« On va te déployer un agent IA. » En 2026, la phrase est partout : dans les propositions commerciales, sur les pages produit, dans les fils LinkedIn. Le mot fait moderne, il fait autonome, il fait 2026. Il recouvre aussi, très souvent, un simple chatbot à qui on a mis une cravate. Regardons ce qu’il désigne vraiment.
L’essentiel : un agent IA, c’est quoi ?
Un agent IA, c’est un modèle de langage à qui on a donné deux choses : des outils pour agir (chercher sur le web, lire un fichier, appeler une API, envoyer un mail) et le droit de décider lui-même de l’ordre des étapes pour atteindre un but que tu lui as fixé.
La formule que je garde est courte : il décide, il agit, il observe le résultat, il recommence. Jusqu’à ce que la tâche soit finie. Ce n’est pas un modèle qui répond puis s’arrête ; c’est un modèle qui boucle.
Tout le reste (le vocabulaire, les schémas, les patterns) découle de ces deux ingrédients : des outils, et une marge de décision. Retire la marge de décision, et tu n’as plus un agent. Tu as un logiciel classique qui appelle une IA à un endroit précis.
Chatbot, assistant, agent : qui fait quoi
Les trois mots circulent comme des synonymes. Ils ne le sont pas. Et la différence tient à une seule question : qui décide de passer à l’action.
| Chatbot | Assistant | Agent | |
|---|---|---|---|
| Ce qu’il fait | Il répond à tes questions | Il suggère une action | Il exécute des actions |
| Son autonomie | Nulle : il attend une question | Faible : il agit sur ton feu vert | Élevée : il enchaîne les étapes sans repasser par toi |
| Ce sur quoi il s’appuie | Une base de connaissances, souvent via du RAG | Le contexte de ta demande | Des outils + une boucle de décision |
| Il agit sans toi ? | Non | Non, il attend que tu valides | Oui, c’est tout l’intérêt, et tout le risque |
Un chatbot te parle. Un assistant te propose et attend ton accord. Un agent, lui, exécute sans te redemander à chaque étape. C’est cette dernière ligne qui change tout. C’est aussi celle qu’on te vend le plus vite.
Comment ça marche : la boucle qui tourne
Prends un but simple : « trouve les trois offres les moins chères et range-les dans un tableau ». Un modèle seul te répondrait de mémoire, avec le risque d’inventer des prix. Un agent procède autrement.
Il raisonne (« il me faut des prix à jour »), il agit (il lance une recherche), il observe ce qui revient (trois pages de tarifs), il décide de la suite (« il m’en manque un, je relance »). Et il boucle jusqu’à tenir sa réponse. Cette mécanique a un nom technique, le tool use (l’usage d’outils), et elle est cadrée par les instructions qu’on lui donne au départ, qui fixent ce qu’il a le droit de faire. Quand cet usage passe par un format commun plutôt que par du sur-mesure, il porte un nom : le MCP.
Un exemple grand public de ce tool use : Publora, un outil de publication sur les réseaux qu’on pilote en langage normal depuis une IA : elle écrit et programme le post à ta place (notre test).
Ces comportements ont été rangés en quatre familles, une grille popularisée par Andrew Ng : la réflexion (l’agent relit et corrige son propre travail), l’usage d’outils, la planification (découper un but en étapes) et la collaboration entre plusieurs agents. Tu n’as pas à les retenir. Retiens seulement ceci : « agent » ne désigne pas une technologie unique, mais une façon de faire tourner un modèle en boucle.
Le vrai critère : l’autonomie de décision
Là, je te donne la distinction que je trouve la plus nette du secteur. Elle vient d’Anthropic, dans son guide d’ingénierie « Building Effective Agents » (décembre 2024), et elle sépare deux choses qu’on mélange sans arrêt.
D’un côté, le workflow : un enchaînement où le modèle et les outils suivent un chemin écrit à l’avance par un développeur. De l’autre, l’agent : un système où c’est le modèle lui-même qui dirige ses étapes et choisit ses outils. La ligne de partage, selon Anthropic, n’est pas la sophistication du produit. C’est le degré d’autonomie qu’on laisse au modèle.
La conséquence est très concrète. Beaucoup de produits estampillés « agent » sont, à la lecture, des workflows : des étapes fixes, un modèle appelé à deux ou trois endroits, aucune vraie latitude de décision. Ça fonctionne souvent très bien. Ça n’en fait pas des agents pour autant.
