Call-bot.ai

GlossairePublié le

IA agentique

Définition

L'IA agentique regroupe les systèmes d'IA qui poursuivent un but en exécutant des actions par l'intermédiaire d'outils, avec une autonomie plus ou moins grande, au lieu de se limiter à répondre à une question.

À retenir

  • Critère face à un chatbot : le système agit sur d'autres systèmes (consulter, écrire, déclencher) pour atteindre un but, au-delà de la génération de texte. Google Cloud parle d'agents qui utilisent un grand modèle de langage (LLM) comme « cerveau » pour agir par des outils.
  • C'est un spectre d'autonomie. Anthropic range sous « systèmes agentiques » deux architectures : les workflows, où le code fixe le chemin entre modèle et outils, et les agents, où le modèle dirige lui-même ses étapes et ses outils.
  • Il n'existe pas de définition unique : Google Cloud, AWS et IBM mettent chacun en avant l'autonomie, le but à atteindre ou la supervision limitée. Pour Google Cloud, les agents IA sont les briques de l'IA agentique, qui est leur emploi coordonné.

Comment ça marche

Anthropic souligne qu'un agent est le plus souvent un LLM qui utilise des outils en fonction du retour de l'environnement, dans une boucle. Il démarre avec une consigne ou un échange avec l'utilisateur, puis planifie et agit. À chaque étape il relève le résultat réel (retour d'un outil, exécution d'un code) pour mesurer sa progression. Il peut s'arrêter pour demander l'avis d'un humain à des points de contrôle ou face à un blocage, et s'arrête à la fin de la tâche ou sur une condition fixée, par exemple un nombre maximal d'itérations. Un agent vocal IA peut appliquer cette boucle à une conversation orale ; le MCP standardise la connexion aux outils.

Pièges et limites

  • Coût et lenteur : Anthropic observe que les systèmes agentiques échangent souvent de la latence et du coût contre de meilleures performances, et recommande la solution la plus simple possible, ce qui peut vouloir dire ne pas en construire.
  • Erreurs qui s'accumulent : Anthropic relève que l'autonomie des agents expose à des erreurs cumulatives, et conseille des tests en environnement isolé ainsi que des garde-fous.
  • Supervision : Google Cloud recommande de s'assurer qu'une supervision humaine existe pour éviter des conséquences non voulues (human-in-the-loop).

Voir aussi

Sources

Tout le glossaire