Tu ne confondras point l’interface qui répond avec l’agent qui agit.
Pendant mes six mois d’immersion en intelligence artificielle, j’ai souvent observé la même confusion. J’avais d’ailleurs cette même interrogation au début de mes ateliers : quelle est la vraie différence entre écrire à une IA dans un « chatbot » qui me répond versus une IA qui est autonome ? Comment passer de l’un à l’autre ? Et où se cache-t-elle, cette maudite IA, si elle n’est pas dans le « chatbot » ?
On pose une question à un chatbot. Il rédige un texte, résume un document ou propose une analyse. Le résultat est parfois spectaculaire. On en conclut alors que l’entreprise est déjà entrée dans l’ère des agents IA.
Pas vraiment, non. Car un chatbot produit une réponse à notre question ; si on ne l’utilise pas, il ne fait rien. Un agent, lui, peut consulter des systèmes, choisir une prochaine étape, utiliser des outils et déclencher une action. L’agent va faire tout ce qu’il peut dans le périmètre que vous lui avez donné.
Et je vous donne le truc qui m’a personnellement débloqué d’un coup : travailler en terminal comme à l’époque où j’étais sysadmin Novell NetWare (HISH !). Bon, j’y reviens plus tard, dans une autre publication.
Une carte de gestion, pas un nouveau dictionnaire
L’industrie utilise les mots assistant, copilote et agent pour désigner toutes sortes de solutions. Parfois, il s’agit d’un système capable d’agir. Parfois, c’est essentiellement un chatbot avec un plus joli bouton (et un coût plus élevé). Actuellement, pratiquement tous les logiciels que vous utilisez ont débuté l’inclusion de l’IA dans leur solution pour être « à la mode », ce qui s’avère une source supplémentaire de confusion, de bruit de fond et, souvent, de stupidité marketing (ma laveuse/sécheuse a une fonction IA !).
Aujourd’hui, en 2026, il n’existe pas encore de classification universelle. Anthropic distingue notamment les workflows, dont les étapes sont prédéfinies, des agents qui choisissent plus dynamiquement leur façon d’atteindre un objectif.
Je vous propose donc une carte pratique destinée aux gestionnaires. Ce n’est pas une chronologie, ni une échelle de l’IA. C’est une représentation des différents niveaux de délégation, d’autorité et d’autonomie.
L’IA générative produit
L’IA générative crée un contenu à partir d’une demande et du contexte qu’on lui fournit : texte, image, code, synthèse ou analyse.
Dans une grande entreprise, elle peut résumer un rapport, préparer une présentation, reformuler une communication ou comparer des documents.
Elle produit. L’humain décide quoi faire du résultat.
C’est l’IA que l’on retrouve pratiquement partout et qui permet à votre tante Bertha de générer des photos de minous psychedéliques sur Facebook. Et oui, c’est aussi ça l’IA.
L’assistant accompagne
L’assistant ajoute du contexte et se rapproche du travail réel de l’utilisateur. Il peut consulter des sources autorisées, tenir compte d’un rôle et préparer une recommandation.
Il peut retrouver une politique interne, préparer une rencontre ou aider un gestionnaire à analyser plusieurs rapports.
L’humain conserve toutefois l’initiative. Il dirige le travail et valide les gestes importants.
C’est l’agent IA fantasmé dans le film Iron Man, une sorte de majordome qui se prend pour votre mère et qui utilise le contexte que vous lui avez accordé, souvent vos courriels et votre agenda, pour se positionner et vous foutre une pression de performance. Personnellement, je n’ai pas encore trouvé de solution convaincante ; c’est plus souvent de la scénarisation que l’on nous présente à nos frais.
L’agent séquentiel suit un corridor
L’agent séquentiel exécute une série d’étapes déterminées à l’avance.
Il peut vérifier si un formulaire est complet, consulter une règle, produire un document, demander une approbation, puis créer une tâche dans un autre système.
Pensons à l’accueil d’un fournisseur, au traitement initial d’une réclamation ou à la préparation d’un dossier de conformité.