Pour un cas concret, un produit se réclame déjà de cette catégorie : AirJelly, un agent de bureau qui observe ton écran pour en tirer tâches et rappels sans que tu demandes rien (notre fiche).
La nuance que les démos oublient
La démonstration est toujours spectaculaire : tu donnes un but flou, l’agent part, fouille, agit, revient avec le travail fait. Impressionnant. Reste à savoir ce que ça donne en dehors du terrain choisi par le vendeur.
Deux réserves, et je pèse mes mots. La première tient à ce qu’on observe sur le terrain : la plupart des « agents » déployés en entreprise s’arrêtent avant les actions qui engagent (envoyer, payer, supprimer) pour te demander de valider. C’est prudent, c’est sain, mais ce n’est pas l’autonomie totale que le mot laisse entendre. Un agent surveillé, pas un agent lâché.
La seconde vient de la source la moins suspecte qui soit, puisque c’est un fabricant d’agents. Anthropic recommande de commencer simple et de n’ajouter de l’autonomie que lorsque le gain de souplesse dépasse vraiment ses coûts : lenteur, dépense, erreurs qui s’accumulent d’une étape à l’autre. Autrement dit, la plupart des besoins réels ne réclament pas un agent, mais un workflow bien fichu. Quand le vendeur d’une option te conseille d’en mettre moins, ça mérite d’être noté.
Les risques propres aux agents
Un chatbot qui se trompe te sort une phrase fausse. Tu la lis, tu hausses les épaules, tu passes à autre chose. Un agent qui se trompe, lui, agit sur son erreur.
C’est là que le risque change de nature. Si le modèle produit une hallucination (une information inventée mais crédible) et qu’il a le droit d’agir, il peut envoyer le mauvais message, modifier la mauvaise ligne, déclencher la mauvaise commande. L’erreur ne reste plus sur l’écran. Elle sort dans le monde.
Effet plus sournois : dans une boucle, les erreurs se composent. Une étape un peu fausse en nourrit une autre, qui dérive un peu plus. C’est exactement pour ça qu’Anthropic conseille de garder des outils « serrés » et un humain sur les actions irréversibles. Avant de confier une action à un agent, le bon réflexe tient en une question : si elle part de travers, est-ce que je peux la rattraper ? Corollaire : ne compte pas sur l’agent pour te raconter ce qu’il a fait. Le récit qu’un modèle produit après coup est une reconstitution plausible ; ce qui fait foi, c’est la trace écrite au moment de l’action.
Les questions qui reviennent
Un agent IA, c’est différent d’une automatisation classique ?
Oui. Une automatisation suit des règles écrites d’avance : si ceci, alors cela, c’est le principe d’un outil comme n8n. Elle ne décide rien. Un agent, lui, choisit ses étapes selon ce qu’il observe. L’automatisation est un rail ; l’agent choisit sa route. Une bonne partie de ce qu’on appelle « agent » n’est, en réalité, qu’une automatisation avec un modèle greffé dessus.
Un agent, c’est la même chose qu’un RAG ?
Non, et les deux se combinent souvent. Le RAG sert à fournir au modèle les bons documents pour qu’il réponde juste : c’est une capacité. L’agent, c’est ce qui décide d’aller chercher ces documents, puis d’en faire quelque chose. Un agent peut utiliser du RAG comme l’un de ses outils.
Faut-il un agent pour mon projet ?
Le plus souvent, non : commence par le plus simple qui marche. Si des étapes fixes suffisent, garde un workflow : c’est plus rapide, moins cher, plus facile à corriger quand ça casse. Réserve l’agent aux tâches dont tu ne peux pas prévoir le chemin à l’avance. C’est le conseil d’Anthropic. C’est aussi le mien. Et si la réponse est quand même oui, la question suivante n’est plus « est-ce un vrai agent » mais qu’exiger avant de le lâcher : sept points, tous documentés.
À retenir
- Un agent IA, c’est un modèle de langage doté d’outils et du droit de décider seul de ses étapes : il décide, agit, observe, recommence.
- Le critère qui tranche n’est pas la sophistication mais l’autonomie : un chatbot parle, un assistant suggère et tu valides, un agent agit seul.
- Beaucoup de produits vendus comme « agents » sont des workflows à étapes fixes. Ce n’est ni un défaut ni un mensonge, tant qu’on ne paie pas le mot.
- Le risque propre à l’agent, c’est qu’il agit sur ses erreurs. Garde un humain sur ce qu’on ne peut pas rattraper.