Après quinze ans consacrés à l’automatisation des processus avec Bonitasoft, Christophe Bouron défend une nouvelle étape : faire de l’intelligence artificielle non plus seulement un outil individuel, mais une couche d’exécution capable d’orchestrer le travail entre collaborateurs, agents et systèmes métier. Avec Ofelia Agentic, l’entreprise française cible particulièrement les ETI de 1 000 à 8 000 salariés. Une transformation qui pose autant de questions de productivité que de gouvernance, de sécurité et d’organisation du travail.
Utiliser ChatGPT pour rédiger un document plus rapidement ne transforme pas nécessairement une entreprise.
Pour Christophe Bouron, CEO d’Ofelia, c’est précisément là que se situe une partie du malentendu actuel autour de l’intelligence artificielle en entreprise.
Depuis l’arrivée massive des IA génératives, les collaborateurs peuvent individuellement écrire, analyser, rechercher ou synthétiser plus rapidement. Mais à l’échelle d’une organisation de plusieurs milliers de salariés, accélérer chaque individu ne suffit pas nécessairement à améliorer la performance collective.
Une problématique qui rejoint plus largement le paradoxe des gains de productivité liés à l’intelligence artificielle : produire davantage ou plus rapidement ne signifie pas automatiquement créer davantage de valeur à l’échelle de l’entreprise.
C’est sur cette frontière qu’Ofelia entend se positionner.
Anciennement connue sous le nom de Bonitasoft, l’entreprise française veut désormais utiliser l’IA agentique pour orchestrer non plus seulement des tâches, mais des processus impliquant plusieurs collaborateurs, systèmes et règles métier.
Une évolution qui s’appuie directement sur son histoire.
De Bonitasoft à Ofelia : quinze ans de processus métier rencontrent l’IA agentique
Fondée en 2009, Bonitasoft s’est développée dans le Business Process Management (BPM) : la modélisation, l’automatisation et l’orchestration des processus métier.
En 2026, Bonitasoft devient Ofelia. L’entreprise présente cette transformation comme le prolongement de quinze années consacrées à l’automatisation. Elle revendique plus de 150 organisations accompagnées et veut désormais construire une suite d’orchestration de l’IA combinant rapidité d’exécution et gouvernance.
Bonita BPM ne disparaît d’ailleurs pas. La plateforme continue d’être proposée pour les opérations complexes et critiques, tandis qu’Ofelia Agentic développe une approche davantage conversationnelle.
Cette coexistence est importante pour comprendre la stratégie.
Le BPM traditionnel repose sur des processus largement déterministes : une action déclenche une étape, qui répond à certaines règles et conduit à une autre étape.
L’agent IA introduit au contraire une capacité d’interprétation et, potentiellement, d’action. Cette nouvelle génération d’outils commence déjà à constituer une nouvelle couche d’automatisation opérationnelle pour les entreprises.
Pour Christophe Bouron, l’enjeu consiste désormais à combiner les deux.
« On va faire une sorte d’hybridation et donner la main aux équipes non techniques pour qu’elles puissent construire facilement tous les processus dans leur organisation, juste en logique de prompting. »
L’idée est de permettre à un responsable RH, commercial ou opérationnel de décrire ce dont il a besoin en langage naturel, sans nécessairement savoir développer une application.
Le processus peut ensuite être généré, visualisé, modifié puis mis en production.
C’est un changement important dans la répartition des rôles : la connaissance du besoin reste chez le métier, tandis que la DSI conserve le cadre technique, sécuritaire et organisationnel.
Donner des « super pouvoirs » aux métiers
C’est probablement l’une des ambitions les plus structurantes exprimées par Christophe Bouron pendant notre échange : réduire la distance entre le besoin opérationnel et sa traduction informatique.
Dans beaucoup d’entreprises, modifier un processus peut encore nécessiter plusieurs intermédiaires.
Le métier formule un besoin. La DSI l’analyse. Un éditeur ou un intégrateur intervient. Le système est développé, testé puis déployé.
Et lorsqu’un besoin change, une partie du cycle recommence.
Christophe Bouron connaît particulièrement cette problématique pour avoir travaillé dans des fonctions commerciales.
Il prend l’exemple de Salesforce : un CRM peut devenir progressivement beaucoup plus complexe lorsque s’y accumulent modules, développements spécifiques et interventions d’intégrateurs.