Techniquement, plusieurs spécialistes parleraient plutôt d’un workflow agentique. Pour un gestionnaire, l’élément important est que le parcours demeure connu, balisé et vérifiable.
C’est l’agent IA que vous retrouvez sur le site de soutien de toutes les entreprises, qui ne donne jamais les bonnes informations et qui a le culot de refuser de passer l’appel à un humain. Ce n’est pas la forme la plus spectaculaire d’IA. C’est souvent l’une des plus réalistes pour commencer, mais c’est aussi là que vous frapperez votre premier Waterloo. La difficulté de cet agent est que, pendant sa mise en place, on a tendance à réinventer un workflow complet plutôt que de le positionner sur certaines parties d’un processus existant. Lors de sa mise en œuvre, on le pense faussement « plug-and-play », mais il mérite plus d’efforts de votre part pour être à la hauteur de vos attentes !
L’agent réactif observe et s’adapte
L’agent réactif reçoit un objectif limité, observe une situation et choisit une réponse parmi les actions qui lui sont autorisées.
Il peut détecter une anomalie, classifier une demande, rechercher de l’information complémentaire, proposer une intervention ou transférer le dossier au bon groupe.
Dans un centre de services, il pourrait distinguer une demande courante d’un incident critique. Dans une chaîne d’approvisionnement, il pourrait repérer une exception, en évaluer l’impact et déclencher une alerte.
C’est mi-chemin mon agent IA préféré : beau, bon, pas cher. On peut facilement utiliser un modèle IA local pour ses actions, ce qui fait baisser drastiquement son coût d’utilisation et nous sert à conserver le traitement de l’information localement. LOCALEMENT ! Ça ne sort pas de votre entreprise. Bienvenue au traitement des factures, à la GED, aux documents sensibles, etc. Sa souplesse augmente sa valeur potentielle, mais elle augmente également le nombre de comportements qu’il faut tester et surveiller. La qualité de son travail est directement reliée à l’effort investi lors de sa mise en place.
L’agent planificateur décompose un objectif
L’agent planificateur reçoit un objectif plus large, le divise en étapes, choisit ses outils et ajuste son plan selon les résultats obtenus.
On pourrait lui demander d’analyser les causes possibles d’une baisse de performance. Il consulterait plusieurs sources, formulerait des hypothèses, demanderait certaines validations et préparerait un plan d’action.
C’est ici que les démonstrations deviennent particulièrement impressionnantes.
C’est aussi ici que je recommande de garder les deux mains sur le volant (et sur votre porte-monnaie !).
Plus un agent peut décider comment atteindre un objectif, plus il faut définir clairement ce qu’il ne doit pas faire, ce qu’il doit faire approuver et le moment où il doit s’arrêter.
C’est l’agent IA qui fait augmenter mes pulsations cardiaques. J’ai littéralement été sans voix (oui oui, ça m’arrive !) devant les résultats spectaculaires qu’il m’a produits. Une fois bien maîtrisé, c’est l’agent qui va vous rendre fou et vous donner l’impression que vous pouvez tout faire (jusqu’au moment de payer la facture). Personnellement, après quelques semaines d’évolution, je me suis mis en mode « dépendance à l’IA » : je me levais la nuit pour lui donner d’autres instructions, histoire de ne pas arrêter une si belle lancée. Vous allez retomber sur terre le jour où vous réaliserez que vos agents ont migré votre centre de données au Pérou !
Ce qui change lorsque l’IA devient votre partenaire
Le saut important ne se produit pas lorsque l’IA rédige de meilleurs paragraphes. Il se produit lorsqu’elle obtient des outils et de la latitude, lorsqu’elle accède aux mêmes horizons qu’un humain.
Un agent peut lire un dossier client, consulter une procédure, interroger une base de données, créer un billet de service, envoyer un message ou modifier le statut d’une transaction.
Chaque outil lui donne une capacité. Chaque capacité lui accorde une forme d’autorité.
Une erreur dans un texte peut être embarrassante. Une erreur exécutée dans un système peut toucher un client, créer un engagement financier ou interrompre une opération — parfois avant notre premier café.
