Agent IA : définition et enjeux de l’IA agentique

Comment fonctionne un agent IA ?

Un agent réunit trois éléments.

1. Un modèle de langage, qui lit l’objectif, choisit une étape et interprète le résultat.

2. Des outils : votre messagerie, votre CRM, votre ERP, un navigateur. Des protocoles comme le MCP relient l’agent à ces outils et à vos données.

3. Des règles d’autonomie : ce que l’agent fait seul, ce qu’il soumet à validation, ce qu’il n’a pas le droit de faire.

L’agent répète la même boucle : il choisit une action, l’exécute, observe le résultat. Il s’arrête quand il atteint l’objectif, une limite fixée par vous ou un point où il demande de l’aide. Plusieurs agents peuvent aussi se répartir une même tâche : on parle alors de système multi-agents. Des skills lui apportent aussi des procédures écrites, qu’il charge selon la tâche.

Assistant IA ou agent IA : quelle différence ?

L’assistant IA propose, l’agent agit. L’assistant rédige le courriel ; l’agent l’envoie. Cette différence déplace la responsabilité. Avec un assistant, une personne relit avant d’agir. Avec un agent, l’erreur produit ses effets avant toute relecture, sauf si vous imposez une validation.

Ne confondez pas non plus l’agent avec l’automatisation classique (RPA). Un robot RPA suit un script fixe ; un agent choisit ses étapes. Gartner décrit un « agent washing » : des fournisseurs rebaptisent des chatbots ou des outils RPA en IA agentique. Selon Gartner, environ 130 des milliers de fournisseurs qui se disent agentiques le sont réellement.

Que change un agent IA pour votre décision ?

• Une réponse fausse devient une action fausse. Le coût d’une erreur ne se limite plus à la relecture : il inclut la reprise de ce que l’agent a fait.

• Les performances mesurées restent partielles. TheAgentCompany, un banc d’essai de chercheurs de Carnegie Mellon, simule une petite entreprise de logiciel avec 175 tâches. Le meilleur agent testé (Gemini 2.5 Pro avec OpenHands) en termine seul 30,3 %, selon la version du 10 septembre 2025. Mesurez le taux de réussite sur vos propres tâches avant de chiffrer un gain.

• Le marché annonce plus qu’il ne prouve. Gartner prévoit l’annulation de plus de 40 % des projets d’IA agentique d’ici fin 2027, pour des coûts croissants, une valeur métier floue ou un contrôle des risques insuffisant (communiqué du 25 juin 2025). Ce chiffre est une prévision, pas une mesure.

• Les droits d’accès deviennent le sujet central. Un agent qui lit des courriels, des pages web ou des fichiers s’expose à l’injection de prompt indirecte. L’OWASP place l’injection de prompt en tête de son classement 2025 des risques des applications de LLM. L’ANSSI recommande de proscrire l’usage automatisé de systèmes d’IA pour des actions critiques sur le système d’information (R9) et de limiter les actions automatiques d’un système qui traite des entrées non maîtrisées (R27). Donnez aussi à chaque agent sa propre identité, avec des droits limités à sa tâche.

• L’AI Act regarde l’usage, pas le mot « agent ». Un agent qui trie des candidatures relève en principe d’un domaine à haut risque de l’annexe III. Les obligations de ces systèmes s’appliquent à partir du 2 décembre 2027 (règlement 2026/1744). Le déployeur confie alors le contrôle humain à des personnes qui disposent des compétences, de la formation et de l’autorité nécessaires (article 26).

Exemple illustratif

Ce cas est fictif ; il montre comment régler l’autonomie. Un agent traite les factures fournisseurs. Il lit chaque facture reçue, la rapproche du bon de commande dans l’ERP et prépare le paiement. L’entreprise règle l’autonomie action par action : l’agent rapproche seul, un comptable valide chaque paiement au-dessus d’un seuil, et l’agent n’a pas le droit de modifier les coordonnées bancaires d’un fournisseur. La raison : l’agent lit tout ce qu’il reçoit, y compris un courriel piégé qui imite un fournisseur.