Une évolution commerciale relativement simple peut alors nécessiter de modifier plusieurs briques du système.
Avec l’IA agentique, Ofelia veut déplacer une partie de cette complexité.
L’objectif n’est pas de remplacer les CRM, ERP et grands systèmes d’information, mais de construire plus rapidement des processus autour d’eux.
Un responsable commercial pourrait par exemple demander :
- de vérifier les conditions nécessaires à une proposition commerciale ;
- d’obtenir une validation lorsqu’un seuil est dépassé ;
- de générer certains éléments du devis ;
- de solliciter le bon collaborateur ;
- puis de renvoyer les informations pertinentes vers le CRM.
Le tout depuis Slack ou Microsoft Teams.
« On donne finalement des super pouvoirs à des personnes qui ne sont pas tech », résume Christophe Bouron.
L’IA agentique ne doit pas remplacer le CRM
Cette distinction permet également de mieux comprendre le positionnement d’Ofelia.
L’entreprise ne cherche pas à reconstruire Salesforce, un ERP ou l’ensemble du système d’information.
Elle veut plutôt devenir une couche d’orchestration entre ces différents systèmes et les collaborateurs.
Dans cette architecture, les grands logiciels restent les systèmes de référence.
Les agents deviennent la couche permettant d’interagir avec eux et d’organiser l’exécution.
Cette stratégie pourrait répondre à une problématique récurrente des entreprises : l’accumulation de petits outils SaaS destinés à combler les limites des systèmes existants.
À mesure que ces outils se multiplient, la stack technologique devient plus difficile à administrer et les processus se fragmentent.
Ofelia parie sur le mouvement inverse : conserver quelques systèmes structurants et utiliser les agents pour orchestrer plus dynamiquement ce qui se passe entre eux.
Un salarié parle à un agent, plusieurs agents travaillent derrière
Pour l’utilisateur, Ofelia veut volontairement masquer cette complexité.
Le salarié n’a pas à choisir entre un agent RH, un agent commercial, un agent finance ou un agent IT.
Il dialogue avec un interlocuteur unique depuis Slack ou Microsoft Teams.
En arrière-plan, l’architecture peut cependant faire intervenir plusieurs agents spécialisés.
« Le salarié, lui, ne sait pas ce qui se passe derrière », explique Christophe Bouron.
Un agent peut ainsi déterminer qu’une demande concerne les ressources humaines, interroger les règles applicables puis solliciter d’autres composants spécialisés.
L’ambition peut être résumée simplement :
un interlocuteur pour le salarié, plusieurs intelligences spécialisées derrière lui.Cette architecture multi-agents pose toutefois une question de contrôle. Plus les systèmes sont capables d’interagir entre eux et d’agir de manière autonome, plus leur confinement devient stratégique. Plusieurs incidents récents impliquant des agents d’OpenAI capables d’adopter des comportements non anticipés illustrent déjà les difficultés que peut poser cette autonomie lorsqu’elle dépasse le cadre initialement prévu.
L’exemple du télétravail montre la différence entre agent et processus
Prenons une demande extrêmement banale :
« Est-ce que je peux travailler de chez moi ? »
Un agent classique peut rechercher la politique de télétravail et produire une réponse.
Ofelia veut aller plus loin.
L’agent peut prendre en compte le profil du salarié, son métier, son rôle et les règles internes applicables.
Si la situation est simple, il peut restituer la règle et préparer la demande.
Mais si celle-ci nécessite une autorisation particulière, l’agent ne doit plus décider librement.
Il déclenche alors un processus prédéfini.
C’est ici que l’héritage de Bonitasoft prend tout son sens.
Ofelia cherche à faire cohabiter la flexibilité probabiliste de l’IA et le déterminisme des processus métier.
Lorsque l’enjeu est faible, l’agent dispose d’une certaine autonomie.
Lorsqu’une opération devient sensible — achat, validation, accès à une donnée ou décision réglementée — l’entreprise peut imposer un chemin précis.
L’IA accélère alors le processus sans supprimer les règles qui l’encadrent.
Le véritable problème pourrait être la productivité collective
Cette architecture repose sur une critique plus générale de l’adoption actuelle de l’IA.
Pour Christophe Bouron, les outils génératifs apportent déjà des gains individuels.
Mais additionner les gains individuels ne produit pas automatiquement une organisation plus performante.
