risk", indépendamment du modèle qu'il utilise.
La governance doit documenter non seulement les performances du modèle, mais aussi le comportement de l'agent : quelles actions il a prises, pourquoi, selon quelles politiques, avec quelles garde-fous.
La complexité multi-agents explose
Un agent seul est relativement facile à gouverner. Un système de 10 ou 50 agents qui interagissent entre eux, appelant des outils et modifiant des données en temps réel, crée une surface d'attaque et de risque exponentielle.
C'est là que les 5 patterns d'agents IA qui marchent deviennent pertinents : chaque pattern (superviseur, pipeline, débat, hiérarchie, blackboard) a des exigences de governance différentes. Une plateforme qui intègre la governance par défaut simplifie considérablement la gestion de cette complexité.
Ce que cela signifie pour les équipes techniques
Pour les architectes et développeurs, les annonces de mai 2026 ont des implications concrètes.
Le choix de plateforme devient un choix de governance
Jusqu'à récemment, on choisissait une plateforme d'agents pour ses capacités de raisonnement, son intégration d'outils, sa scalabilité. La governance était un critère secondaire.
En 2026, la governance est le critère principal. Un agent brillant mais ingouvernable est un risque juridique, pas un atout.
Pour les équipes qui explorent des alternatives open source, l'écosystème autour d'agents IA avec Ollama en local offre plus de contrôle mais demande un investissement significatif en governance maison.
Les LLM agentic évoluent, la governance doit suivre
Les modèles sous-jacents évoluent rapidement. GPT-5.5 d'OpenAI domine les benchmarks agentic avec un score de 98.2, suivi de Gemini 3 Pro Deep Think à 95.4 et Claude Opus 4.7 (Adaptive) à 94.3.
Mais un score élevé au benchmark ne garantit pas un comportement gouvernable en production. La capacité d'un modèle à suivre précisément des instructions de governance (ne pas appeler tel outil, ne pas dépasser tel seuil, escalader telle décision) est un critère distinct de sa capacité de raisonnement pur.
Le choix du meilleur LLM pour les agents doit intégrer cette dimension de conformité aux politiques de governance, pas seulement la performance brute.
Le rôle du "agentic governance engineer" émerge
Une nouvelle fonction émerge dans les équipes : l'ingénieur spécialisé en governance agentic. Ce profil hybride combine compétences en orchestration d'agents, compréhension des cadres réglementaires et expertise en policy engineering.
Ce n'est pas un rôle de compliance classique. C'est un rôle technique qui définit les politiques de governance comme du code — des règles exécutables, testables, versionnées.
❌ Erreurs courantes
Erreur 1 : Confondre governance IA et governance agentic
La governance IA classique (évaluer un modèle avant déploiement) ne couvre pas le comportement d'un agent en runtime. Appliquer les mêmes outils aux deux, c'est comme utiliser un extincteur pour éteindre une fuite de gaz. La solution : adopter un framework de governance runtime spécifique aux agents, comme le documente Waxell.
Erreur 2 : Ajouter la governance après coup
C'est l'erreur que Google et SAP ciblent explicitement. Intégrer une couche de governance externe sur des agents déjà déployés crée de la dette technique, de la latence et des failles. La solution : choisir des plateformes où la governance est native, ou concevoir l'architecture governance-first dès le premier jour (approche IBM).
Erreur 3 : Ignorer l'EU AI Act pour les agents "low risk"
Un agent peut utiliser un modèle classé "low risk" tout en produisant un comportement "high risk" par ses actions autonomes. L'EU AI Act évalue le système complet, pas seulement le modèle. La solution : évaluer le risque au niveau du système agentic, pas au niveau du modèle individuel.
Erreur 4 : Sous-estimer le coût de la governance runtime
Chaque action d'un agent évaluée contre des politiques consomme du compute. À l'échelle de 200+ agents SAP, cela représente un surcoût non négligeable. La solution : dimensionner le compute en incluant le coût de governance dès la phase de planification, pas comme surprise en production.
❓ Questions fréquentes
La governance agentic est-elle obligatoire légalement ?
L'EU AI Act ne mentionne pas explicitement "governance agentic", mais ses exigences sur la surveillance humaine, la traçabilité et la gestion des risques s'appliquent pleinement aux systèmes d'agents. En pratique, la governance runtime est le seul moyen de démontrer la conformité pour les agents autonomes.
IBM ou Google-SAP : quelle approche choisir ?
Si votre entreprise est profondément intégrée dans l'écosystème SAP, l'approche Google-SAP offre la friction d'adoption la plus faible. Si vous avez une architecture hétérogène ou des exigences de flexibilité élevées, l'approche framework d'IBM est plus adaptée. Les deux ne sont pas mutuellement exclusives.
Les 200+ agents SAP sont-ils tous gouvernés de la même façon ?
Non. SAP définit des politiques de governance au niveau de la plateforme, mais chaque agent industriel a des garde-fous spécifiques à son domaine. Un agent de procurement n'a pas les mêmes contraintes qu'un agent RH, même s'ils partagent le même socle de governance.
Quel impact sur les équipes de développement d'agents ?
Le développement d'agents devient plus contraint mais aussi plus rapide. Moins de temps passé à construire des garde-fous maison, plus de temps passé sur la logique métier. Le compromis est un lock-in plus fort vers l'écosystème choisi.
La governance intégrée signifie-t-elle moins de performances ?
Il y a un overhead de compute inévitable. Mais Google a explicitement annoncé un scaling massif de compute pour SAPPHIRE 2026, indiquant que la performance des agents gouvernés est une priorité d'ingénierie, pas un compromis accepté.
✅ Conclusion
SAP SAPPHIRE 2026 marque le moment où la governance agentic est devenue un produit, pas un projet. Google et SAP ont montré que la governance peut être invisible pour l'utilisateur, native pour le développeur et robuste pour le compliance officer. IBM a posé les fondements philosophiques une semaine plus tôt. Le message commun est sans équivoque : l'ère des agents IA en entreprise sans governance runtime est terminée. Les organisations qui n'ont pas encore de stratégie de governance agentic ont un cadre de référence clair pour se mettre en mouvement.