Aller au contenu
Cabinet d'expertise en transformation technologique · ARDIANE Group Innover, sécuriser, réussir

Lexique

IA agentique et agent IA : définition, fonctionnement et composantes

Domaine

Intelligence artificielle

L'essentiel

L'IA agentique désigne les systèmes dans lesquels un agent IA poursuit un objectif en plusieurs étapes : il s'appuie sur un modèle de langage pour planifier, appeler des outils, observer le résultat et ajuster sa conduite. L'agent IA se distingue du chatbot, qui répond sans agir, et de l'automatisation classique, dont le déroulé est écrit à l'avance.

Sommaire de la page

Définition de l’agent IA

Un agent IA est un système logiciel auquel on confie un objectif plutôt qu’une suite d’instructions. Pour l’atteindre, il s’appuie sur un grand modèle de langage (LLM) qui choisit lui-même, à chaque étape, l’action suivante : chercher une information, appeler une application, demander une précision ou s’arrêter. La définition de l’agent IA tient dans cette boucle : raisonner, agir, observer le résultat, puis recommencer jusqu’à ce que l’objectif soit atteint ou qu’une limite soit rencontrée.

Le terme recouvre des réalités inégales. Il désigne aussi bien un assistant qui enchaîne deux appels d’outils qu’un système qui travaille longtemps sans intervention. Le critère de lecture utile est le degré d’autonomie : qui choisit les étapes, le concepteur ou le modèle ? Plus le modèle décide du chemin, plus l’emploi du mot agent est fondé. L’expression IA agentique désigne cette famille de systèmes.

À quoi sert un agent IA

Un agent sert à traiter des tâches en plusieurs étapes dont le déroulé ne peut pas être entièrement écrit à l’avance : instruire un dossier à partir de pièces hétérogènes, qualifier puis orienter une demande, rapprocher des informations réparties entre plusieurs applications, diagnostiquer un incident technique, écrire puis tester du code.

Trois critères aident à juger si un agent est le bon choix.

  • La variabilité de la tâche. Si tous les cas se ressemblent, une automatisation classique coûte moins cher et se comporte de façon prévisible.
  • La possibilité de vérifier. Le résultat doit pouvoir être contrôlé par une règle, par un test ou par une personne.
  • L’accès aux systèmes. Un agent n’agit que par les interfaces qu’on lui ouvre. Sans interface de programmation exploitable, il se limite à rédiger.

Les quatre composantes d’un agent IA

  • Le modèle. Il interprète l’objectif, raisonne et produit les décisions. Ses limites (erreurs factuelles, sensibilité à la formulation des consignes) deviennent celles de l’agent.
  • Les outils. Ce sont les fonctions que l’agent peut appeler : recherche documentaire, requête dans une base, création d’un ticket, envoi d’un message. Chaque outil est décrit au modèle par son nom, son rôle et ses paramètres. La liste des outils délimite ce que l’agent peut faire.
  • La mémoire. À court terme, elle correspond au contexte de la tâche en cours. À long terme, elle repose sur un stockage externe que l’agent consulte, souvent selon le principe de la génération augmentée par récupération (RAG).
  • La planification. L’agent découpe l’objectif en sous-tâches, choisit un ordre et révise son plan quand une étape échoue. Dans les architectures à plusieurs agents, un orchestrateur répartit le travail entre des agents spécialisés.

Agent IA, chatbot, automatisation : ne pas confondre

Chatbot Automatisation classique Agent IA
Ce qu’il produit Une réponse L’exécution d’un scénario Un résultat obtenu par plusieurs actions
Qui fixe les étapes Sans objet Le concepteur, à l’avance Le modèle, en cours de route
Face à un cas imprévu Répond, sans agir S’arrête ou échoue Cherche un autre chemin
Prévisibilité Moyenne Forte Plus faible, à encadrer

Un chatbot converse. Même adossé à un modèle de langage, il ne modifie rien dans le système d’information. Une automatisation classique (script, moteur de workflow, robot logiciel de type RPA) exécute un enchaînement fixé à l’avance : elle est fiable tant que le cas a été prévu. L’agent occupe l’espace entre les deux. Il agit comme l’automatisation, mais décide de son chemin comme le ferait un opérateur. Cette souplesse se paie par une prévisibilité moindre.

La supervision humaine d’un agent

Parce qu’il agit, un agent se conçoit avec ses limites. Quatre mécanismes reviennent dans les dispositifs solides.

