Réponse en bref
Un agent IA est un système dans lequel un modèle de langage reçoit des outils et décide lui-même de l’étape suivante, en boucle, jusqu’à la fin de la tâche ou jusqu’à une limite fixée. Un chatbot ne fait que répondre et l’automatisation suit un parcours fixe ; l’agent choisit le parcours. Il convient aux tâches qui demandent du jugement, coûte plus qu’un seul appel au modèle et doit commencer en lecture seule, avec validation humaine de l’irréversible.
Un agent IA est un modèle de langage qui choisit lui-même l’étape suivante
Qu’est-ce qu’un agent IA ? Posez la question à cinq fournisseurs et vous obtiendrez cinq réponses, chacune façonnée par ce qu’ils vendent. Anthropic, dans son article Building effective agents, décrit les agents comme des systèmes où le modèle de langage dirige lui-même, de façon dynamique, son processus et l’usage de ses outils. Le guide pratique d’OpenAI sur la construction d’agents tient en une ligne : ce sont des systèmes qui accomplissent des tâches pour vous de manière indépendante. IBM parle d’un système qui exécute des tâches de façon autonome en concevant des flux de travail avec les outils disponibles.
La formule courte d’Anthropic est sans détour : ce sont en général de simples modèles de langage qui utilisent des outils en boucle, guidés par les retours de leur environnement. Prenez un client qui écrit que son colis n’est pas arrivé. Un agent retrouve la commande, ouvre la page de suivi du transporteur et prépare une réponse avec le statut réel, à faire valider par un responsable. Personne n’a écrit ces étapes à l’avance, et cette liberté est à la fois l’intérêt de l’agent et la source de ses risques.
Agent, chatbot et automatisation : trois machines différentes
L’automatisation suit un parcours qu’une personne a tracé d’avance : un formulaire arrive, une opportunité est créée, un e-mail part. Anthropic appelle ces systèmes des workflows, ou flux de travail, où modèles et outils sont orchestrés par des chemins de code prédéfinis. La même entrée donne toujours le même résultat. La faiblesse n’apparaît que lorsqu’un cas sort des règles écrites.
Un chatbot converse : il répond à une question et attend le message suivant. OpenAI précise que les applications qui intègrent un modèle de langage sans lui laisser le contrôle de l’exécution du travail, dont les chatbots simples, ne sont pas des agents. IBM décrit les chatbots non agentiques comme dépourvus d’outils, de mémoire et de raisonnement. Ce n’est pas un défaut, car là où il s’agit de répondre, un chatbot est le bon outil.
L’agent emprunte aux deux : il converse comme un chatbot et agit comme une automatisation, mais choisit lui-même le parcours. Anthropic relève que ses propres clients emploient le mot aussi bien pour des systèmes entièrement autonomes que pour d’autres, très encadrés. Pour un dirigeant, l’étiquette compte moins que de savoir qui décide de l’étape suivante : le script, la personne ou le modèle. Un guide distinct, en lien à la fin de cet article, compare les trois options tâche par tâche.
Les pièces d’un agent : modèle, instructions, outils, mémoire et règle d’arrêt
Le guide d’OpenAI ramène un agent à trois composants de base : le modèle qui raisonne et décide, les outils qu’il peut utiliser et les instructions qui définissent son comportement. Les instructions sont les vôtres et ressemblent à une fiche de poste. OpenAI conseille de les construire à partir de documents que l’entreprise possède déjà : procédures, scripts de support, règles internes. Là où une instruction est vague, l’agent comble le vide par une supposition.
Les outils correspondent à des droits d’accès. Le guide distingue les outils de données, qui vont chercher du contexte, comme une requête dans le CRM, des outils d’action, qui modifient quelque chose, comme envoyer un e-mail ou mettre à jour une fiche. La mémoire est une autre pièce : IBM évoque la capacité de l’agent à conserver les interactions passées. La dernière pièce est la règle qui met fin au travail, et OpenAI cite une erreur ou un nombre maximal de tours parmi les conditions de sortie courantes.
Les tâches qu’une petite entreprise peut confier à un agent dès aujourd’hui
OpenAI propose de regarder d’abord le travail qui a résisté à l’automatisation ordinaire et donne trois signes : des décisions qui demandent du jugement, des règles trop touffues pour être maintenues et une forte dépendance aux données non structurées, comme les courriers et les documents. Si une tâche n’en présente aucun, dit le guide, une solution déterministe peut suffire. Une petite entreprise croise ces signes chaque matin dans sa boîte de réception. Les demandes arrivent en texte libre, et quelqu’un doit les lire et décider où elles vont.
