Définition : percevoir, décider, agir
Google Cloud définit les agents d'IA comme des systèmes logiciels qui utilisent l'IA pour atteindre des objectifs et effectuer des tâches au nom des utilisateurs. Ils font preuve de raisonnement, de planification et de mémoire, et disposent d'un certain niveau d'autonomie pour prendre des décisions. Google présente le raisonnement et l'action comme leurs principales caractéristiques, auxquelles s'ajoutent notamment l'observation (recueillir des informations sur l'environnement ou la situation) et la planification ; l'action peut consister à envoyer des messages, mettre à jour des données ou déclencher d'autres processus.
Anthropic, qui conçoit les modèles Claude, propose une distinction utile dans un article technique publié en décembre 2024. Les « workflows » sont des systèmes où un modèle de langage et des outils sont orchestrés selon des chemins définis à l'avance dans le code. Les agents, eux, sont des systèmes où le modèle dirige lui-même son processus et l'usage de ses outils, en gardant la maîtrise de la façon d'accomplir la tâche ; Anthropic souligne qu'ils doivent s'appuyer, à chaque étape, sur les retours concrets de leur environnement (résultats des outils, par exemple) pour évaluer leur progression.
Dans les deux cas, la brique de base est un modèle de langage enrichi : il peut rechercher de l'information, appeler des outils et conserver une mémoire. Sans outils ni accès aux données de l'entreprise, un modèle de langage converse ; avec eux, il peut agir. C'est cette capacité d'action, plus que l'intelligence apparente, qui justifie le mot « agent ».
Agent, assistant, chatbot : où passe la frontière
Google Cloud range ces trois notions selon leur degré d'autonomie. Le bot suit des règles prédéfinies et réagit à des déclencheurs ou à des commandes ; il convient aux tâches et aux conversations simples. L'assistant répond aux demandes, fournit des informations, peut recommander des actions, mais c'est l'utilisateur qui décide. L'agent est le plus autonome : il peut mener des actions en plusieurs étapes et prendre des décisions de manière indépendante pour atteindre un objectif.
Dans les faits, la frontière est floue. La Commission d'enrichissement de la langue française définit le dialogueur, terme recommandé pour « chatbot », comme un logiciel spécialisé dans le dialogue en langage naturel avec un humain, capable notamment de répondre à des questions ou de déclencher l'exécution de tâches. Un chatbot qui inscrit un rendez-vous dans un agenda exécute déjà une tâche ; un « agent » vendu comme tel suit parfois un scénario entièrement balisé.
Pour une entreprise, la bonne question n'est donc pas l'étiquette mais le périmètre : quelles informations le système consulte-t-il, quelles actions peut-il déclencher, lesquelles sont réversibles, et qui est prévenu quand il s'arrête ? Un système très encadré, proche du workflow, est souvent plus fiable pour une tâche répétitive qu'un agent laissé libre.
Exemples concrets en entreprise
À l'accueil, un agent répond aux questions des clients à partir des informations de l'entreprise, au téléphone ou par écrit. Il perçoit la demande, décide s'il peut y répondre, et agit : il note les coordonnées, propose un créneau dans un agenda connecté ou transmet la demande à une personne. La valeur tient moins à la conversation qu'à ce qui en sort, à savoir une demande complète et exploitable.
En back-office, un agent peut trier les e-mails entrants par sujet et préparer un brouillon de réponse que quelqu'un valide, extraire les informations utiles d'un bon de commande pour pré-remplir une fiche, ou rapprocher une demande entrante d'un dossier client existant pour éviter les doublons. Dans chacun de ces cas, l'action finale reste vérifiable avant d'engager l'entreprise.
Pour la veille ou l'analyse, un agent peut rassembler des documents, en extraire les passages pertinents et produire une synthèse. Là encore, le résultat est un point de départ : il cite ses sources, et une personne vérifie avant de s'en servir pour décider.
Les limites à connaître
Anthropic rappelle que l'autonomie des agents se paie : des coûts plus élevés et un risque d'erreurs qui s'accumulent d'une étape à l'autre. Son conseil est de commencer par la solution la plus simple et de n'ajouter de la complexité que si elle améliore réellement le résultat, après des tests poussés dans un environnement isolé et avec des garde-fous adaptés.
Google Cloud liste de son côté plusieurs situations où les agents d'IA peinent : les tâches qui demandent une empathie profonde ou la gestion de dynamiques sociales complexes, les situations à fort enjeu éthique comme le diagnostic médical ou la décision judiciaire, et les environnements physiques imprévisibles. S'y ajoute une limite très concrète : un agent ne sait que ce qu'on lui a donné. Une information périmée ou absente de ses sources produira une réponse fausse ou une impasse.
Enfin, un agent n'est pas responsable de ce qu'il fait : l'entreprise qui le déploie l'est. Chaque action automatisée doit donc pouvoir être retracée et, quand c'est possible, annulée.
Supervision humaine : ce qu'il faut prévoir
La supervision commence par le périmètre. Séparez les actions de lecture (consulter un agenda, chercher une information) des actions qui engagent (réserver, envoyer, modifier une donnée), et réservez ces dernières aux cas bien définis. Pour tout ce qui a des conséquences importantes pour une personne, la CNIL rappelle qu'une conversation avec un chatbot, sans intervention humaine, ne peut pas à elle seule conduire à une décision comme le refus d'un crédit ; elle peut s'insérer dans un processus qui comporte une intervention humaine significative.
Prévoyez ensuite une sortie vers un humain à chaque étape : sur demande explicite, quand l'agent ne trouve pas la réponse, ou quand le sujet est sensible. Conservez un historique lisible de ce que l'agent a vu, décidé et fait, et relisez régulièrement un échantillon d'échanges pour corriger les consignes et compléter les informations manquantes.
C'est l'approche retenue par Alyas pour l'accueil : l'agent répond au téléphone et par écrit à partir des informations que vous lui fournissez, peut inscrire un rendez-vous dans Google Calendar ou Cal.com, et passe la main quand il le faut, par transfert vers votre numéro au téléphone, ou en signalant la conversation et en prévenant votre équipe par e-mail en chat.
Questions fréquentes
Quelle différence entre un agent IA et une automatisation classique ?
Une automatisation classique suit un enchaînement fixé à l'avance : si telle condition, alors telle action. Un agent IA s'appuie sur un modèle de langage pour interpréter une demande formulée librement et choisir lui-même les étapes et les outils à utiliser. Il gère mieux la variété des demandes, mais demande plus de tests et de garde-fous.
Un agent IA peut-il travailler sans supervision ?
Il peut exécuter des tâches sans intervention à chaque étape, mais pas sans cadre. Il faut définir les actions autorisées, prévoir une reprise par une personne quand l'agent ne sait pas ou quand l'enjeu est important, et relire régulièrement ce qu'il a fait. La CNIL rappelle qu'une décision importante pour une personne ne peut pas résulter de la seule conversation avec un chatbot.
Faut-il savoir coder pour utiliser un agent IA en entreprise ?
Non, pour les usages courants comme l'accueil ou la réponse aux questions fréquentes : des solutions prêtes à l'emploi se paramètrent avec vos informations et vos consignes. Le développement devient nécessaire quand l'agent doit agir dans des outils internes spécifiques, sans connecteur existant.
