Ce que vos event logs révèlent avant de déployer des agents IA sur vos processus
85 % des organisations veulent devenir une entreprise agentique d'ici trois ans, et 76 % reconnaissent que leurs processus actuels les en empêchent. Les deux chiffres viennent du même sondage, le 2026 Process Optimization Report de Celonis, réalisé par le cabinet indépendant Insight Avenue auprès de 1 649 dirigeants d'entreprises de plus de 500 millions de dollars de revenus. Deux précautions avant de s'en servir : l'éditeur vend précisément la solution que son étude appelle, et le terrain a été mené en juin et juillet 2025 pour une publication en février 2026. Le même diagnostic existe hors de tout intérêt commercial. Wil van der Aalst, professeur à RWTH Aachen et l'un des fondateurs de la discipline du process mining, le formule ainsi dans une note d'exécutif publiée par MIT Technology Review Insights le 2 juillet 2026 : « Si vous n'avez aucune idée de ce qui se passe vraiment dans vos processus, il est très naïf de penser que vous allez résoudre vos problèmes les plus importants avec des agents IA. » Il défendait déjà cette thèse dans une communication académique de 2025, sous un titre qui a depuis été récupéré comme argument de vente par toute une industrie : No AI Without PI.
La conclusion qu'on en tire habituellement est qu'il faut miner ses processus avant d'y poser un agent. C'est juste, et ça ne suffit pas. Un journal d'événements décrit ce que vos systèmes ont enregistré, pas ce que vos équipes ont fait. L'approbation obtenue par courriel parce que l'outil officiel est trop lent, le tableur de correction que la finance maintient à côté du référentiel fournisseurs, le raccourci officieux d'un responsable régional pour tenir une promesse client : rien de cela n'écrit une ligne dans l'ERP. Ces variantes n'apparaissent pas dans le modèle miné, et ce sont précisément celles sur lesquelles un agent va se casser. Une campagne de process mining produit donc une carte fiable sur ce qu'elle couvre et muette sur le reste, et ce silence se lit comme un processus propre. Le risque n'est pas de ne rien savoir, il est de repartir avec une confiance mal placée.
L'article du 23 juillet sur le framework de gouvernance du risque agentique traitait la question de l'autorisation : cet agent a-t-il le droit d'agir, et jusqu'où. La question qui la précède est différente et plus inconfortable : ce processus mérite-t-il d'être accéléré. Ce qui suit propose une grille de lecture du journal d'événements en cinq questions, et surtout ce qu'il faut faire des trous que cette grille laisse ouverts.

Pourquoi la question devient structurante en 2026
Le marché a tranché avant les directions techniques. Celonis a lancé le 12 mai 2026 son Context Model, présenté comme une couche de contexte opérationnel destinée à alimenter les agents, et annoncé le même jour l'acquisition d'Ikigai Labs pour y ajouter simulation et prévision, avec des droits exclusifs sur des brevets détenus par le MIT. L'intégration entre ce socle et Microsoft Agent 365 est en preview privée depuis le 1er mai 2026. Dans l'autre sens, Salesforce a absorbé le spécialiste du mining Apromore dans Agentforce. Les fournisseurs d'orchestration ajoutent de l'analytique, les mineurs achètent de l'exécution, et la frontière entre les deux disparaît.
Kai Waehner, analyste indépendant qui publie ses conflits d'intérêts en fin d'article, décompose cette convergence en trois fonctions distinctes dans son panorama du 22 juillet 2026 : le mining lit les journaux d'événements que produisent déjà l'ERP, le CRM et les outils de ticketing pour reconstituer le déroulement réel du travail ; l'orchestration décide de la suite et applique les règles ; une porte de décision vérifie chaque action automatisée contre des seuils et des contraintes avant qu'elle n'ait des conséquences. Il souligne l'erreur la plus courante : traiter la process intelligence comme un outil unique. Un mining sans orchestration voit les problèmes sans pouvoir les corriger, une orchestration sans mining automatise un processus que personne n'a vérifié, et aucun des deux ne peut dire à un agent ce qu'il a le droit de faire.
Sa remarque la plus utile concerne l'étape que les projets sautent : introduire un agent n'est pas la même chose qu'embarquer de l'IA dans un processus existant, parce qu'un processus conçu pour une exécution humaine est rarement la bonne base pour une exécution autonome. Filippo Catalano, Chief Information and Digital Officer de Mondelez International, dit la même chose du point de vue d'un déploiement en cours, cité dans le communiqué de Celonis : des agents fiables ne tiennent à l'échelle que s'ils agissent sur la réalité de l'exécution des processus dans chaque marché et chaque système, et non sur leur version théorique.
