Call-bot.ai

Agents IA & automatisation agentique14 min de lecture

IA agentique : définition, exemples et cas d'usage en entreprise

L'IA agentique désigne des programmes fondés sur l'IA générative qui décident de façon autonome, enchaînent des actions et interagissent avec des services tiers, avec ou sans validation humaine (note de la CNIL et du CIANum, juillet 2026). Ce guide la distingue de l'assistant, du workflow et de l'agent, place chaque système sur un curseur d'autonomie, rassemble des exemples sourcés par métier et chiffre les limites.

Deux personnes regardent un graphique en barres affiché sur une tablette, à un bureau

Photo : Mikael Blomkvist · Pexels

Ni « agent IA » ni « IA agentique » (en anglais, agentic AI) ne sont définis par l'AI Act. Pour le premier, la Commission européenne l'écrit dans la foire aux questions de son service d'assistance : l'expression est présentée comme souvent employée de façon incohérente dans le débat public, pour des objets de natures différentes. Pour le second, la CNIL note qu'il n'est pas explicitement défini par le règlement. Les éditeurs placent la frontière à des endroits différents, et « IA agentique » désigne tantôt un agent, tantôt plusieurs agents qui coopèrent.

Ce guide propose une carte plutôt qu'un slogan : des définitions publiées par des autorités et des éditeurs, un curseur d'autonomie, les exemples que les sources permettent d'écrire, puis les limites chiffrées. L'objet « agent » est détaillé dans Qu'est-ce qu'un agent IA ? ; cette page traite du phénomène.

Ce que « agentique » désigne : des définitions qui se recoupent

La CNIL et le Conseil de l'IA et du Numérique (CIANum) définissent, dans une note exploratoire de juillet 2026, l'IA agentique comme un ensemble de programmes reposant sur des modèles d'IA générative, capables de prendre des décisions de manière autonome, d'orchestrer des actions complexes et d'interagir avec des services tiers, avec ou sans validation humaine.

Les éditeurs de modèles tracent la ligne autrement. Anthropic range sous « systèmes agentiques » deux architectures : les workflows, où modèles et outils suivent des chemins de code prédéfinis, et les agents, où le modèle dirige lui-même son processus et son usage des outils. OpenAI définit l'agent comme un système qui accomplit des tâches de façon autonome pour le compte de l'utilisateur, et exclut les simples chatbots, les appels de modèle à un seul tour et les classifieurs de sentiment. Google Cloud range au contraire l'assistant parmi les agents : il collabore avec l'utilisateur et recommande des actions, mais la décision reste à l'utilisateur.

Trois éléments reviennent malgré ces écarts : un modèle qui choisit la suite au lieu de suivre un script, des outils pour lire des données et agir, une tâche menée en plusieurs étapes. Ce recoupement est celui de la rédaction. La Commission précise de son côté que la relation exacte entre « agent » et « IA agentique » est encore en évolution, ce second terme servant parfois à décrire des configurations qui intègrent plusieurs agents.

De l'IA générative au système multi-agents : cinq cas à distinguer

Système Qui décide de la suite ? Ce qu'il fait Appui
IA générative (modèle seul) L'utilisateur, à chaque consigne Génère du contenu synthétique : texte, image, audio, vidéo NIST
Assistant L'utilisateur Répond, recommande, agit sous supervision Google Cloud
Workflow automatisé (RPA : robots logiciels qui rejouent des tâches ; ou enchaînement de requêtes au modèle) Le code, selon un chemin écrit à l'avance Enchaîne des étapes fixes, avec ou sans modèle de langage Anthropic, IBM
Agent Le modèle, dans des limites fixées Choisit ses outils, observe leurs résultats, recommence jusqu'à une condition d'arrêt Anthropic, OpenAI
Système multi-agents Un agent coordinateur, ou les agents entre eux Répartit le travail entre agents spécialisés OpenAI, CNIL

Le coût augmente avec l'autonomie. D'après ses propres données, publiées en juin 2025, Anthropic constate qu'un agent consomme environ 4 fois plus de jetons (les unités de texte facturées) qu'un échange de chat, et un système multi-agents environ 15 fois plus ; il juge ce dernier adapté aux tâches de forte valeur et très parallélisables. OpenAI recommande de pousser d'abord au maximum un agent unique avant d'en multiplier.

Un curseur d'autonomie en cinq niveaux

Dans une étude publiée en juin 2025 sur arXiv, K. J. Kevin Feng, David McDonald et Amy Zhang proposent de traiter l'autonomie comme une décision de conception, distincte de la capacité du modèle. Ils définissent cinq niveaux selon le rôle que garde l'humain. C'est un cadre de recherche, pas une norme.

