L’IA agentique en entreprise

Après l’IA générative et les agents conversationnels, une nouvelle génération de systèmes d’IA apparaît : l’IA agentique.

Elle commence à être répandue dans de nombreux secteurs. « L’ère de l’IA agentique est déjà arrivée. Des agents sont déployés à grande échelle dans l’économie pour effectuer toutes sortes de tâches » a déclaré Sinan Aral, professeur de gestion, d’informatique et de marketing au MIT Sloan. Pour Aiman Ezzat, directeur général de Capgemini, l’IA agentique ne relève pas d’un simple déploiement technologique mais d’une « révolution d’entreprise » : « Plus que jamais, nos clients ont besoin de partenaires de transformation capables de concrétiser leurs ambitions en matière d’IA et d’obtenir un impact tangible sur leurs activités ».

Flash back

L’automatisation a joué un rôle crucial dans l’évolution de tous les domaines d’activité. Elle a eu des effets sur l’économie, l’emploi, les services publics, l’environnement, l’information, le secteur culturel, etc. Elle a souvent constitué la première étape de la transformation numérique d’un milieu.

Après l’automatisation, nous avons assisté à l’émergence de l’intelligence artificielle générative et des agents conversationnels ou dialogueurs (chatbots ). L’intelligence artificielle générative permet de créer de nouveaux contenus sous la forme de texte, d’image, de son, de vidéo ou de code. Cette capacité de production constitue un tournant majeur de l’IA qui s’appuie sur les techniques d’apprentissage automatique. Quant aux agents conversationnels, il s’agit de programmes informatiques capables de communiquer avec des humains par le biais de texte ou de la voix. L’utilisation la plus courante des agents conversationnels est le service à la clientèle, mais ces assistants virtuels alimentés par l’IA sont également utilisés à des fins de vente et de marketing. Ils peuvent également être utiles comme assistants de direction, assistants personnels, etc.

L’évolution technologique d’aujourd’hui, celle de l’IA agentique, ouvre des perspectives considérables aux entreprises, mais elle soulève également des défis majeurs.

Le concept d’IA agentique

L’IA agentique désigne les systèmes d’IA capables non seulement de répondre à des questions, mais aussi de planifier, de prendre des initiatives et d’exécuter des actions. Elle représente une avancée fonctionnelle dans l’évolution de l’intelligence artificielle. Les principaux progrès qu’elle apporte résident dans l’autonomie, la proactivité, la spécialisation, l’adaptabilité, et l’intuition. Contrairement à l’IA générative qui se limite à produire du contenu, l’IA agentique, agit de manière indépendante à la poursuite de buts prédéterminés.

Elle repose sur des agents IA, c’est-à-dire des systèmes logiciels autonomes qui utilisent l’intelligence artificielle pour accomplir des tâches visant des objectifs fixés par l’utilisateur. Ces agents IA établissent les bases d’une nouvelle collaboration homme-machine.

Le cabinet de conseil stratégique Gartner augure une croissance exponentielle de l’IA agentique. Dans une étude intitulée « Gartner Identifies Six Steps to Manage AI Agent Sprawl » (avril 2026), la société d’études de marché et de technologies prévoit d’ici 2028 une accélération du déploiement des agents IA par les grandes entreprises. De son côté, IDC, analyste de l’économie de l’IA, table sur plus d’un milliard d’agents IA déployés activement d’ici 2029, exécutant environ 217 milliards d’actions par jour et prédit que l’IA agentique représentera plus de 26 % des dépenses informatiques mondiales, soit 1,3 billion de dollars, cette même année. « C’est un tsunami d’agents IA qui se profile et qui n’est pas voué à ralentir », résume Damien Gbiorczyk, responsable des ventes chez Illumio.

Les apports de l’IA agentique

L’IA agentique peut assumer des processus complexes afin d’améliorer la productivité. En pratique, le temps que les collaborateurs ne consacrent plus aux tâches répétitives profite aux activités à plus forte valeur ajoutée, comme la relation client, l’innovation ou la stratégie.

Par ailleurs, une autre idée émerge selon laquelle l’IA agentique est « l’avenir de la gestion des données ». Car les méthodes traditionnelles sont de plus en plus insuffisantes eu égard à la croissance en flèche du volume à traiter. Les entreprises sont confrontées à des sources de données gigantesques (Big Data, mégadonnées). En outre, cette masse d’enregistrements comporte des éléments non structurés qui compliquent l’analyse globale. L’exploration approfondie des données grâce à l’IA agentique accélère le processus et donc les prises de décision.

Enfin, l’IA agentique facilite également la personnalisation des services à grande échelle (campagnes marketing ciblées, assistance sur mesure, etc.). Elle contribue à réduire les coûts opérationnels en limitant les interventions manuelles et donc les erreurs . Elle améliore également l’expérience client en offrant des interactions plus rapides, cohérentes et adaptées aux besoins individuels.

Les entreprises intègrent des agents IA

Dans le secteur bancaire et financier, les établissements explorent l’utilisation d’agents IA pour détecter les fraudes, fournir des conseils financiers personnalisés, automatiser des processus d’approbation de prêts ainsi que les procédures juridiques et de conformité. Ainsi, avec son entité dédiée, SocGen AI, la Société Générale voit l’IA agentique comme la prochaine étape majeure au-delà de l’IA générative. Autre exemple : après avoir lancé fin 2025 TPRM AI, une plateforme d’IA agentique dédiée à la gestion des risques tiers, la Deutsche Bank poursuit ses développements. Ils concernent maintenant le crédit, notamment pour extraire et structurer les données ou préparer des analyses directement exploitables pour la décision. L’intention est de monter en efficacité.

