IA agentique, agent IA, agentic AI : les produits qui se disent « agentiques » se multiplient. Cet article donne une définition précise, explique le fonctionnement, compare l’IA agentique au chatbot et à l’automatisation, présente des exemples tirés des documentations officielles, puis détaille les risques et ce que prévoit l’AI Act. Pour une première découverte de la notion d’agent et une sélection de cours en ligne pour débuter, consultez aussi notre guide complet sur l’agent IA.
IA agentique : définition simple
Selon la définition publiée par la CNIL, l’IA agentique désigne couramment un ensemble de systèmes qui reposent sur la coordination de plusieurs agents IA. Ces agents sont souvent construits autour d’un modèle d’IA générative capable d’agir sur un environnement défini (applications tierces, bases de données, postes de travail) et d’en modifier l’état : lire, modifier ou supprimer des données, exécuter des actions, avec des niveaux variables d’autonomie. La note publiée le 20 juillet 2026 par la CNIL et le Conseil de l’IA et du numérique ajoute que ces programmes peuvent prendre des décisions de manière autonome, orchestrer des actions complexes et interagir avec des services tiers, avec ou sans validation humaine.
Retenez trois ingrédients : un objectif, des outils pour agir et une boucle de décision où le système choisit lui-même l’étape suivante.
Agent IA ou IA agentique : quelle nuance ?
L’agent IA est l’unité de base : un modèle, des instructions et des outils. L’IA agentique désigne la famille de systèmes construits avec ces agents, souvent coordonnés entre eux. La notion d’agent est ancienne (robots aspirateurs, personnages de jeux vidéo), mais ces agents à règles s’adaptaient peu. Ce qui caractérise l’IA agentique actuelle, selon le laboratoire d’innovation de la CNIL (LINC, 2 septembre 2026), c’est l’autonomie dans l’action, et non le seul accès à l’information.
Comment fonctionne une IA agentique ?
Dans son guide « Building effective agents » (19 décembre 2024), Anthropic décrit la brique de base comme un modèle de langage « augmenté » par la recherche d’informations, des outils et une mémoire. Un système agentique assemble six éléments :
| Élément | Rôle | Exemple |
|---|---|---|
| Modèle | Analyse la situation, planifie, choisit l’action suivante | Un grand modèle de langage |
| Instructions | Fixent le rôle, les règles, les limites et le format attendu | « Ne jamais envoyer d’e-mail sans validation » |
| Outils | Permettent d’agir : fonctions, API, navigateur, terminal, base de données | Lire un agenda, interroger un CRM, exécuter du code |
| Mémoire | Conserve le contexte de la tâche, parfois d’une session à l’autre | Historique des étapes déjà faites |
| Boucle | Enchaîne observer, décider, agir, vérifier, jusqu’à l’objectif | Relancer une recherche si une donnée manque |
| Garde-fous | Limitent les droits, imposent des validations et des conditions d’arrêt | Nombre maximal d’itérations, validation humaine |
Exemple de déroulé : un agent qui prépare un comparatif de fournisseurs
Cas illustratif :
- L’utilisateur donne l’objectif : comparer quatre fournisseurs de logiciels de paie selon le prix, l’hébergement des données et le support.
- L’agent découpe la tâche : trouver les pages tarifs, les conditions d’hébergement, les avis du support.
- Il consulte les sites et les documents, remplit un tableau, repère qu’un critère manque et relance une recherche.
- Il rédige une synthèse et un projet d’e-mail de demande de devis, puis s’arrête et demande une validation avant tout envoi.
MCP, le standard qui relie les agents aux outils
Pour agir, un agent doit se connecter à des outils. Anthropic a présenté le 25 novembre 2024 le Model Context Protocol (MCP), un standard ouvert pour établir des connexions sécurisées et bidirectionnelles entre des sources de données et des outils d’IA. Le 9 décembre 2025, Anthropic a annoncé confier MCP à l’Agentic AI Foundation, un fonds de la Linux Foundation cofondé avec Block et OpenAI.