Niveau Rôle de l'humain Ce que fait l'agent
1 Opérateur Aide à la demande ; l'humain pilote la planification, comme avec un « copilote »
2 Collaborateur Planifie et exécute avec l'humain, qui peut reprendre la main à tout moment
3 Consultant Planifie et exécute l'essentiel ; sollicite l'humain pour son expertise et ses préférences
4 Approbateur Ne sollicite l'humain que sur un blocage, un état à risque ou une action à approuver
5 Observateur Décide de tout ; l'humain consulte les journaux et dispose d'un arrêt d'urgence

La bonne question n'est donc pas « l'agent est-il autonome ? » mais « à quel niveau, pour quelle action ? ». OpenAI cite deux déclencheurs principaux d'une intervention humaine : le dépassement d'un seuil d'échecs ou de tentatives, et les actions sensibles, irréversibles ou à fort enjeu, comme annuler une commande, autoriser un gros remboursement ou payer, qui doivent déclencher une supervision humaine jusqu'à ce que la confiance dans la fiabilité de l'agent ait grandi. La CNIL propose de classer les actions possibles de chaque service par niveau de risque (accès aux données, modification ou suppression, envoi hors du système, type de données) et de prévoir une intervention humaine avant exécution selon le risque évalué. Les auteurs de la grille relèvent une difficulté au niveau 4 : éviter le désengagement de l'utilisateur et les approbations sans portée réelle.

Exemples par métier : ce que les sources permettent d'écrire

Aucun de ces exemples ne résulte d'un test de la rédaction. Ils viennent de pages d'éditeurs ou d'enquêtes, avec leurs réserves, et la plupart des chiffres sont annoncés par ceux qui vendent l'outil.

Métier Ce que fait le système Source, date et réserve
Développement logiciel « Copilot cloud agent » de GitHub explore un dépôt, planifie des modifications et les met en œuvre en arrière-plan, avec tests et analyses dans un environnement cloud éphémère Documentation GitHub consultée le 21/10/2026. Limites documentées : un seul dépôt par tâche, 59 minutes de session au plus, relecture et tests avant toute mise en production
Service client (transport aérien) Un transporteur aérien utilise des agents pour aider ses clients à effectuer les opérations les plus courantes, comme changer de vol ou faire réacheminer des bagages, ce qui libère du temps aux conseillers pour les cas plus complexes Deloitte, janvier 2026 ; entreprise non nommée, cas rapporté en entretien
Commerce de détail Pets at Home a créé un agent qui compile des dossiers que son équipe « profit protection » examine ensuite Microsoft, 21 octobre 2024 ; économies « à sept chiffres » évoquées au conditionnel
Services professionnels McKinsey crée un agent destiné à accélérer l'accueil de nouveaux clients Microsoft, 21 octobre 2024 ; un pilote montrait qu'on pouvait réduire le délai de 90 % et le travail administratif de 30 %
Juridique Thomson Reuters a conçu une solution agentique pour la due diligence juridique Microsoft, 21 octobre 2024 ; des tests initiaux indiquent que plusieurs tâches pourraient être réduites d'au moins 50 %
Recherche documentaire Un agent principal planifie, puis des sous-agents cherchent en parallèle (fonction « Research » d'Anthropic) Anthropic, 13 juin 2025 ; 90,2 % de mieux qu'un agent seul sur une évaluation interne ; ces systèmes consomment environ 15 fois plus de jetons qu'un chat

Pour la finance, les achats ou l'assurance, nous n'avons pas lu de cas déployé et daté. Le guide d'OpenAI cite des candidats (analyse de fraude au paiement, revue de sécurité d'un fournisseur, traitement d'un sinistre habitation, approbation de remboursement) : ce sont des exemples de conception, pas des retours d'expérience. Les chiffres de Microsoft datent d'octobre 2024 et nous n'avons lu aucune mise à jour.

Quand l'approche agentique se justifie

Anthropic recommande de chercher la solution la plus simple possible et de n'ajouter de la complexité que lorsqu'elle améliore les résultats, ce qui peut conduire à ne bâtir aucun système agentique. Les workflows conviennent aux tâches bien définies ; les agents, aux problèmes ouverts dont on ne peut pas prévoir le nombre d'étapes. OpenAI cible les processus qui ont résisté à l'automatisation classique, selon trois critères : des décisions complexes, des règles devenues difficiles à maintenir, une forte part de données non structurées. Sinon, une solution déterministe peut suffire. Gartner juge que beaucoup de cas d'usage présentés comme agentiques n'exigent pas d'approche agentique.