D’où une première liste réaliste. Un agent peut trier les e-mails et messages entrants par sujet et par urgence. Il peut préparer une réponse à faire valider par un responsable, rassembler ce qui est public sur un nouveau prospect ou monter le brouillon du rapport hebdomadaire. Anthropic cite le support client comme un terrain naturel, avec l’historique des commandes et la base de connaissances pour outils et une mesure claire du succès. Dans chaque exemple, l’agent rassemble et rédige, et une personne signe.
Là où les agents échouent : erreurs cumulées, coût et instructions cachées
La première faiblesse vient de la boucle elle-même. Chaque étape s’appuie sur la précédente, si bien qu’une petite erreur commise au début se transmet et grossit. Anthropic le dit nettement : l’autonomie des agents implique des coûts plus élevés et un risque d’erreurs cumulées. IBM ajoute le cas de l’agent qui ne parvient pas à établir un plan complet et rappelle sans fin les mêmes outils.
La deuxième tient au coût et à la vitesse. Un agent ne répond pas en un seul passage : il lit, appelle un outil, lit le résultat et raisonne de nouveau, et chaque tour prend du temps et se paie. Anthropic note que les systèmes agentiques échangent souvent de la latence et du coût contre un meilleur résultat, et conseille la solution la plus simple possible, quitte à se passer d’agent. IBM prévient que, selon la complexité de la tâche, un agent peut mettre plusieurs jours à la terminer.
La troisième est propre aux systèmes qui lisent. Un agent ne distingue pas toujours votre instruction de celle que quelqu’un a glissée dans une page web, un fichier ou un e-mail entrant. L’OWASP place l’injection d’instructions (prompt injection) en tête de sa liste 2025 des risques pour les applications à base de modèles de langage, et note que le texte ainsi déposé n’a même pas besoin d’être visible pour un humain. L’organisation est franche sur la parade : on ignore s’il existe des méthodes de prévention infaillibles.
Garde-fous : lecture seule, validation humaine et journal de chaque étape
Rien de tout cela n’est une raison de refuser les agents ; c’est une raison de leur donner moins que ce qu’ils pourraient utiliser. L’OWASP conseille de limiter les privilèges d’accès du modèle au strict nécessaire. Sa page sur l’excès d’autonomie décrit un assistant de messagerie qui doit seulement résumer des courriers mais peut aussi en envoyer, si bien qu’un seul e-mail piégé lui fait transférer une correspondance privée à un inconnu. Le remède indiqué est modeste : un outil qui ne fait que lire le courrier, un accès en lecture seule et un utilisateur qui envoie lui-même chaque brouillon.
Le deuxième garde-fou est une personne aux endroits où une erreur ne se rattrape pas. Le guide d’OpenAI recommande de classer chaque outil en risque faible, moyen ou élevé selon qu’il lit seulement ou qu’il écrit aussi, que son effet est réversible ou non et que de l’argent est en jeu. Les actions sensibles, irréversibles ou à fort enjeu, comme annuler une commande, autoriser un remboursement important ou effectuer un paiement, reviennent à un humain. IBM donne le même conseil avec ses propres exemples, des envois massifs d’e-mails aux opérations financières.
Le troisième garde-fou est une trace. IBM recommande de donner aux utilisateurs l’accès à un journal des actions de l’agent, car il montre comment une décision a été prise et permet de découvrir les erreurs. L’OWASP conseille lui aussi de journaliser et de surveiller l’activité des outils, et Anthropic ajoute des tests poussés dans un environnement isolé. Ensemble, les sources décrivent une même discipline : des droits étroits, une main humaine sur les étapes irréversibles et une trace de chaque action.
Comment savoir si un agent vaut ce qu’il coûte
Un agent se paie en attention autant qu’en argent, car quelqu’un doit vérifier son travail. La mesure se fixe donc avant le lancement, pas après. OpenAI conseille de commencer par des évaluations qui établissent un niveau de référence, et Anthropic résume sa propre approche par deux verbes, mesurer et itérer. Pour une petite entreprise, c’est un exercice de carnet : notez combien de temps la tâche choisie prend aujourd’hui à une personne, combien de fois le résultat doit être refait et ce que coûte une erreur.
