L’IA agentique : définition, exemples, et comment garder le contrôle

L’IA agentique désigne des systèmes d’intelligence artificielle, appelés agents, qui ne se contentent pas de répondre : ils reçoivent un objectif, découpent le travail en étapes, utilisent vos outils pour agir et vérifient le résultat. Là où un assistant rédige un brouillon de réponse, un agent retrouve le dossier du client, prépare la réponse et la soumet à la validation d’une personne.

Cette capacité d’agir change la nature du risque : un agent peut se tromper dans vos systèmes, pas seulement dans un texte. C’est pourquoi cet article parle autant de contrôle que de technologie.

Comment fonctionne un agent IA ?

Un agent réunit trois éléments : un modèle de langage, qui comprend la demande et choisit l’étape suivante ; des outils, qu’il appelle pour lire ou pour agir (une base documentaire, un logiciel de tickets, un dépôt de code) ; une mémoire de travail, qui garde le fil de la tâche.

Il avance par boucles : il observe, choisit une action, l’exécute, regarde le résultat, puis continue, corrige ou s’arrête. Ce sont les outils et les droits qu’on lui donne qui fixent ce qu’il peut faire : une action pour laquelle il n’a pas d’outil lui est impossible.

Agent IA, IA générative, RPA : quelles différences ?

• L’IA générative produit un contenu à partir d’une consigne (un texte, un résumé, du code), puis attend la consigne suivante.
• La RPA (automatisation robotisée des processus) rejoue des clics et des saisies définis à l’avance, sans comprendre ce qu’elle traite.
• Un agent IA poursuit un objectif : il choisit ses étapes et agit avec des outils, dans les limites qu’on lui fixe.

La RPA reste fiable tant que rien ne change, mais s’arrête dès qu’un écran ou un format de document évolue. Un agent comprend une demande ou un document qu’il n’a jamais vu. Les deux cohabitent souvent : l’agent traite ce qui demande du jugement, la RPA garde les gestes répétitifs déjà automatisés.

Attention aux étiquettes : en juin 2025, le cabinet Gartner relevait que de nombreux éditeurs présentent comme « agentiques » des assistants, des robots RPA ou des chatbots existants, et estimait à environ 130 le nombre d’éditeurs proposant de vrais produits agentiques.

Des exemples d’IA agentique en entreprise

Les usages qui fonctionnent le mieux suivent des règles claires et manipulent des documents ou des données :

• Développement logiciel : un agent reproduit un bug signalé dans un ticket, propose un correctif avec ses tests et ouvre une demande de fusion, qu’un développeur relit avant la mise en production.
• Demandes entrantes : un agent lit un courriel, retrouve le contrat concerné, prépare la réponse ou crée le ticket ; une personne valide l’envoi.
• Contrôles et rapprochements : un agent compare factures, commandes et paiements, signale les écarts et prépare les écritures à valider.
• Reporting : un agent rassemble les chiffres de plusieurs outils, rédige le commentaire et soumet le rapport avant diffusion.

Point commun : l’agent prépare le travail, une personne valide ce qui engage l’entreprise. Ces deux familles d’usages sont détaillées sur nos pages Automatisation du développement logiciel et Automatisation des processus.

Ce dont un agent a besoin : des données, des outils, des droits

Des données fiables. Un agent ne vaut que par les informations qu’il consulte. Des sources à jour, décrites et accessibles selon les droits de chacun lui évitent de répondre à côté. Le glossaire explique le RAG, une technique répandue pour qu’un agent cherche dans vos documents.

Des outils déclarés. Chaque action possible passe par un outil prévu pour cela, avec ses paramètres. Ce qui n’est pas déclaré reste hors de portée de l’agent.

Des droits limités. Un agent reçoit sa propre identité et n’accède qu’à ce dont sa tâche a besoin, comme un nouvel arrivant à qui l’on ne confie pas toutes les clés le premier jour.