Limites et risques chiffrés

  • L'adoption devance la gouvernance. Dans l'enquête Deloitte (3 235 responsables, du niveau directeur à la direction générale, dans 24 pays, interrogés en août-septembre 2025 et issus d'organisations qui utilisent toutes déjà l'IA au quotidien ; rapport de janvier 2026), 23 % déclaraient que leur organisation utilisait l'IA agentique au moins modérément (52 % de façon minimale, 25 % pas du tout), 74 % s'attendaient à un usage au moins modéré d'ici deux ans, et 21 % seulement déclaraient un modèle de gouvernance mature pour les agents autonomes.
  • Des projets abandonnés. Gartner prévoit, dans un communiqué de juin 2025, que plus de 40 % des projets d'IA agentique seront annulés d'ici fin 2027 (coûts, valeur floue, contrôle des risques insuffisant). Il dénonce l'« agent washing », le rebaptême d'assistants, de robots d'automatisation ou de chatbots sans capacité agentique substantielle, et estime que seuls environ 130 des milliers de fournisseurs d'IA agentique sont « réels ».
  • Des performances mesurées en 2025. Sur le banc d'essai TheAgentCompany (arXiv, version de septembre 2025), l'agent le plus performant de l'étude menait à bien 30 % des tâches de façon autonome dans une entreprise simulée. Sur CRMArena-Pro (arXiv, mai 2025), les meilleurs agents atteignent environ 58 % de réussite sur un échange unique et 35 % en dialogue à plusieurs tours, avec une prise en compte de la confidentialité quasi nulle de leur propre initiative. Ces mesures datent de 2025 et ne préjugent ni des outils actuels ni de vos processus.
  • Des risques de sécurité propres. L'OWASP, communauté de sécurité des applications, a publié en décembre 2025 un Top 10 dédié aux applications agentiques. Le détail et les garde-fous font l'objet d'une page dédiée, indiquée plus bas.
  • Un cadre juridique sans catégorie dédiée. L'AI Act ne définit pas l'agent : la Commission juge, dans une analyse qu'elle qualifie elle-même de préliminaire, que ses définitions du système d'IA et du modèle d'IA à usage général suffisent à les couvrir, et la CNIL rappelle que les agents restent soumis au RGPD. Dates et obligations : AI Act, calendrier et obligations. Ce résumé ne constitue pas un avis juridique.

Par où commencer

Trois pages prolongent celle-ci. Déployer un premier agent IA propose une méthode de pilote avec critères d'arrêt. Créer un agent IA sans coder compare des outils avec leurs tarifs relevés. Sécurité et gouvernance des agents IA donne une liste de contrôle. Pour la couche technique qui relie un agent à ses outils, voir MCP expliqué aux décideurs. La définition courte figure aussi dans le glossaire.

Questions fréquentes

IA agentique (agentic AI), c'est quoi en une phrase ?

C'est une IA fondée sur des modèles génératifs qui décide elle-même de ses étapes et utilise des outils pour agir, avec ou sans validation humaine, selon la définition de la CNIL et du CIANum de juillet 2026. Un assistant recommande et l'utilisateur décide ; un agent choisit lui-même la suite, dans les limites qu'on lui fixe.

Quelle différence entre IA agentique et IA générative ?

L'IA générative produit du contenu (texte, image, audio, vidéo) à partir d'une consigne. L'IA agentique s'appuie sur ces modèles mais y ajoute des outils, une boucle de décision et des actions sur des services tiers. La CNIL y voit un changement d'échelle pour les risques sur les données personnelles.

IA agentique et agent IA : est-ce la même chose ?

Pas systématiquement. La Commission européenne note que « IA agentique » désigne parfois des configurations plus sophistiquées qui intègrent plusieurs agents, et que la relation entre les deux termes est encore en évolution. Pour l'objet lui-même, voir la page consacrée à l'agent IA.

L'IA agentique est-elle déjà utilisée en entreprise ?

Oui, mais le plus souvent à petite échelle : dans l'enquête Deloitte menée en août-septembre 2025 auprès d'organisations qui utilisent déjà l'IA au quotidien (rapport de janvier 2026), 23 % l'utilisaient au moins modérément, 52 % de façon minimale et 25 % pas du tout ; 74 % s'attendaient à un usage au moins modéré dans les deux ans. Les exemples publics datés que nous avons lus viennent surtout des éditeurs.

L'IA agentique est-elle réglementée ?

Ni l'AI Act ni le RGPD n'en font une catégorie à part ; les règles s'appliquent selon la nature du système. L'article 50 de l'AI Act (informer qu'on interagit avec une IA) s'applique depuis le 2 août 2026, les exigences « haut risque » de l'annexe III à partir du 2 décembre 2027, et le RGPD s'applique déjà. Ce n'est pas un avis juridique.

En résumé

L'IA agentique désigne des systèmes qui décident de leurs étapes et agissent par des outils. Les définitions varient, mais elles se recoupent sur un modèle décisionnaire, des outils et plusieurs étapes. Entre l'assistant, le workflow, l'agent et le système multi-agents, ce qui compte est le niveau d'autonomie accordé action par action. Les exemples publics viennent surtout des éditeurs, et les chiffres sourcés pointent un écart entre adoption et gouvernance. Pour cadrer un projet, parlons-en.

Sources

Parler de votre projet