Des agents d’intelligence artificielle sont actuellement en fonctionnement en production dans divers secteurs industriels, mais très peu d’informations publiques sont disponibles sur les approches techniques qui permettent des déploiements réussis dans le monde réel. Nous présentons la première étude systématique à grande échelle sur les agents d’IA en production, basée sur un sondage mené auprès de 306 praticiens et sur 20 études de cas approfondies réalisées par entretiens dans 26 domaines différents. Nous examinons les raisons pour lesquelles les organisations développent des agents, la manière dont ils sont construits, les méthodes d’évaluation utilisées, ainsi que les principaux défis liés à leur développement. Nous constatons que les agents en production sont généralement conçus à l’aide de méthodes simples et contrôlables : 68 % exécutent au plus 10 étapes avant de nécessiter une intervention humaine, 70 % s’appuient sur l’instruction (prompting) de modèles préexistants au lieu de procéder à une adaptation des poids, et 74 % dépendent principalement d’évaluations humaines. La fiabilité demeure le défi majeur du développement, en raison des difficultés liées à l’assurance et à l’évaluation de la correction des agents. Malgré ces difficultés, des méthodes simples mais efficaces permettent déjà aux agents d’avoir un impact significatif dans des domaines variés. Notre étude documente l’état actuel des pratiques et comble le fossé entre la recherche et le déploiement en offrant aux chercheurs une visibilité sur les défis rencontrés en production, tout en fournissant aux praticiens des modèles éprouvés issus de déploiements réussis.