Call-bot.ai

Agents IA & automatisation agentique11 min de lecture

Qu'est-ce qu'un agent IA ? Définition, exemples et différences avec un chatbot

Un agent IA est un système où un modèle de langage choisit lui-même les étapes d'une tâche et les outils qu'il utilise, au lieu de suivre un script écrit à l'avance. Cette page donne les définitions d'Anthropic, d'OpenAI et de Google Cloud, qui divergent sur la frontière, la différence avec un chatbot, un assistant, une automatisation RPA et un workflow, et un test en quatre questions pour juger un produit.

Une main trace au feutre rouge un schéma de flux (connexion, tableau de bord, formules) sur un tableau blanc

Photo : Christina Morillo · Pexels

Le mot « agent IA » ne recouvre pas la même chose selon la source. Anthropic et OpenAI le réservent aux systèmes où le modèle pilote le déroulement de la tâche. Google Cloud y range aussi les assistants. Gartner, lui, dénonce l'« agent washing », qui consiste à rebaptiser des chatbots, des assistants et des robots d'automatisation existants qui n'ont pas de capacités agentiques substantielles.

Cette page donne une définition de travail tirée de sources publiques, décrit les composants d'un agent, le distingue du chatbot, de l'assistant, de l'automatisation RPA et du workflow, puis propose un test en quatre questions pour juger un produit. Le phénomène plus large (niveaux d'autonomie, exemples par métier) est traité dans le guide sur l'IA agentique.

Un agent IA, c'est quoi ? Une définition de travail tirée de trois sources

Dans « Building effective AI agents » (19 décembre 2024), Anthropic oppose les workflows, où des modèles et des outils suivent des chemins de code prédéfinis, aux agents, où le modèle dirige dynamiquement son processus et son usage des outils. Le guide pratique d'OpenAI (2025) décrit un système qui accomplit des tâches de façon autonome pour le compte de l'utilisateur : un modèle y pilote l'exécution et les décisions, des outils servent à rassembler du contexte et à agir, le tout dans des garde-fous définis. Google Cloud parle de logiciels qui poursuivent des objectifs et accomplissent des tâches pour le compte de l'utilisateur, avec raisonnement, planification, mémoire et un certain degré d'autonomie.

Le recoupement est net : un modèle de langage décide de la suite, des outils lui servent à lire des données et à agir, la tâche se déroule en plusieurs étapes. La divergence porte sur la frontière. OpenAI exclut les chatbots simples, les appels de modèle à un seul tour et les classifieurs de sentiment ; Google Cloud considère l'assistant comme un agent conçu pour collaborer avec l'utilisateur, qui garde la décision. Nous retenons la lecture d'Anthropic et d'OpenAI, plus restrictive : un agent est un système où le modèle choisit lui-même les étapes et les outils, dans des limites fixées par des humains.

Anatomie d'un agent : modèle, outils, consignes, boucle

OpenAI décompose un agent en trois éléments : le modèle qui raisonne et décide, les outils (fonctions ou interfaces de programmation, les API, qu'il peut appeler) et les instructions qui fixent son comportement et ses garde-fous. Elle distingue trois familles d'outils : lire des données (interroger un CRM, lire un document), agir (envoyer un message, mettre à jour une fiche, transférer un ticket à un humain) et utiliser d'autres agents comme outils.

Ces éléments tournent en boucle. Anthropic résume un agent comme un modèle qui utilise des outils en fonction des retours de son environnement, dans une boucle. À chaque étape, il tire de l'environnement un résultat concret (retour d'un outil, exécution de code) pour mesurer sa progression, et il peut s'interrompre pour demander l'avis d'un humain ; des conditions d'arrêt, comme un nombre maximal d'itérations, laissent la main à l'opérateur. Ce principe d'alternance entre raisonnement et action a été formalisé par l'article ReAct (Yao et al., arXiv, octobre 2022 ; version « camera ready » pour la conférence ICLR, mars 2023) : le modèle produit des traces de raisonnement et des actions de façon entrelacée, ces dernières lui permettant d'interroger des sources externes.