IA agentique, chatbot, IA générative et automatisation : les différences
| Critère | Chatbot ou assistant d’IA générative | Automatisation classique (RPA, workflow) | IA agentique |
|---|---|---|---|
| Point de départ | Une question ou une consigne | Un déclencheur prévu (formulaire, horaire, e-mail reçu) | Un objectif |
| Qui décide des étapes | L’utilisateur, message après message | Le concepteur, à l’avance | Le modèle, en cours de route, dans un cadre fixé |
| Action sur les systèmes | Aucune ou limitée : il produit du texte, des images, du code | Oui, selon un scénario fixe | Oui, en choisissant ses outils |
| Face à l’imprévu | Attend la consigne suivante | S’arrête ou échoue | Adapte son plan |
| Prévisibilité | Réponse variable, sans action directe | Élevée | Plus faible : tests et supervision nécessaires |
| Exemple | Rédiger un e-mail de relance | Copier chaque facture reçue dans le logiciel comptable | Traiter une demande client de bout en bout en consultant plusieurs outils |
Anthropic formule la frontière ainsi : dans un workflow, les modèles et les outils sont orchestrés selon des chemins de code prédéfinis ; dans un agent, le modèle dirige lui-même son processus et l’usage de ses outils. La documentation de n8n, outil d’automatisation, fait la même distinction : une chaîne suit une série d’appels fixée à l’avance, alors qu’un agent est une chaîne qui sait prendre des décisions. Beaucoup de produits mélangent les deux.
Attention à l’« agent washing » : dans un communiqué du 25 juin 2025, Gartner dénonce la pratique qui consiste à rebaptiser « agents » des produits existants (assistants d’IA, RPA, chatbots) sans réelle capacité agentique, et estime qu’environ 130 fournisseurs seulement, sur des milliers qui se revendiquent de l’IA agentique, en proposent réellement.
Exemples concrets d’IA agentique
Ces exemples sont décrits d’après les documentations et annonces officielles des éditeurs, consultées le 25 octobre 2026. Les fonctions évoluent vite : vérifiez disponibilité et conditions avant tout usage professionnel.
ChatGPT agent (OpenAI) : un agent grand public
Annoncé le 17 juillet 2025, ChatGPT agent exécute des tâches avec son propre ordinateur virtuel : il choisit entre un navigateur visuel, un navigateur textuel, un terminal, un accès direct à des API et des connecteurs vers des applications comme Gmail ou GitHub. Parmi les exemples de l’éditeur : analyser trois concurrents et en tirer une présentation. OpenAI précise que l’agent demande la permission avant les actions ayant des conséquences réelles, comme un achat, que certaines tâches critiques comme l’envoi d’e-mails exigent une supervision active (« Watch Mode »), qu’il est entraîné à refuser les tâches à haut risque comme les virements bancaires, et que l’utilisateur peut l’interrompre ou reprendre la main à tout moment.
Claude Code (Anthropic) : un agent pour le développement logiciel
Anthropic présente Claude Code comme un outil de programmation agentique qui lit une base de code, modifie des fichiers, exécute des commandes et s’intègre aux outils de développement. Disponible dans le terminal, les éditeurs de code, une application de bureau et le navigateur, il peut aussi créer des commits et des demandes de fusion, et se connecter à d’autres outils via MCP.
Agents autonomes de Microsoft Copilot Studio : l’agent en entreprise
Selon Microsoft Learn (module mis à jour en février 2026), un agent autonome de Copilot Studio, outil graphique à faible code, fonctionne à partir de déclencheurs prédéfinis ou personnalisés, automatise des processus longs, suit des garde-fous fixés par son concepteur, demande de l’aide humaine si nécessaire et peut orchestrer d’autres agents.
Mistral Agents API : une offre européenne pour développeurs
La société française Mistral AI a lancé son Agents API le 27 mai 2025. Sa documentation mentionne des connecteurs intégrés pour l’exécution de code, la recherche web, la génération d’images et une bibliothèque de documents, la possibilité pour un agent de passer la main à d’autres agents au sein d’un workflow, et un état persistant d’une conversation à l’autre.
Frameworks : OpenAI Agents SDK, LangGraph, n8n
Pour construire ses propres agents, l’OpenAI Agents SDK repose sur quelques primitives : agents (modèles dotés d’instructions et d’outils), passages de relais entre agents, garde-fous qui valident entrées et sorties, sessions pour la mémoire et traçage pour déboguer. LangGraph se décrit comme un framework d’orchestration de bas niveau pour des agents à état, de longue durée, avec exécution durable, reprise après incident, intervention humaine à tout moment et mémoire à court et long terme. n8n, outil d’automatisation visuel, permet d’ajouter un agent IA au milieu d’un workflow classique.