La question n’est donc plus seulement : « Est-ce que l’agent comprend notre demande ? »
Il faut aussi se demander : « Que peut-il arriver s’il la comprend mal ? »
Les guides récents destinés aux entreprises insistent justement sur les permissions, les mécanismes d’arrêt, les approbations humaines et la traçabilité. Le guide d’OpenAI pour les dirigeants présente ces garde-fous comme une composante essentielle, pas comme une finition à ajouter après le déploiement.
Personnellement, j’ai mis en place une notion de concurrence. En utilisant différents modèles d’IA de diverses entreprises ou organismes, et en donnant des rôles spécifiques à mes agents, je suis parvenu à simuler une forme d’ego par agent, à les rendre compétitifs entre eux. Et j’ai obtenu des résultats d’un niveau exceptionnel. Assez exceptionnels pour leur donner des droits étendus sur mes propres machines, avec mes propres données de production, sans réserve.
Plus autonome ne veut pas dire meilleur
Ces cinq types d’IA ou d’agents IA ne constituent pas un escalier que toutes les organisations doivent gravir.
Pour une tâche stable et réglementée, un workflow séquentiel sera souvent plus prévisible, plus économique et plus facile à auditer qu’un agent planificateur.
L’autonomie possède une excellente valeur marketing. Sur le terrain, la prévisibilité possède souvent une plus grande valeur opérationnelle.
La bonne règle consiste à choisir l’architecture la plus simple capable de produire le résultat recherché avec le niveau de contrôle nécessaire.
Le vrai niveau : des équipes d’agents
La direction qui me semble la plus plausible n’est pas celle d’un agent universel qui ferait tout. Je vois plutôt apparaître des ensembles d’agents spécialisés.
Un agent pourrait interpréter la demande. Un autre consulterait les données. Un troisième vérifierait les règles internes. Un quatrième préparerait l’action. Un orchestrateur coordonnerait le travail et appliquerait les contrôles. C’est sur cette logique que j’ai introduit de la concurrence entre agents lors de mes travaux.
Cette direction est déjà visible dans les architectures documentées par Microsoft. Des mécanismes comme le protocole Agent2Agent présenté par Google cherchent également à faciliter la communication entre agents spécialisés.
Cela ne signifie pas que toutes les entreprises doivent prendre cette direction.
Chaque agent supplémentaire ajoute des passages de relais, des droits d’accès, des coûts et des possibilités d’erreur. Une équipe d’agents mal gouvernée ne devient pas magiquement une organisation intelligente : elle peut simplement produire du désordre beaucoup plus rapidement. Mais l’inverse est aussi vrai. Et lorsque l’on dispose d’un groupe d’agents qui travaillent à l’atteinte de nos objectifs, on se met en situation de succès.
Cinq questions à poser avant d’acheter un « agent »
Avant d’approuver une solution, demandez à vos équipes et à vos fournisseurs :
- Pourquoi avons-nous besoin d’un agent plutôt que d’une règle, d’une automatisation traditionnelle ou d’un assistant plus simple ?
- Le système peut-il seulement lire et recommander, ou peut-il aussi écrire, envoyer, modifier et engager l’entreprise ? Quels droits suis-je prêt à donner à des agents ?
- Suit-il un parcours prédéfini ou choisit-il lui-même ses prochaines étapes ?
- Quelles actions exigent une approbation humaine, et pouvons-nous les arrêter ou les renverser ?
- Comment mesurerons-nous ses résultats, retracerons-nous ses actions et identifierons-nous le dirigeant qui en demeure imputable ?
Un gestionnaire n’a pas besoin de maîtriser tous les frameworks techniques. Il doit toutefois refuser les étiquettes vagues et poser ses questions avec des verbes concrets : lire, recommander, décider, envoyer, modifier et exécuter.
Le chatbot nous a habitués à une IA qui parle.
Les agents nous obligeront à apprendre à gouverner une IA qui agit.
Dans votre organisation, évaluez-vous encore la qualité des réponses de l’IA ou avez-vous commencé à définir l’autorité que vous êtes prêts à lui accorder ?
Discussion des membres