Agent IA : définition, exemples et différences.

Le guide

Qu'est-ce qu'un agent IA ?

Un agent IA est un système qui reçoit un objectif et détermine lui-même les étapes pour l'atteindre. Il s'appuie sur un modèle de langage pour raisonner, et sur des outils pour agir : lire un fichier, interroger une base, faire un calcul, rédiger un document, transmettre un résultat.

Un exemple : on demande à un agent de préparer le reporting mensuel d'une filiale. Il récupère les exports comptables, contrôle que la période est complète, calcule les écarts avec le budget, rédige le commentaire des écarts significatifs et dépose le document là où l'équipe le relit. À chaque étape, il choisit l'action suivante en fonction de ce qu'il a trouvé.

L'agent se distingue par cet enchaînement d'étapes. Un système qui agit, et pas seulement qui répond, doit donc avoir des droits limités et des résultats vérifiés.

Agent, assistant, flux automatisé : les différences

Les trois termes sont souvent confondus. Ils désignent pourtant des outils différents, qui ne répondent pas aux mêmes besoins.

La frontière bouge : les assistants du marché ajoutent des connecteurs et savent enchaîner quelques actions. La distinction reste utile pour décider de la place de chacun dans un processus. Souvent, les trois se combinent : un flux automatisé récupère les documents entrants, un agent produit le livrable, et l'équipe le relit avec l'aide d'un assistant. Le choix se fait étape par étape.

Exemples d'agents IA en entreprise

Les agents les plus utiles produisent un livrable que quelqu'un préparait jusqu'ici à la main, à partir de sources identifiées. Par fonction, par exemple :

• Finance : le reporting mensuel d'une filiale, chaque écart commenté et relié aux écritures qui l'expliquent.
• Achats : la liste des contrats à renégocier dans le trimestre, avec leurs dates de préavis et la clause qui les fixe.
• Relation client : le brouillon de réponse à une réclamation, appuyé sur l'historique du client et les conditions générales, que le conseiller relit avant envoi.
• Opérations : la vérification qu'un dossier entrant contient toutes ses pièces, et la liste de celles qui manquent.
• Direction : la note de préparation d'un comité, à partir des documents de la période.

Leur point commun : le résultat attendu est clair, ses critères de qualité peuvent s'écrire, et une personne le relit avant qu'il ne serve. La page Agents IA présente notre façon de les construire, et la démonstration du reporting commenté en montre un sur données fictives.

Comment créer un agent IA fiable

Rendre un agent fiable sur des cas réels demande une méthode. Pour un agent, la méthode commune à nos projets se décline en six étapes, quel que soit le livrable :

1. Le livrable et ses critères. Avec ceux qui le produisent aujourd'hui : son format, les critères qui font accepter ou refuser un résultat (une pièce oubliée, un chiffre sans source), les cas qui demandent l'avis d'une personne.
2. Les données. Les sources dont l'agent a besoin sont-elles complètes, à jour et cohérentes entre elles ? L'agent n'accède qu'à ces sources.
3. Le prototype. L'agent refait un travail déjà fait à la main par l'équipe, qui compare les deux versions.
4. Les tests. De nombreux cas réels, dont ceux qui ont posé problème par le passé, jusqu'à un rendu conforme aux attentes de l'équipe.
5. La mise en production. L'agent prépare le livrable ; la personne responsable le relit et le valide avant sa diffusion.
6. Le suivi. Les corrections faites à la relecture sont relevées, et la qualité suivie livrable après livrable.

Chaque correction devient une règle de l'agent ou un nouveau cas de test, et l'agent doit réussir tous ses tests avant toute évolution. La page Méthode décrit le tronc commun à tous nos projets.

Les risques, et comment les maîtriser

Un agent agit pour le compte de l'entreprise. Ses risques tiennent moins au modèle qu'à la façon dont il est installé :

• Des accès trop larges. L'agent n'accède qu'aux données dont le livrable a besoin, avec des droits fixés au cadrage, en lien avec la DSI ou le prestataire informatique.
• Des instructions cachées dans les contenus lus. Un agent qui lit des emails ou des documents peut y trouver des instructions écrites pour le détourner. Ses droits doivent rester limités, et toute action sensible validée par une personne.
• Un résultat faux qui passe inaperçu. Chaque chiffre renvoie à sa source, et une relecture humaine est prévue là où une erreur coûte cher.
• Des cas imprévus. Un cas que l'agent ne sait pas traiter remonte à une personne au lieu d'être deviné.
• Une dérive dans le temps. Les tests sont rejoués quand les données, les règles ou le modèle changent.

Selon l'usage, des règles s'appliquent aussi : le RGPD dès que des données personnelles sont traitées, et le règlement européen sur l'IA. Notre guide sur l'AI Act en entreprise présente les obligations de ce règlement.