Un agent IA est un logiciel qui prend une suite de décisions et d'actions pour atteindre un objectif. Dans un agent fondé sur un grand modèle de langage, le modèle aide à interpréter la demande et à choisir la prochaine étape. Des outils permettent ensuite de lire des informations hors de la conversation ou, si les permissions l'autorisent, de modifier un système externe. Après chaque action, l'agent examine le résultat et décide de poursuivre, de réessayer ou de demander l'aide d'une personne. L'analyse de Lilian Weng décrit la planification, la mémoire et l'utilisation d'outils comme des composants fréquents. Les définitions de l'AWS Agentic AI Lens mettent aussi l'accent sur le contexte, les actions en plusieurs étapes et l'adaptation à un objectif défini.
Un exemple concret
Imaginez que vous demandiez de trouver un créneau de réunion de 30 minutes la semaine prochaine. Une interface de discussion peut expliquer comment comparer les agendas. Un agent autorisé à consulter les calendriers peut lire les disponibilités, proposer deux créneaux, vérifier les conflits et préparer une invitation. L'envoi de cette invitation doit néanmoins respecter le niveau d'approbation requis dans votre organisation. Ce qui compte n'est pas l'apparence de la fenêtre de discussion, mais les outils accessibles, les permissions et les actions possibles.
Les étapes du travail
- Comprendre l'objectif et le contexte : recevoir la demande, les contraintes et les informations consultables.
- Choisir la prochaine étape : découper la tâche, chercher une donnée manquante ou demander une précision.
- Utiliser un outil : selon les droits, effectuer une recherche, lire un fichier, appeler une API ou préparer une modification.
- Vérifier le résultat : le comparer à l'objectif, corriger une erreur ou s'arrêter lorsqu'une décision humaine est nécessaire.
Cette boucle aide à comprendre le principe, mais ne garantit pas que chaque produit appelé « agent » planifie ou se corrige de manière fiable. Certains emploient un modèle à une seule étape d'un processus fixe ; d'autres lui laissent choisir plusieurs fois entre des outils. Le nom ne renseigne pas, à lui seul, sur l'autonomie réelle du produit.
Agent, chatbot ou automatisation classique ?
Le mot « chatbot » décrit d'abord une interface de conversation. Un chatbot peut aussi appeler des outils : les deux notions ne s'excluent donc pas. Une automatisation classique suit des règles définies à l'avance, comme l'envoi d'un rapport chaque lundi. Un agent devient utile lorsque l'objectif est clair mais que le chemin change selon les informations découvertes. Pour une tâche répétitive aux règles stables, un processus fixe est souvent plus simple à tester et à maintenir.
Avant d'adopter un produit, demandez ce qu'il peut lire, ce qu'il peut modifier, comment il reconnaît la fin de la tâche et à quel moment une personne peut l'arrêter. Proposer des créneaux ne présente pas les mêmes risques qu'envoyer des invitations ou modifier une réservation.
Usages adaptés et erreurs possibles
Les agents conviennent aux travaux limités et composés de plusieurs étapes : réunir des informations issues de sources autorisées, produire un brouillon avec ses références, vérifier des dossiers ou coordonner un processus courant. Donnez un critère de fin observable, par exemple « fournir un brouillon avec ses liens » ou « signaler les conflits sans envoyer d'invitation ».
Ils peuvent pourtant mal comprendre une consigne, faire confiance à une mauvaise source, choisir le mauvais outil ou répéter une étape inutile. Une explication convaincante ne prouve pas que l'action a réussi. Pour une opération importante, vérifiez le résultat réel et, si nécessaire, les journaux des outils ; gardez une validation humaine avant une action irréversible. Commencez avec un accès en lecture seule et des tâches représentatives, puis élargissez les droits après avoir compris les échecs possibles.
Questions à poser avant de choisir
- L'objectif est-il précis et le résultat vérifiable ?
- Faut-il décider à plusieurs étapes, ou un processus fixe suffit-il ?
- Quels outils et quelles données sont nécessaires ? Quelles actions exigent une approbation ?
- Que se passe-t-il si un outil échoue, si les données divergent ou si le système hésite ?
- Peut-on consulter les sources et le résultat avant de s'y fier ?
La vraie mesure n'est pas l'étiquette « agent », mais la tâche concrète que le système accomplit de façon fiable avec les droits accordés. Testez ce comportement sur un travail délimité qui vous appartient.