Qu'est-ce qu'un agent IA ?

« Agent IA » est devenu le mot à la mode. On le voit dans les annonces des éditeurs de logiciels, dans les offres d’emploi et dans les réunions d’équipe. Pourtant, peu de gens savent dire précisément ce qui distingue un agent d’un simple assistant conversationnel. Cet article pose les bases, sans jargon inutile.

Une définition simple

Un agent IA est un programme qui reçoit un objectif et qui décide lui-même des étapes pour l’atteindre : il observe la situation, choisit une action, l’exécute avec un outil, regarde le résultat, puis recommence jusqu’à ce que la tâche soit terminée ou qu’il ait besoin de vous.

Cette idée n’est pas nouvelle. Les manuels d’intelligence artificielle définissent depuis longtemps un agent comme « quelque chose qui perçoit son environnement et agit sur lui ». Ce qui a changé, c’est que les grands modèles de langage savent désormais lire des consignes en langage courant, raisonner sur plusieurs étapes et piloter des outils numériques : moteurs de recherche, tableurs, messageries, bases de documents, logiciels métiers.

Chatbot, assistant, agent : quelle différence ?

Le chatbot classique suit un script : il répond à des questions prévues à l’avance.
L’assistant conversationnel (Claude, ChatGPT, Gemini, Le Chat…) produit une réponse à chaque message. C’est vous qui décidez de la suite : copier le texte, relancer, corriger.
L’agent enchaîne plusieurs actions sans que vous interveniez à chaque étape. Il peut, par exemple, chercher trois sources, les comparer, rédiger une synthèse, l’enregistrer dans un dossier partagé et vous prévenir.

Anthropic, l’éditeur de Claude, propose une distinction utile : dans un workflow, le chemin est fixé à l’avance par un humain ; dans un agent, c’est le modèle qui décide dynamiquement de la suite des opérations et des outils à utiliser. La frontière est parfois floue, mais la question à se poser est simple : qui décide de la prochaine action ?

Comment fonctionne un agent : la boucle

Presque tous les agents reposent sur la même boucle, que nous appelons dans le cours « observer, raisonner, agir » :

Observer : l’agent lit votre demande, les documents fournis et le résultat de sa dernière action.
Raisonner : il choisit la prochaine étape (chercher une information, appeler un outil, poser une question, s’arrêter).
Agir : il exécute cette étape grâce à un outil.

Trois ingrédients rendent cette boucle possible :

Le modèle, le « cerveau » qui comprend et génère du texte.
La fenêtre de contexte, c’est-à-dire tout ce que l’agent a sous les yeux à un instant donné : votre consigne, les documents, l’historique de ses actions. Elle est limitée ; ce qui n’y est pas, l’agent ne le « voit » pas.
Les outils et connecteurs, qui lui donnent des mains : lire un fichier, envoyer un e-mail, interroger une base de données. Des standards comme le Model Context Protocol (MCP) permettent de brancher ces outils de façon uniforme.

Des exemples concrets au travail

Formation : à partir d’un référentiel, l’agent prépare un déroulé pédagogique, propose un quiz et le met en forme dans votre outil habituel.
Ressources humaines : il trie des questions fréquentes de salariés, rédige des réponses à partir de la convention collective et signale celles qui demandent un avis humain.
Gestion : il rapproche des factures et un relevé bancaire, puis liste les écarts à vérifier.
Veille : chaque lundi, il parcourt une liste de sources, résume les nouveautés et vous envoie une synthèse.

Dans tous ces cas, l’agent fait gagner du temps sur la partie répétitive. Mais il ne sait pas, seul, ce qui compte vraiment pour votre organisation.

Ce qu’un agent ne fait pas (bien) tout seul

Un agent peut se tromper avec beaucoup d’assurance : inventer une référence, mal lire un tableau, prendre une consigne trop au pied de la lettre. Il peut aussi être manipulé : un document ou une page web peut contenir des instructions cachées qui détournent son comportement. C’est ce qu’on appelle l’injection d’instructions (prompt injection), classée au premier rang des risques par l’OWASP pour les applications de modèles de langage.

Enfin, un agent n’a que les droits que vous lui donnez. S’il peut supprimer des fichiers ou envoyer des messages en votre nom, une erreur peut coûter cher. D’où l’importance de la supervision humaine : le règlement européen sur l’IA l’impose aux systèmes à haut risque (obligations applicables à partir du 2 décembre 2027 depuis sa modification par le règlement « Omnibus » de 2026) et demande à toutes les organisations qui utilisent l’IA de prendre des mesures pour favoriser la culture IA de leurs équipes (article 4).

Superviser, une compétence à part entière

Travailler avec un agent ne consiste pas seulement à « bien rédiger un prompt ». Il faut savoir :

choisir ce qu’on lui confie et ce qu’on garde ;
lui donner le bon contexte ;
limiter ses droits au strict nécessaire ;
contrôler ses résultats avant de les utiliser ;
repérer les risques ;
et transmettre ces réflexes à ses collègues.

Ce sont précisément les six domaines du projet de certification que prépare l’Académie Agent IA, chacun incarné par un membre de la Ligue des Super-Agents.

À retenir : un agent IA est un système qui enchaîne des actions pour atteindre un objectif. Plus il est autonome, plus votre rôle de superviseur compte.

Pour passer à la pratique, lisez notre article « Superviser un agent IA : les 5 réflexes », ou découvrez le parcours en 9 salles.