Comptez ensuite la même chose avec l’agent en place. Peu de chiffres suffisent. Ce sont la part des brouillons que le responsable accepte sans retouche, la part des cas que l’agent rend à un humain, le délai entre la demande et la réponse et la facture du modèle par tâche terminée. Si, après plusieurs semaines, les brouillons doivent encore être réécrits, resserrez la tâche ou revenez à une automatisation simple plutôt que d’ajouter un second agent.
Commencer par une seule tâche et quoi préparer avant de commander un agent
Sur la taille du premier projet, Anthropic et OpenAI sont d’accord : commencez petit. OpenAI observe que ses clients réussissent mieux avec une approche progressive qu’avec un système entièrement autonome construit d’un seul coup. Choisissez une tâche qui a un début et une fin nets, un coût d’erreur supportable et une personne qui la connaît bien. Mettez ensuite quatre choses par écrit : les étapes telles que cette personne les accomplit, les documents sur lesquels elle s’appuie, les systèmes que l’agent devrait ouvrir et un ensemble de cas passés avec l’issue que vous jugez correcte.
Faire soi-même ou commander dépend de l’endroit où vit la tâche. Si elle reste dans un seul service qui comprend déjà un assistant et ne touche à aucune donnée client, l’essayer vous-même apprend beaucoup pour peu de risque. Si l’agent doit être relié à un CRM, à une messagerie ou à un système de paiement, c’est du développement, et il est raisonnable de le confier à une équipe dont c’est le métier, VITON13 Studio par exemple. Une fois ce document prêt, la question « qu’est-ce qu’un agent IA » compte moins qu’une autre, plus étroite : quelle tâche unique mérite de lui être confiée en premier.
Checklist pratique
- Choisissez une tâche avec un début et une fin nets et une personne qui la connaît bien.
- Écrivez les étapes de cette tâche et réunissez les procédures et scripts sur lesquels elle repose.
- Listez les systèmes que l’agent ouvrirait et notez ceux où la lecture seule suffit.
- Désignez les actions impossibles à annuler et la personne qui validera chacune d’elles.
- Relevez le temps, le taux de reprise et le coût d’une erreur actuels pour avoir un point de comparaison.
Questions et réponses
Un agent IA est-il simplement un chatbot rebaptisé ?
Non. Un chatbot répond à un message et attend le suivant. Un agent reçoit des outils et décide lesquels utiliser et dans quel ordre : il peut donc chercher une information, la recouper et préparer un résultat. Le guide d’OpenAI dit expressément que les chatbots simples ne sont pas des agents.
Une petite entreprise a-t-elle besoin d’un agent IA ou l’automatisation suffit-elle ?
Si la tâche passe toujours par les mêmes étapes, l’automatisation est plus prévisible et doit être le premier choix. Un agent se justifie là où les cas diffèrent, où il faut comprendre du texte libre et où les règles comptent trop d’exceptions pour être écrites. Anthropic conseille de retenir la solution la plus simple qui fonctionne.
Un agent IA peut-il travailler sans qu’une personne vérifie chaque étape ?
Pour les étapes à faible risque, comme lire et trier, c’est raisonnable. Pour les actions difficiles à annuler, comme les paiements, les remboursements ou les envois en masse, OpenAI et IBM recommandent tous deux une validation humaine, au moins jusqu’à ce que l’agent ait montré qu’on peut compter sur lui.
Qu’est-ce que l’injection de prompt et pourquoi concerne-t-elle un agent IA ?
C’est une instruction déposée dans ce que l’agent lit : une page web, un fichier, un e-mail entrant. Le modèle peut la suivre comme si elle venait de son propriétaire. L’OWASP la classe première parmi les risques des applications à base de modèles de langage, et la parade pratique tient à des droits d’accès étroits et à la validation humaine des actions importantes.
Que faut-il avoir prêt avant de commander un agent IA à un prestataire ?
La description pas à pas d’une tâche, les documents et règles dont elle dépend, la liste des systèmes concernés avec l’accès nécessaire dans chacun et un ensemble de cas passés avec la bonne issue. Avec cela, le prestataire peut chiffrer le travail et vous avez de quoi contrôler le résultat.