Ce que le journal contient, et ce dont il ne parle pas
Un journal d'événements bien constitué révèle trois choses qu'aucun atelier de modélisation ne produira jamais. La distribution réelle des variantes, d'abord : le nombre de chemins distincts qu'emprunte un même processus et la part des cas couverte par le chemin principal. Les boucles de reprise ensuite, ces activités qui se répètent à l'intérieur d'un même dossier et qui signalent une correction, une relance ou une donnée manquante. Les écarts de conformité enfin, ces cas qui contournent un contrôle documenté sans que personne ne l'ait décidé.
Ce qu'il ne contient pas est plus délicat. Le travail qui se déroule en dehors des systèmes d'enregistrement n'y laisse aucune trace, et c'est là que se logent les contournements. Le task mining, qui observe l'activité sur le poste de travail plutôt que les transactions applicatives, existe précisément pour couvrir cet angle mort, et les deux disciplines convergent aujourd'hui vers une seule catégorie de process intelligence. La conséquence pratique : un intervalle de plusieurs jours entre deux activités enregistrées, sans rien entre les deux, n'est pas un temps mort. C'est du travail que vous ne voyez pas.
Le journal ne dit pas non plus pourquoi. Il montre qu'une petite poignée de personnes traite la majorité des cas atypiques, il ne dit pas comment elles décident. Cette connaissance tacite est ce qu'un agent devra reproduire ou déléguer, et c'est le seul élément du dossier qui ne s'obtient qu'en parlant aux gens concernés. Kihara Kimachia, dans une analyse publiée le 29 juillet 2026, résume le coût de l'ignorer : confier un processus dysfonctionnel à un agent ne soigne pas le dysfonctionnement, il le passe à l'échelle et à grande vitesse.
Cinq questions à poser au journal avant la première ligne de code
Commencez par la concentration des variantes. Mesurez la part des cas couverte par les trois chemins les plus fréquents, et fixez par écrit le seuil en dessous duquel vous considérez que vous n'avez pas un processus mais une famille de processus. Le seuil vous appartient, il dépend du secteur et de la criticité ; ce qui compte est qu'il soit décidé avant de voir le résultat, pas après.
Cherchez ensuite les boucles de reprise et identifiez qui les déclenche. Une boucle qui se répète dans 15 % des dossiers et que traite toujours la même équipe est un symptôme de données amont défaillantes, pas de lenteur d'exécution. Un agent posé dessus fera tourner la boucle plus vite.
Regardez qui traite la traîne des exceptions. Listez nommément les personnes qui résolvent les cas hors chemin principal, puis passez une heure avec chacune. Ce que vous apprendrez là ne figure dans aucun tableau de bord et déterminera quelles décisions un agent peut prendre seul.
Traquez les segments aveugles. Repérez les transitions où l'écart de temps est important et où aucune activité n'est enregistrée, quantifiez-les, et ne les traitez jamais comme du délai résiduel. Chaque segment aveugle est une partie du processus que votre agent traversera sans instruction.
Terminez par la conformité. Sortez les cas qui contournent un contrôle documenté, une validation, un seuil d'approbation, une séparation des tâches. Si un agent hérite de ce chemin, vous n'avez pas automatisé un processus, vous avez industrialisé un défaut de contrôle.

Du modèle miné à l'observation de l'agent en production
Sur le terrain, les équipes qui ont passé le cap du pilote ne se sont pas servies du modèle miné pour choisir le processus à automatiser. Elles s'en sont servies pour décider quelles étapes devaient rester déterministes. Le routage, les seuils de coût, les permissions et les validations transactionnelles sont sortis du périmètre de l'agent et sont restés du code, tandis que le raisonnement probabiliste a été réservé aux étapes réellement ambiguës. C'est la différence entre un pilote qui se termine et un pilote qui s'enlise.
Le modèle miné a ensuite trois usages successifs qu'il vaut la peine de séparer. Il sert de document de cadrage, en délimitant ce que l'agent traite et ce qu'il escalade. Il sert de jeu d'évaluation, parce que les variantes réelles observées dans le journal font de meilleurs cas de test que n'importe quel scénario écrit à la main. Il sert enfin de référence de conformité en production, puisque les trajectoires que produit l'agent sont elles-mêmes des journaux d'événements et peuvent être comparées au modèle attendu.