Dans le secteur du commerce, les agents IA analysent les données de vente et celles des clients afin d’accomplir des tâches avec peu ou pas d’intervention humaine. Ces agents remplissent une multitude de fonctions : qualification des prospects, préparation des propositions commerciales personnalisées, réponses aux interrogations, renforcement des relations, négociation des contrats, …

Quant aux ressources humaines, les agents IA présélectionnent des candidatures, organisent des entretiens, optimisent la gestion des RH.

L’IA agentique ouvre donc une ère différente pour les entreprises. Après les outils capables de répondre, arrivent désormais des systèmes agissants. L’essor des agents IA ne signe toutefois pas la fin de l’emploi humain. Les agents restent d’abord des outils qui exécutent des tâches à faible valeur ajoutée et libèrent du temps aux utilisateurs. Ce qui permet aux équipes de se concentrer sur les situations complexes, les contacts, le pilotage et la prise de décision. Les organisations qui arrivent à identifier les bons cas d’usage, à former leurs collaborateurs et à intégrer progressivement les agents IA développent une évolution avantageuse face à leur concurrence. 

Contrairement aux logiciels antérieurs, les agents IA fonctionnent de manière autonome. Cependant, cette autonomie accordée aux ordinateurs s’accompagne de points à élucider.

Les risques liés à l’IA agentique

Les risques associés à l’IA agentique dépassent les vulnérabilités propres aux modèles d’IA générative.

Une question majeure est celle de la responsabilité et de l’imputabilité. À qui incombe la responsabilité lorsqu’un agent IA cause un préjudice, prend une mauvaise décision ou viole la loi ? L’attribution de la responsabilité en cas de dysfonctionnements ou d’abus reste floue. Les entreprises doivent clairement la définir en cas de nuisance due à l’action d’une IA. Une répartition transparente des responsabilités renforce la confiance des utilisateurs et garantit que les entreprises restent redevables des conséquences de l’emploi de leurs systèmes.

En raison de sa capacité à agir de manière autonome, l’IA agentique modifie la nature des risques liés à la protection des données. Elle génère de nouveaux enjeux en matière de confidentialité, de sécurité et de gouvernance des traitements. L’IA agentique arrive, par exemple, à collecter, regrouper, transmettre ou à modifier des données à grande échelle. Elle peut aussi accéder à des informations sensibles provenant de plusieurs systèmes, ou encore prendre des décisions fondées sur des données personnelles sans contrôle humain immédiat.

Si l’IA agentique offre des avantages pour lutter contre la cybercriminalité, elle introduit également des risques, car elle est capable d’opérations complexes avec ou sans intervention humaine. En d’autres termes, plus autonome, plus interconnectée, plus rapide, elle redéfinit en profondeur l’espace de vulnérabilité des entreprises. Selon une étude de Gartner, 74 % des responsables d’applications informatiques pensent que les agents IA représentent une menace.

En somme, comme d’autres technologies avancées, l’IA agentique amplifie des problèmes déjà connus (biais, conformité, sécurité) et en introduit encore (injection de prompt, perte de contrôle, opacité opérationnelle), notamment : 

– Décisions biaisées : les IA agentiques apprennent à partir de données humaines, souvent imparfaites (biais algorithmiques, hallucinations, …) ;
– Problèmes de conformité réglementaire (RGPD, CSRD, IA Act) ;
– Fuites de données ((shadow IA) : envoi de données sensibles à l’extérieur de l’entreprise ;
– Mauvaise intégration au processus métier ;
– Injection de prompt qui consiste à injecter des instructions malveillantes dans les données traitées par l’agent, pour modifier son comportement ou extraire des informations protégées ;
– Perte de transparence et d’explicabilité.

Alors, pour réussir la révolution en cours de l’intelligence artificielle, il faut combiner au mieux autonomie des agents, supervision humaine et conformité réglementaire. Comme le souligne Bpifrance, l’IA agentique, aussi performante soit-elle, présente des limites et des risques. « L’équilibre entre autonomie, supervision et responsabilité humaine demeure indispensable pour garantir la fiabilité et l’éthique des décisions prises ». Penser que l’intelligence artificielle peut s’affranchir de l’expérience humaine est une erreur stratégique coûteuse. Une affaire récente, celle du géant automobile Ford, l’illustre parfaitement.

Le constructeur automobile a dû réembaucher environ 350 ingénieurs expérimentés après avoir constaté l’échec de sa stratégie visant à remplacer une partie de l’expertise humaine par l’intelligence artificielle. Cette dernière, censée améliorer la qualité et réduire les coûts, a au contraire provoqué une hausse inquiétante des défauts de fabrication, des rappels massifs (jusqu’à 1 milliard de dollars en 2026) et une chute brutale du constructeur dans le classement de qualité JD Power. Face à ce résultat désastreux, l’entreprise explique qu’elle a trop misé sur l’IA pour assurer la qualité des véhicules et surestimé ce que l’IA pouvait accomplir seule.

L’aventure Ford démontre que les outils de l’intelligence artificielle ont besoin des connaissances accumulées par du personnel expérimenté pour être efficaces. La bonne approche consiste donc à associer expertise humaine et intelligence artificielle plutôt qu’à opposer les deux.

Nadia Antonin
Membre de l’Académie des sciences commerciales