IA agentique : définition, exemples et ce qu’elle change pour l’entreprise

Qu’est-ce que l’IA agentique ?

L’IA agentique est une IA qui poursuit un objectif au lieu de répondre à une demande isolée. Elle découpe l’objectif en étapes, agit dans d’autres logiciels grâce à des outils, observe le résultat et décide de la suite. En octobre 2024, Gartner l’a placée en tête de ses dix grandes tendances technologiques pour 2025, en la définissant comme des systèmes qui planifient et agissent de façon autonome pour atteindre des objectifs fixés par l’utilisateur.

Le mot décrit une propriété plus qu’un produit. Un système peut être un peu agentique (le modèle choisit seulement vers lequel de trois circuits envoyer une demande) ou très agentique (le modèle planifie un travail en plusieurs étapes, choisit ses outils et décide quand il a fini). Anthropic, l’éditeur des modèles Claude, range les deux sous l’étiquette de « systèmes agentiques » et les distingue selon qui garde la main : dans un workflow, le chemin est écrit à l’avance dans le code ; dans un agent, le modèle dirige lui-même son déroulé et ses outils.

L’agent IA est l’unité de base de l’IA agentique : un logiciel concret qui fonctionne ainsi. Notre guide Agent IA : définition et exemples décrit l’agent lui-même, ses composants et ses types. Celui-ci prend le mouvement dans son ensemble, du point de vue d’une entreprise qui doit décider quoi construire. Pour des tâches concrètes, par service et par secteur, voyez notre guide des cas d’usage de l’IA.

IA agentique ou IA générative : la différence

L’IA générative produit un contenu à la demande ; l’IA agentique s’en sert pour faire aboutir un travail. Les modèles sont souvent les mêmes. Ce qui change, c’est ce qui les entoure : un objectif au lieu d’une consigne, des outils au lieu d’une zone de texte, et une boucle qui tourne jusqu’au résultat.

Les deux dernières lignes comptent le plus pour un acheteur. Un outil génératif qui se trompe produit un mauvais brouillon, que quelqu’un rattrapera sans doute. Un système agentique qui se trompe peut envoyer le mauvais courriel à un client. D’où la nécessité, dans un projet agentique, de concevoir les droits, les validations et les journaux, ce qu’un assistant de rédaction n’a jamais demandé.

Du workflow à l’agent autonome : les degrés d’autonomie

L’autonomie se règle comme un curseur. Le guide d’ingénierie d’Anthropic décrit cinq schémas de workflow, qui laissent chacun un peu plus de latitude au modèle, avant l’agent pleinement autonome. Savoir où se situe votre cas sur ce curseur est la décision la plus utile d’un projet agentique.

Anthropic conseille de ne monter sur ce curseur que si l’on y est obligé : chercher la solution la plus simple possible, ce qui peut vouloir dire ne pas construire de système agentique du tout. Les agents sont réservés aux problèmes ouverts, dont on ne peut pas prévoir le nombre d’étapes, et Anthropic prévient que leur autonomie se paie par des coûts plus élevés et un risque d’erreurs qui s’accumulent. Beaucoup de tâches d’entreprise sont mieux servies par les trois premières lignes du tableau, avec une seule étape agentique là où le jugement compte vraiment.

Pourquoi l’IA agentique décolle maintenant

Trois choses ont changé en même temps : les modèles tiennent des tâches plus longues, les brancher sur les logiciels de l’entreprise est devenu standard et les grands éditeurs fournissent désormais les briques.

Des tâches plus longues. En mars 2025, l’organisme de recherche METR a mesuré la longueur des tâches logicielles, comptée en temps de travail d’un professionnel, que les agents d’IA les plus avancés réussissent une fois sur deux. Il a constaté que cette longueur doublait environ tous les 7 mois depuis six ans. METR précise que ce chiffre reflète ses données au moment de la publication et dépend de choix de méthode : c’est une tendance mesurée, qui peut s’infléchir.

Des connexions partagées. Un agent ne vaut que par les logiciels qu’il atteint. Le Model Context Protocol (MCP), publié en open source par Anthropic en novembre 2024, donne aux modèles une manière commune de se connecter aux outils et aux données. Quand Anthropic l’a confié à l’Agentic AI Foundation, sous l’égide de la Linux Foundation, en décembre 2025, il comptait plus de 10 000 serveurs MCP publics actifs, et citait ChatGPT, Gemini, Microsoft Copilot et Visual Studio Code parmi les produits qui l’avaient adopté.

Des briques chez tous les éditeurs. OpenAI, Google, Microsoft, Anthropic et Mistral AI publient tous des frameworks ou des API pour construire des agents. Notre guide Comment créer un agent IA compare ces voies avec les outils sans code et le développement sur mesure.

Ce que disent les chiffres, effet de mode compris

L’intérêt est réel, le taux d’échec aussi. Lors d’un sondage Gartner de janvier 2025 auprès de 3 412 participants à un webinaire, 19 % déclaraient que leur organisation avait investi de façon importante dans l’IA agentique et 42 % de façon prudente ; 8 % n’avaient rien investi, et 31 % attendaient ou ne savaient pas.