Ce dernier point relie directement ce sujet à l'évaluation de trajectoire décrite dans l'article du 5 juillet sur le harness engineering en pratique. Un agent en production dérive, non pas parce que le modèle change, mais parce que le processus change autour de lui. La comparaison régulière entre les trajectoires observées et le modèle miné au départ est le seul mécanisme qui détecte cette dérive avant qu'un contrôle interne ne la découvre.
Un dernier point technique conditionne votre marge de manœuvre à trois ans. Les capacités de process mining orienté objet sont aujourd'hui proposées par plusieurs éditeurs sur leur propre modèle interne, mais c'est le standard OCEL 2.0 qui rend les données réellement portables d'un outil à l'autre. La question à poser en appel d'offres n'est donc pas si le produit fait de l'object-centric process mining, elle est s'il exporte en OCEL 2.0.
À mettre en route cette semaine
Choisissez le processus sur lequel un agent est déjà prévu à votre feuille de route, et sortez son journal d'événements brut avant toute autre chose. Si vous ne pouvez pas le sortir, c'est déjà le résultat de l'exercice : vous n'avez pas l'observabilité nécessaire pour cadrer un agent sur ce processus.
Écrivez votre seuil de concentration des variantes avant de regarder les chiffres, et documentez la décision. Un seuil fixé après lecture du résultat n'est pas un critère, c'est une justification.
Identifiez les trois à cinq personnes qui traitent les exceptions de ce processus et bloquez une heure avec chacune cette semaine. C'est la partie de l'audit qui ne s'automatise pas et celle qui change le plus souvent le périmètre initialement prévu.
Reprenez la grille de délégation de l'article du 9 juillet sur ce que 300 décideurs révèlent de leur roadmap agents et appliquez-la étape par étape au modèle que vous venez de miner, plutôt qu'au processus tel qu'il est documenté. Les deux donnent rarement le même résultat.
Conclusion
Le consensus de 2026 veut qu'on cartographie ses processus avant d'y poser un agent, et ce consensus arrange les éditeurs qui vendent la cartographie. Il reste juste. Ce qu'il faut y ajouter est moins confortable : le journal d'événements est fiable sur son périmètre et silencieux ailleurs, et ce silence ressemble à un processus sain. Les équipes qui traitent le modèle miné comme un point de départ à compléter par des entretiens, un jeu de tests et une référence de conformité en production obtiennent quelque chose d'utile. Celles qui le traitent comme une validation obtiennent la permission de se tromper plus vite.
Sources : As of July 2026
- [Primary] Achieving operational excellence with AI — MIT Technology Review Insights (en association avec TP) — 2 juillet 2026 — https://www.technologyreview.com/2026/07/02/1140045/achieving-operational-excellence-with-ai/
- [Primary] No AI Without PI! Object-Centric Process Mining as the Enabler for Generative, Predictive, and Prescriptive Artificial Intelligence — Wil M. P. van der Aalst, RWTH Aachen (keynote INFUS 2025) — 31 juillet 2025 — https://arxiv.org/abs/2508.00116
- [Primary] The Enterprise AI Reality Check: High Ambitions Meet Operational Barriers (2026 Process Optimization Report, terrain Insight Avenue, 1 649 entretiens) — Celonis — 4 février 2026 — https://www.celonis.com/news/press/the-enterprise-ai-reality-check-high-ambitions-meet-operational-barriers
- [Primary] Celonis Launches the Context Model to Eliminate Enterprise AI's Operational Blind Spots, Agrees to Acquire AI Decision Intelligence Leader Ikigai Labs — Celonis — 12 mai 2026 — https://www.celonis.com/news/press/celonis-launches-the-context-model-to-eliminate-enterprise-ais-operational-blind-spots-agrees-to-acquire-ai-decision-intelligence-leader-ikigai-labs
- [Secondary] Process Intelligence Landscape 2026: Mining, Orchestration, and the Agentic AI Shift — Kai Waehner — 22 juillet 2026 — https://www.kai-waehner.de/blog/2026/07/22/process-intelligence-landscape-2026-mining-orchestration-and-the-agentic-ai-shift/
- [Secondary] Process mining's next job is to stop AI agents automating broken work — Kihara Kimachia, TechFinitive — 29 juillet 2026 — https://www.techfinitive.com/features/process-minings-next-job-is-to-stop-ai-agents-automating-broken-work/
Comments ()