Qu'est-ce qu'un agent IA ?
Un agent IA reçoit un objectif plutôt qu'une question, et s'appuie sur un modèle de langage pour décider comment l'atteindre : quelle information chercher, quel outil appeler, quand demander l'avis d'un humain, quand s'arrêter.
Dans son guide « Building effective agents », publié le 19 décembre 2024, Anthropic distingue les workflows, où modèles et outils sont orchestrés par un chemin de code prédéfini, et les agents, où le modèle dirige dynamiquement son propre processus et l'usage de ses outils. Le même guide résume qu'un agent est le plus souvent un modèle de langage qui utilise des outils en fonction des retours de son environnement, dans une boucle.
Comment un agent IA agit-il dans vos logiciels ?
Un agent fonctionne en boucle : le modèle propose une action, l'application l'exécute, le résultat revient au modèle, qui choisit la suite.
- Objectif : « Prépare les réponses aux demandes de devis arrivées depuis ce matin. »
- Demande d'outil : le modèle demande par exemple de lire un mail ou de chercher le client dans le CRM. Il n'exécute pas l'outil lui-même : la documentation d'Anthropic décrit une demande structurée, exécutée par l'application (ou par Anthropic pour certains outils comme la recherche web), qui renvoie ensuite le résultat au modèle.
- Observation : la fiche client, l'historique des commandes ou l'état du stock reviennent dans le contexte du modèle.
- Décision : nouvel outil, question posée à un salarié, ou fin de la tâche avec un compte rendu de ce qui a été fait.
Pour brancher des assistants sur les outils existants, Anthropic a publié le 25 novembre 2024 le Model Context Protocol (MCP), présenté comme un standard ouvert pour connecter les assistants IA aux systèmes où se trouvent les données : dépôts de contenus, outils métier, environnements de développement.
Chatbot, workflow automatisé, agent : quelles différences ?
La différence tient à qui décide du chemin : personne pour un chatbot, le développeur pour un workflow, le modèle pour un agent.
| Chatbot | Workflow avec IA | Agent IA | |
|---|---|---|---|
| Ce qu'il reçoit | Une question | Un événement : mail reçu, formulaire, fichier déposé | Un objectif |
| Qui fixe les étapes | Aucune étape, il répond | Le développeur, à l'avance | Le modèle, à chaque tour |
| Actions dans les logiciels | Aucune ou très limitées | Celles prévues dans le scénario | Celles des outils qu'on lui ouvre |
| Exemple | Répondre sur les horaires et les tarifs publics | Lire chaque facture fournisseur et la pré-saisir | Instruire une réclamation client de bout en bout |
| Prévisibilité | Élevée | Élevée | Plus faible |
Un projet présenté comme un agent est parfois, en réalité, un workflow, ce qui est plutôt une bonne nouvelle : ils se construisent avec des outils d'automatisation comparés dans n8n, Make ou Zapier, ou directement dans le code du logiciel.
Exemples d'agents IA en entreprise
- Service client : l'agent lit la demande, retrouve la commande, interroge le suivi du transporteur et propose une réponse ou un geste commercial, qu'un conseiller valide. Anthropic cite le support client parmi les usages adaptés aux agents : l'échange suit une conversation, il exige des informations et des actions externes, et sa réussite se mesure clairement.
- Comptabilité fournisseurs : l'agent rapproche la facture reçue du bon de commande et du bon de livraison, puis ne remonte à un humain que les écarts de prix ou de quantité.
- Préparation de devis : à partir d'une demande rédigée librement, il retrouve les articles, les conditions du client et les délais, et dépose un brouillon dans le logiciel de gestion.
- Programmation : Anthropic cite aussi les agents de code, dont le résultat se vérifie par des tests automatisés.
Ces cas ont un point commun : un résultat vérifiable et des actions que l'on peut annuler. YMHB Web conçoit ses agents IA sur mesure en commençant par cartographier le processus réel, comme pour tout logiciel métier.
Quand un agent IA n'est-il pas la bonne réponse ?
Un agent n'est pas la bonne réponse quand les étapes sont connues d'avance : un workflow fixe fait alors le même travail, plus vite et de façon plus prévisible.
Anthropic le recommande explicitement : chercher la solution la plus simple possible et n'ajouter de la complexité que lorsqu'elle est nécessaire. Le même guide prévient que l'autonomie des agents entraîne des coûts plus élevés et un risque d'erreurs qui se cumulent, et conseille des tests poussés en environnement isolé, avec des garde-fous adaptés. En pratique :
- n'ouvrir à l'agent que les droits indispensables, en lecture seule tant que possible ;
- exiger une validation humaine avant tout envoi à un client, paiement ou suppression ;
- journaliser chaque action pour pouvoir expliquer une décision ;
- traiter le contenu des mails et des pages lus par l'agent comme des données, jamais comme des ordres.
Le cadre réglementaire européen applicable aux systèmes d'IA est détaillé dans le guide AI Act : ce que les PME doivent faire.
Termes voisins
- LLM : le modèle de langage qui analyse la situation et choisit l'action suivante.
- RAG : la recherche dans vos documents, souvent l'un des outils mis à disposition de l'agent.
- Hallucination : une erreur du modèle qui, dans un agent, peut se propager aux étapes suivantes.
- Workflow : un enchaînement d'étapes fixé à l'avance, qui peut faire appel à un modèle de langage à certaines étapes.
Questions fréquentes
- Quelle différence entre un agent IA et un chatbot ?
- Un chatbot répond à des questions dans une conversation, alors qu'un agent IA poursuit un objectif en agissant dans des logiciels. L'agent choisit lui-même les outils à appeler, comme une recherche dans le CRM ou l'envoi d'un brouillon, observe le résultat et décide de l'étape suivante. Un chatbot peut devenir un agent dès qu'on lui donne des outils et la liberté de les enchaîner.
- Un agent IA peut-il agir sans validation humaine ?
- Techniquement, un agent IA peut agir sans validation humaine, mais ce n'est raisonnable que pour des actions sans conséquence ou faciles à annuler. Pour un envoi à un client, un paiement, une suppression ou une décision qui engage l'entreprise, il est prudent d'imposer une validation humaine. Anthropic recommande de prévoir des points de contrôle où l'agent s'arrête pour recueillir l'avis d'un humain.
- Qu'est-ce que le MCP (Model Context Protocol) ?
- Le Model Context Protocol, ou MCP, est un standard ouvert publié par Anthropic le 25 novembre 2024 pour connecter les assistants IA aux systèmes où se trouvent les données : dépôts de documents, outils métier, environnements de développement. Un connecteur MCP décrit une fois les actions possibles sur un outil, que différents assistants compatibles peuvent ensuite utiliser sans intégration spécifique à chacun.
- Faut-il un agent IA pour automatiser un processus ?
- Non, la plupart des processus s'automatisent sans agent IA. Quand les étapes sont connues d'avance, un workflow au chemin fixe, avec éventuellement un modèle de langage pour lire ou classer un document, est plus prévisible et moins coûteux. Un agent IA se justifie quand le nombre et l'ordre des étapes ne peuvent pas être prévus, par exemple pour instruire des demandes très variées.