Il prend un exemple particulièrement parlant : plusieurs collaborateurs préparent une réunion en demandant chacun à leur LLM de travailler sur le même sujet.
Chacun gagne individuellement du temps.
Mais l’équipe peut finalement arriver avec plusieurs productions similaires.
L’IA a accéléré chaque personne sans nécessairement améliorer la collaboration.Cette distinction rejoint une question déjà analysée par Entreprisma : celle de la « productivité fantôme » que peut générer l’intelligence artificielle, lorsque l’augmentation du volume produit ne se traduit pas proportionnellement par davantage de valeur économique.
C’est ce que veut attaquer Ofelia : les temps morts entre les individus.
Une validation attendue.
Un mail qui doit être relancé.
Une information recherchée.
Une demande envoyée au mauvais interlocuteur.
Une donnée recopiée d’un système vers un autre.
Pris séparément, ces frottements paraissent insignifiants. Multipliés par plusieurs milliers de salariés et des centaines de processus, ils peuvent représenter un coût organisationnel considérable.
Le Shadow AI devient un risque pour les DSI
Cette multiplication des usages introduit cependant une autre problématique : le Shadow AI.
Le phénomène prolonge celui du Shadow IT.
Une équipe trouve les outils internes insuffisants, adopte un logiciel SaaS, automatise quelques tâches puis le connecte à un autre service.
L’expérience fonctionne.
Mais progressivement, une partie du système d’information échappe à la gouvernance centrale.
Entreprisma a déjà consacré une analyse au Shadow IA et aux risques que représentent les usages d’intelligence artificielle échappant au contrôle de la DSI. Avec les agents, le problème change encore d’échelle puisqu’un système ne se contente plus nécessairement de produire de l’information : il peut aller la chercher, communiquer avec d’autres outils et déclencher des actions.
Christophe Bouron raconte qu’Ofelia en a elle-même fait l’expérience.
Lors d’un usage interne, l’entreprise s’est aperçue qu’un agent pouvait aller chercher des informations confidentielles provenant du comité de direction.
L’exemple est révélateur.
Une mauvaise configuration ne signifie plus simplement qu’un collaborateur utilise le mauvais logiciel. Elle peut donner à une intelligence automatisée accès à un périmètre de données qu’elle ne devrait pas exploiter.
D’où l’importance accordée par Ofelia à la traçabilité, aux permissions et aux processus gouvernés.
Automatiser 75 % du service client peut créer un autre problème
Christophe Bouron pointe également un paradoxe rarement évoqué dans les discours sur l’automatisation.
Imaginons qu’un agent puisse traiter 75 % des demandes adressées à un service client.
Les questions simples disparaissent progressivement du quotidien des conseillers.
Mais les 25 % restants correspondent précisément aux cas les plus complexes.
Avant l’automatisation, un collaborateur pouvait traiter au cours d’une même journée des dossiers simples et quelques situations difficiles.
Après automatisation, son activité risque de se concentrer presque exclusivement sur les exceptions.
La productivité augmente peut-être statistiquement.
La réalité du travail humain, elle, peut se détériorer.
Pour Ofelia, l’orchestration doit donc également s’intéresser aux 25 % restants : lorsque l’agent ne peut plus répondre, quel processus permet à l’humain de reprendre efficacement la main ?
Cette question montre pourquoi l’automatisation ne peut pas être mesurée uniquement en nombre de tâches supprimées.
Jusqu’à 100 à 200 % de productivité : une promesse qui reste à documenter
C’est aussi sur la productivité qu’Ofelia avance l’une de ses affirmations les plus ambitieuses.
Dans son communiqué de lancement, Christophe Bouron estime qu’une IA utilisée individuellement peut générer de l’ordre de 15 à 20 % de gains de productivité et qu’une utilisation orchestrée pourrait permettre de viser 100 à 200 % de gains de productivité par poste.
L’entretien permet de comprendre le raisonnement derrière cette ambition.
Christophe Bouron évoque notamment des processus administratifs représentant plusieurs heures cumulées entre différents collaborateurs et qui pourraient être ramenés à quelques minutes grâce à l’automatisation des recherches, transmissions et validations.
Mais ces exemples ne suffisent pas, à ce stade, à établir qu’un gain de 100 à 200 % peut être généralisé à l’échelle d’un poste ou d’une ETI.
La différence est importante.