Exemple de mécanisme, qui n'est pas un cas réel : un agent de support consulte l'historique d'une commande (outil de lecture), lance un remboursement dans la limite qu'on lui a fixée (outil d'action) et passe la main à un conseiller s'il échoue à comprendre la demande après plusieurs tentatives. Ce dernier point correspond à l'un des deux déclencheurs d'intervention humaine que recommande OpenAI.

Agent, chatbot, assistant, automatisation : les différences

Chatbot Assistant Automatisation (RPA, workflow) Agent
Qui décide de la suite Il répond ; il ne pilote aucune exécution L'utilisateur, qui reçoit des recommandations Le code, selon un chemin écrit à l'avance Le modèle, dans des limites fixées
Ce qu'il fait Répond ; Google Cloud décrit les « bots » comme suivant des règles préprogrammées Répond aux demandes, recommande, agit sous supervision Exécute des étapes répétitives et prévisibles Choisit ses outils, observe les résultats, enchaîne les étapes
Limite documentée Un chatbot simple n'est pas un agent (OpenAI) La décision reste à l'utilisateur (Google Cloud) Ne suit que les processus définis ; IBM relève la difficulté de les étendre à l'échelle de l'entreprise face aux changements réglementaires ou internes Coûts plus élevés et erreurs qui s'accumulent (Anthropic)

Le chatbot est un canal, pas une catégorie d'architecture. Anthropic note que le support client combine les interfaces de chatbot familières avec des outils : un chatbot relié à l'historique des commandes et capable de lancer un remboursement peut relever de l'agent, à condition que le modèle choisisse lui-même ses appels d'outils. À l'inverse, Google Cloud décrit des agents d'arrière-plan, déclenchés par des événements et avec peu ou pas d'interaction humaine : un agent n'a pas besoin d'interface de conversation.

La RPA (robotic process automation) fait exécuter des tâches de bureau répétitives par des robots logiciels, selon IBM. RPA et agent ne s'excluent pas : UiPath, éditeur de RPA, présente les robots comme la couche d'exécution de l'« automatisation agentique » (les agents raisonnent et s'adaptent, les robots exécutent de façon fiable, les humains supervisent). C'est la présentation d'un éditeur qui vend les deux.

Un test en quatre questions

Les définitions précédentes se ramènent à quatre questions à poser à un fournisseur. C'est une synthèse de la rédaction, pas un standard.

  1. Qui choisit l'étape suivante ? Si le chemin est écrit à l'avance, c'est un workflow ; si le modèle choisit lui-même ses outils et leur ordre, c'est un agent (Anthropic).
  2. Que fait-il des résultats de ses outils ? Un agent s'appuie sur ce que renvoie l'environnement pour évaluer sa progression (Anthropic).
  3. Peut-il s'arrêter ou passer la main ? OpenAI attend d'un agent qu'il interrompe l'exécution et rende le contrôle à l'utilisateur en cas d'échec.
  4. Que peut-il faire sans validation humaine ? OpenAI conseille d'évaluer le risque de chaque outil (lecture seule ou écriture, réversibilité, droits requis, impact financier) et de déclencher une supervision humaine pour les actions sensibles, irréversibles ou à fort enjeu, tant que la fiabilité de l'agent n'est pas établie.

Dans un communiqué du 25 juin 2025, Gartner estimait que seuls environ 130 des milliers de fournisseurs d'IA agentique étaient « réels ». Demander la démonstration de ces quatre points est une façon concrète de vérifier ce qu'un produit fait au-delà de son étiquette.

Exemples documentés

Trois exemples, choisis pour la boucle qu'ils montrent plus que pour leurs résultats. La rédaction ne les a pas testés.

  • Support client. Anthropic décrit une application où des outils peuvent récupérer les données client, l'historique de commandes et des articles de base de connaissances, et où des actions comme émettre un remboursement ou mettre à jour un ticket peuvent être traitées par programme. Il y voit un bon terrain pour les agents, notamment parce que le succès se mesure par des résolutions définies par l'utilisateur.
  • Développement logiciel. La documentation de GitHub, consultée le 21/10/2026, décrit un agent (Copilot cloud agent) qui explore un dépôt, planifie et met en œuvre des changements en arrière-plan. Une session dure 59 minutes au plus, une tâche porte sur un seul dépôt, et GitHub demande de relire et de tester le résultat avant toute mise en production.
  • Transport aérien. Deloitte rapporte, sans le nommer, un transporteur aérien qui utilise des agents pour aider ses clients à effectuer les opérations les plus courantes, comme modifier une réservation de vol ou réacheminer des bagages, afin de libérer du temps pour que les conseillers traitent les cas plus complexes (rapport de janvier 2026).