Le même communiqué, publié en juin 2025, prédit que plus de 40 % des projets d’IA agentique seront abandonnés d’ici fin 2027, en raison de coûts croissants, d’une valeur métier floue ou d’une maîtrise des risques insuffisante. Il met en garde contre l’« agent washing », qui consiste à rebaptiser agents des chatbots, des assistants ou des robots logiciels (RPA), et estime que seuls 130 environ des milliers de fournisseurs d’IA agentique en proposent réellement.

Gartner croit pourtant au mouvement. Il prévoit qu’au moins 15 % des décisions de travail quotidiennes seront prises de façon autonome par l’IA agentique d’ici 2028, contre 0 % en 2024, et que 33 % des applications logicielles d’entreprise intégreront de l’IA agentique d’ici 2028, contre moins de 1 % en 2024. Il s’agit dans les deux cas de prévisions.

Ce qu’on en retient : les projets échouent rarement parce que les modèles sont trop faibles. Ils échouent quand personne n’a chiffré le coût de fonctionnement, mesuré la valeur ou prévu le risque, et chacun de ces points peut se régler avant la première ligne de code. C’est là que commence notre méthode.

Les risques qui viennent avec l’autonomie

Plus un système peut agir, plus une erreur coûte cher. L’IA agentique ajoute deux risques qu’un simple outil génératif ne porte pas au même degré.

Le premier est d’en faire trop. Le Top 10 OWASP des applications à base de modèles de langage (2025) l’appelle « Excessive Agency » et l’attribue à trois excès : de fonctions, de droits, d’autonomie. Son exemple parle de lui-même : une extension capable de supprimer des documents, qui les supprime sans aucune confirmation de l’utilisateur. Les remèdes s’énoncent simplement : ne donner à l’agent que les outils nécessaires, les droits les plus étroits qui fonctionnent et une validation humaine sur les actions à fort impact.

Le second est d’être manipulé. L’OWASP place l’injection de prompt en tête du même classement : des instructions cachées dans le contenu que lit le modèle, y compris des sources externes comme un site web ou un fichier. Il ajoute qu’au vu du fonctionnement des modèles, on ne sait pas s’il existe une méthode de prévention infaillible. Pour un agent qui lit les courriels des clients ou les PDF des fournisseurs, l’exposition est quotidienne. La défense est une affaire d’architecture : tenir pour suspect tout ce que l’agent lit, séparer la lecture de l’action et faire dépendre les actions sensibles de contrôles que le modèle ne peut pas contourner par la parole.

OpenAI retient deux déclencheurs pour rendre la main à une personne : quand l’agent dépasse un nombre fixé de tentatives ratées, et avant toute action sensible, irréversible ou à fort enjeu, comme annuler une commande, accorder un remboursement important ou effectuer un paiement.

L’IA agentique face aux règles européennes

Le règlement européen sur l’IA ne crée pas de catégorie à part pour les agents : il encadre les systèmes d’IA selon leur usage. Sa définition du système d’IA, à l’article 3, parle déjà d’un système automatisé « conçu pour fonctionner à différents niveaux d’autonomie », ce qui inclut pleinement les systèmes agentiques.

Trois points concernent la plupart des entreprises :

• La transparence. L’article 50 impose d’informer les personnes qu’elles interagissent avec un système d’IA, sauf si c’est évident. La Commission européenne indique que ces règles s’appliquent depuis août 2026. Un agent au contact des clients doit dire ce qu’il est.
• Les usages à haut risque. Un agent utilisé pour le recrutement, l’évaluation de solvabilité ou l’accès à des services essentiels relève du haut risque, avec des obligations que la Commission fait désormais partir du 2 décembre 2027, dont des « mesures de surveillance humaine appropriées » et l’enregistrement de l’activité.
• Les décisions automatisées. L’article 22 du RGPD donne à chacun le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé, lorsqu’elle produit des effets juridiques ou l’affecte de manière significative.

Ces règles s’ajustent encore : vérifiez les dates au moment de planifier. Notre guide AI Act : ce que doit faire une entreprise les suit. Si vos données ou votre modèle doivent rester en Europe, voyez notre page LLM privé.

Par où commencer avec l’IA agentique

Partez d’une tâche dont le coût se voit, et choisissez le plus faible degré d’autonomie qui fait le travail. Un bon premier projet a un responsable clair, un résultat mesurable et des entrées assez variées pour qu’un script échoue régulièrement.

Concrètement, trois gestes. Choisir un processus et mesurer combien de temps il prend aujourd’hui. Décider quelles étapes demandent du jugement et lesquelles peuvent rester du code fixe. Donner à la partie agentique des droits étroits et une validation humaine sur tout ce qui est sensible, puis élargir son champ au rythme du taux d’erreur mesuré.

Pour voir à quoi ressemble un système bien délimité, essayez notre démonstration d’assistant documentaire : il répond à partir d’un ensemble fixe de documents et cite ses sources. Quand vous êtes prêt à construire, voyez comment on conçoit des agents IA pour l’entreprise et comment on les branche sur vos outils existants avec l’intégration IA. Si votre équipe veut créer ses propres agents, notre formation IA en entreprise part de vos outils et de vos cas, et chaque équipe repart avec un premier agent.

Le plus court chemin vers votre propre premier pas, c’est une conversation sur un processus réel. Réservez votre audit gratuit de 30 minutes et venez avec la tâche qui revient sans cesse : on la place sur le curseur ci-dessus, on vous dit quelles étapes confier à un agent, lesquelles garder en code fixe, et ce que demanderait une première version. On vous répond sous un jour ouvré.