Accélérer un processus de 90 % ne signifie pas automatiquement augmenter de 90 % la productivité globale d’un salarié.Le véritable enjeu sera donc de mesurer les gains nets en production : temps économisé, coût d’intégration, supervision humaine, taux d’erreur, qualité, revenus supplémentaires et éventuels nouveaux coûts liés aux modèles.
C’est précisément l’un des enjeux qui se cache derrière la mesure réelle de la productivité générée par l’IA dans les entreprises : distinguer l’accélération d’une tâche de la création de valeur économique à l’échelle de l’organisation.
La souveraineté se heurte à la réalité économique de l’IA
L’autre tension concerne les modèles utilisés derrière ces agents.
Le sujet est particulièrement sensible pour Ofelia, qui travaille notamment avec des acteurs de la banque, de l’assurance et des mutuelles.
Christophe Bouron défend une approche pragmatique.
L’entreprise privilégie notamment des infrastructures européennes pour le traitement de certaines données, y compris lorsque l’opérateur est américain.
Mais localisation des données et souveraineté technologique ne sont pas nécessairement synonymes. La question rejoint le débat plus large sur la dépendance technologique européenne dans l’intelligence artificielle, où le contrôle de l’infrastructure, des modèles et de la puissance de calcul devient aussi stratégique que le lieu d’hébergement des données.
Ofelia n’envisage pas, à court terme, d’entraîner elle-même un grand modèle de fondation.
Les investissements nécessaires seraient sans commune mesure avec les moyens d’un éditeur de cette taille.
L’entreprise a également expérimenté des modèles européens, dont ceux de Mistral AI. Christophe Bouron estime que les modèles testés n’offraient pas encore le niveau de fiabilité recherché pour certains usages d’Ofelia.
Cette appréciation reste celle du dirigeant et dépend des modèles, versions et cas d’usage considérés.
Le sujet dépasse largement Ofelia. Mistral cherche justement à renforcer son contrôle de la chaîne technologique avec le développement de ses propres infrastructures de calcul en France, tandis que son déploiement dans des organisations sensibles, comme La Banque Postale, illustre l’importance croissante de la souveraineté dans les décisions technologiques des entreprises.
Pour Ofelia, la stratégie consiste donc davantage à rester suffisamment indépendante des modèles pour pouvoir faire évoluer la couche d’intelligence utilisée au fil du temps.
En 2030, un triptyque : systèmes, humains et agents
À quoi pourrait alors ressembler une ETI de 5 000 salariés en 2030 ?
Christophe Bouron ne prédit pas la disparition des ERP ou des CRM.
Au contraire.
Il imagine ces grandes plateformes conserver leur rôle de « centres de commandement ».
En revanche, une partie des petits outils SaaS spécialisés pourrait être rationalisée tandis que les agents prendraient en charge davantage d’interactions entre systèmes et collaborateurs.
Sa vision repose sur un triptyque :
les systèmes, les humains et les agents.Les premiers conservent les données et fonctions structurantes.
Les deuxièmes gardent la capacité de décision et d’arbitrage.
Les troisièmes exécutent, recherchent, coordonnent et accélèrent une partie croissante du travail.
Cette transformation ne sera probablement ni uniforme ni instantanée.
Certaines ETI commenceront tôt. D’autres conserveront leurs processus existants beaucoup plus longtemps.
Christophe Bouron considère que cet écart pourrait finir par devenir un sujet de compétitivité.
Mais il insiste également sur une limite fondamentale : maximiser l’automatisation n’est pas nécessairement l’objectif.
Conserver une décision humaine peut parfois coûter quelques points de performance tout en apportant davantage de fiabilité, de contrôle et d’engagement des collaborateurs.
C’est peut-être là que se trouve finalement la partie la plus intéressante de la vision défendue par Ofelia.
Pendant quinze ans, Bonitasoft a travaillé à apprendre aux machines à suivre les processus conçus par les entreprises.
Avec Ofelia, l’entreprise fait désormais le pari inverse : permettre aux collaborateurs d’exprimer ce qu’ils veulent accomplir en langage naturel, laisser les agents trouver comment l’exécuter, mais continuer à laisser l’organisation décider jusqu’où ils ont le droit d’aller.
La prochaine bataille de l’IA en entreprise pourrait donc moins porter sur le modèle le plus puissant que sur une question beaucoup plus opérationnelle : qui orchestre le travail lorsque humains, logiciels et agents commencent à agir ensemble ?