D'autres exemples par métier, avec leurs réserves, figurent dans le guide sur l'IA agentique.

Maturité et limites

Les chiffres disponibles décrivent une adoption qui devance la gouvernance. Dans l'enquête Deloitte publiée en janvier 2026 (3 235 dirigeants de 24 pays, interrogés en août et septembre 2025, tous issus d'organisations qui utilisaient déjà l'IA au quotidien), 23 % des entreprises déclaraient utiliser l'IA agentique au moins modérément, 74 % prévoyaient de le faire dans les deux ans, et 21 % seulement déclaraient disposer d'un modèle de gouvernance mature pour les agents autonomes. Gartner prévoit, dans un communiqué de juin 2025, que plus de 40 % des projets d'IA agentique seront annulés d'ici fin 2027, pour cause de coûts, de valeur floue ou de contrôle des risques insuffisant. Anthropic prévient que l'autonomie des agents implique des coûts plus élevés et un risque d'erreurs qui s'accumulent, et recommande des tests approfondis en environnement isolé, avec des garde-fous.

Ces limites se traitent par la conception : périmètre étroit, droits minimaux, validation humaine sur les actions sensibles. Ce sont les sujets de Déployer un premier agent IA, de Créer un agent IA sans coder et de Sécurité et gouvernance des agents IA.

Questions fréquentes

Un agent IA peut-il remplacer un salarié ?

Les trois exemples documentés plus haut décrivent des agents chargés d'opérations ou de tâches précises, pas de postes entiers. Sur le banc d'essai TheAgentCompany (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 ; cette mesure est datée et ne préjuge pas des résultats sur vos processus.

Comment savoir si un produit vendu comme « agent IA » en est un ?

Posez les quatre questions du test proposé plus haut : qui choisit l'étape suivante, que fait le produit des résultats de ses outils, peut-il s'arrêter ou passer la main, et que peut-il faire sans validation humaine. Si le chemin est entièrement écrit à l'avance, il s'agit d'un workflow, quel que soit le vocabulaire commercial.

Un callbot est-il un agent IA ?

Pas par nature : un callbot est d'abord une interface vocale. Il relève de l'agent quand le modèle choisit lui-même ses étapes et ses outils (consulter un dossier, modifier une réservation) plutôt que de suivre un script. Voir Qu'est-ce qu'un callbot ?.

Quelle différence entre un agent IA et un assistant IA ?

Selon Google Cloud, un assistant collabore avec l'utilisateur, recommande des actions et lui laisse la décision, alors qu'un agent poursuit un objectif de façon plus autonome et proactive. OpenAI et Anthropic réservent le mot « agent » aux systèmes où le modèle pilote l'exécution.

Quel est le principal risque d'un agent trop autonome ?

L'OWASP, qui publie un classement des risques des applications à base de modèles de langage, nomme « Excessive Agency » (pouvoir d'agir excessif) et en identifie trois causes : trop de fonctions, trop de permissions, trop d'autonomie. Une action erronée, due à une consigne manipulée ou mal comprise, s'exécute alors sans validation. Détail dans Sécurité et gouvernance des agents IA.

En résumé

Un agent IA est un système où un modèle choisit lui-même les étapes et les outils d'une tâche, dans des limites fixées par des humains. Il se distingue du chatbot, qui répond, de l'assistant, qui laisse la décision à l'utilisateur, et de l'automatisation, qui suit un chemin écrit à l'avance. Les définitions des éditeurs divergent sur la frontière, d'où l'intérêt d'un test simple sur le choix des étapes, l'usage des résultats, l'arrêt et la validation humaine. Pour cadrer un projet, parlons-en.

Sources

Parler de votre projet