  • La validation avant action pour tout ce qui est irréversible ou engageant : un paiement, un envoi externe, une suppression.
  • Des droits réduits au nécessaire. L’agent dispose d’un compte propre, limité aux outils et aux données de sa tâche.
  • Des bornes d’exécution. Nombre d’étapes, durée, coût, conditions d’arrêt et de passage de relais à une personne.
  • La traçabilité. Chaque décision et chaque appel d’outil sont journalisés pour permettre le contrôle a posteriori.

Ces garde-fous répondent aussi à un risque propre aux agents : l’injection d’instructions, par laquelle un contenu lu par l’agent (un courriel, une page web) cherche à détourner son comportement. Pour les usages classés à haut risque, le contrôle humain est par ailleurs une exigence du règlement européen sur l’IA, ou AI Act.

Un exemple concret : les demandes de suivi de paiement

Prenons un service comptable qui reçoit chaque jour des courriels de fournisseurs demandant où en est le règlement d’une facture. Un chatbot saurait expliquer la procédure. Une automatisation saurait répondre si chaque courriel contenait un numéro de facture, toujours au même endroit.

Un agent procède autrement. Il lit le message, identifie le fournisseur, recherche la facture dans le progiciel comptable, constate par exemple qu’elle est bloquée faute de bon de commande, rédige une réponse qui l’explique et crée une tâche pour l’acheteur concerné. Tant que la confiance n’est pas établie, la réponse part après validation d’un comptable. Les cas que l’agent ne sait pas résoudre sont transmis à une personne, avec le détail des recherches déjà faites.

Pour la conception et la mise en production de tels systèmes, consultez notre page consacrée aux agents IA en entreprise.

Insights

À lire sur le sujet

Tous les insights
Faut-il essayer la méthode BMAD pour organiser le développement assisté par IA ?

La méthode BMAD est un projet ouvert tiers, publié sur GitHub sous licence MIT, qui organise le développement assisté par IA autour d'agents spécialisés par rôle produisant des documents que les suivants reprennent. Management Square en présente le contenu, ce qu'elle suppose, les cas où l'essayer et une manière de juger un essai, d'après le dépôt et la documentation du projet.

Lire l'analyse
Mettre en place la gouvernance de l'IA agentique à partir d'une gouvernance de l'IA existante

La gouvernance de l'IA agentique réunit les règles et les rôles par lesquels une organisation sait quels agents IA agissent dans ses applications, avec quels droits, quel degré d'autonomie et sous la responsabilité de quelle personne. Management Square propose ici une méthode pour l'ajouter à une gouvernance de l'IA existante : inventaire, niveaux d'autonomie, responsable désigné, traces, revue périodique, arrêt.

Lire l'analyse
Les questions à instruire avant de généraliser le développement assisté par IA

Le développement assisté par IA désigne l'emploi, par les développeurs, d'assistants fondés sur des modèles de langage qui proposent du code, des tests ou des explications. Management Square présente ici les questions qu'un comité peut instruire avant de le généraliser : tâches confiées, relecture, tests et revue, données transmises, titularité du code et mesures d'un essai.

Lire l'analyse

FAQ

Questions fréquentes

Une autre question ? Posez-la-nous

Qu'est-ce qu'un agent IA ?

Un agent IA est un système logiciel qui utilise un modèle de langage pour atteindre un objectif en plusieurs étapes. Il décide lui-même des actions à mener, appelle des outils (recherche, applications, bases de données), observe le résultat et poursuit jusqu'à l'atteinte de l'objectif ou d'une limite fixée.

Quelle est la différence entre un agent IA et un chatbot ?

Un chatbot produit une réponse à un message et ne modifie rien dans le système d'information. Un agent IA agit : il enchaîne plusieurs opérations dans des applications pour obtenir un résultat. La différence tient à la capacité d'action et au fait que le modèle choisit lui-même les étapes.

Quelle est la différence entre un agent IA et une automatisation classique ?

Une automatisation classique, comme un script ou un robot logiciel de type RPA, exécute un scénario fixé à l'avance par son concepteur. Un agent IA détermine son chemin en cours de route, ce qui lui permet de traiter des cas non prévus. En contrepartie, son comportement est moins prévisible et doit être encadré.

Un agent IA peut-il fonctionner sans supervision humaine ?

Techniquement oui, mais le niveau d'autonomie se décide selon le risque de la tâche. Les actions irréversibles ou engageantes passent en général par une validation humaine, et l'agent opère avec des droits limités, des bornes d'exécution et une journalisation complète de ses décisions.

Un projet à faire aboutir ?

Un premier échange suffit pour situer votre enjeu, identifier les bons interlocuteurs et vous dire franchement ce que nous pouvons apporter.