Garder le contrôle : validation humaine, accès limités, journal, arrêt

Parce qu’un agent agit, une erreur ou une manipulation a des conséquences réelles. Ces risques sont désormais décrits : l’OWASP, fondation connue pour ses listes de risques de sécurité applicative, a publié en décembre 2025 dix risques propres aux applications agentiques, du détournement de l’objectif d’un agent à l’abus de ses droits. En avril 2026, le CERT-FR, le centre de réponse aux incidents de l’ANSSI, a déconseillé de déployer des assistants autonomes sur les postes de travail en production et recommandé de limiter leur usage à des environnements de test isolés.

Les mêmes garde-fous reviennent dans ces recommandations :

• Accès au strict nécessaire : chaque agent a sa propre identité et des droits limités à sa tâche.
• Validation humaine des actions sensibles : un envoi, un paiement ou une mise en production attend l’accord d’une personne.
• Filtres sur les échanges : une consigne cachée dans un document ou une page web (l’injection de prompt) ne doit pas pouvoir détourner l’agent.
• Journal de chaque action : qui a demandé quoi, ce que l’agent a fait, avec quelles données.
• Arrêt possible à tout moment : un agent se suspend sans attendre.
• Un bac à sable d’abord : l’agent est testé sur des données fictives avant d’approcher vos systèmes réels.

Côté réglementation, l’AI Act européen ne crée pas de catégorie à part pour les agents : un agent est un système d’IA, soumis aux règles qui correspondent à son usage et à son niveau de risque. Le glossaire en résume le calendrier, et notre offre Des agents IA sous contrôle détaille ces garde-fous.

Par où commencer

Les projets d’agents échouent rarement à cause de la technologie. En juin 2025, Gartner prévoyait que plus de 40 % des projets d’IA agentique seraient abandonnés d’ici fin 2027, en raison de coûts qui dérapent, d’une valeur métier floue ou de contrôles des risques insuffisants. Trois réflexes évitent ces écueils :

• Choisir une tâche précise, fréquente et mesurable, plutôt qu’un agent censé tout faire.
• Poser les garde-fous dès le premier prototype : droits limités, validation humaine, journal.
• Mesurer avant d’étendre (temps gagné, erreurs évitées, coût par tâche), puis élargir pas à pas.

C’est la démarche qu’on suit avec vos équipes (voir L’IA agentique sous votre contrôle) : un premier agent sur une tâche choisie ensemble, sous contrôle, et la suite si les résultats le justifient. Pour en parler avec un ingénieur : la journée de cadrage offerte.

Questions fréquentes

Qu’est-ce qu’un agent IA ?

Un programme qui s’appuie sur un modèle d’IA pour atteindre un objectif en plusieurs étapes : il choisit l’action suivante, utilise des outils pour agir, vérifie le résultat et s’arrête quand la tâche est faite ou qu’il a besoin d’une validation.

IA agentique et IA générative, quelle différence ?

L’IA générative produit un contenu en réponse à une consigne. L’IA agentique utilise ce type de modèle pour agir dans vos outils et enchaîner plusieurs étapes vers un objectif.

Un agent IA remplace-t-il la RPA ?

Pas forcément. La RPA reste adaptée aux gestes répétitifs sur des écrans stables ; l’agent prend en charge ce qui demande de comprendre une demande ou un document. Les deux peuvent travailler ensemble.

Un agent peut-il agir sans validation humaine ?

Techniquement oui, et c’est précisément ce qu’il faut encadrer. Lire, chercher et préparer peuvent être automatiques ; envoyer, payer, supprimer ou mettre en production attendent l’accord d’une personne.

Sources

Faits et chiffres vérifiés le 3 octobre 2026.

• CERT-FR (ANSSI), « Vulnérabilités et risques des produits d’automatisation par IA agentique sur les postes de travail », 13 avril 2026.
• OWASP GenAI Security Project, « OWASP Top 10 for Agentic Applications for 2026 », 9 décembre 2025.
• Gartner, communiqué de presse sur les projets d’IA agentique, 25 juin 2025.
• Commission européenne, cadre réglementaire de l’IA (AI Act).