Attention : un agent qui présélectionne des candidats relève d’un usage à haut risque au sens de l’AI Act (voir plus bas).
IA agentique en entreprise : ce que disent les chiffres
Dans son communiqué du 25 juin 2025, Gartner prévoit que plus de 40 % des projets d’IA agentique seront abandonnés d’ici fin 2027, en raison de coûts croissants, d’une valeur métier floue ou de contrôles des risques insuffisants. Dans un sondage Gartner de janvier 2025 auprès de 3 412 participants à un webinaire, 19 % déclaraient des investissements importants de leur organisation dans l’IA agentique. Gartner reste toutefois positif sur la tendance : il prévoit qu’au moins 15 % des décisions de travail quotidiennes seront prises de façon autonome par l’IA agentique en 2028, contre 0 % en 2024, et que 33 % des logiciels d’entreprise intégreront de l’IA agentique en 2028, contre moins de 1 % en 2024. Ce sont des prévisions, pas des mesures.
Les risques de l’IA agentique
Plus un système agit, plus ses erreurs comptent : Anthropic note que l’autonomie augmente les coûts et le risque d’erreurs qui s’accumulent. Le projet OWASP GenAI Security a publié le 9 décembre 2025 un Top 10 des risques de sécurité propres aux applications agentiques :
- détournement de l’objectif de l’agent (Agent Goal Hijack) ;
- mauvais usage des outils (Tool Misuse) ;
- abus d’identité et de privilèges ;
- vulnérabilités de la chaîne d’approvisionnement agentique ;
- exécution de code inattendue ;
- empoisonnement de la mémoire et du contexte ;
- communication non sécurisée entre agents ;
- défaillances en cascade ;
- exploitation de la confiance entre l’humain et l’agent ;
- agents incontrôlés (Rogue Agents).
Le risque le plus concret est l’injection de consignes (prompt injection) : un tiers cache des instructions malveillantes dans une page web, un e-mail ou un document que l’agent va lire. OpenAI la décrit comme un risque général des systèmes agentiques et indique avoir entraîné ChatGPT agent à la repérer et à y résister, avec une surveillance pour détecter les attaques.
Côté données personnelles, la note CNIL et CIANum du 20 juillet 2026 parle d’un changement d’échelle : un agent peut mobiliser e-mails, historique de navigation et fichiers, les partager entre agents et les garder en mémoire, ce qui met sous tension le principe de minimisation du RGPD. Elle souligne aussi la dilution des responsabilités et l’extension des risques de cybersécurité à tous les services connectés. Elle cite le cas, rapporté dans un article récent, d’une employée dont l’agent a supprimé de nombreux e-mails professionnels sans qu’elle parvienne facilement à l’arrêter à distance. Enfin, l’article 22 du RGPD, qui encadre les décisions fondées exclusivement sur un traitement automatisé, reste pleinement applicable.
IA agentique et AI Act : ce que prévoit le règlement (UE) 2024/1689
Le règlement (UE) 2024/1689 du 13 juin 2024 sur l’intelligence artificielle, publié au Journal officiel de l’Union européenne le 12 juillet 2024, est entré en vigueur le 1er août 2024. Il ne crée pas de catégorie « agent IA ». Mais son article 3 définit le système d’IA comme un système automatisé « conçu pour fonctionner à différents niveaux d’autonomie », qui déduit de ses entrées la manière de générer des sorties pouvant influencer un environnement physique ou virtuel : un agent bâti sur un modèle d’IA entre en principe dans cette définition. La CNIL et le CIANum confirment que le règlement IA s’applique aux systèmes d’IA agentique. Les obligations dépendent ensuite du rôle (fournisseur ou déployeur, c’est-à-dire organisation qui utilise le système sous sa propre autorité) et de l’usage. Le calendrier a été modifié par l’omnibus numérique sur l’IA, le règlement (UE) 2026/1744, entré en vigueur le 27 juillet 2026.
| Ce que fait l’agent | Qualification probable | Ce que cela implique | Depuis ou à partir du |
|---|---|---|---|
| Manipule les personnes, pratique la notation sociale, infère les émotions au travail (hors raisons médicales ou de sécurité) | Pratique interdite (article 5) | Interdiction | 2 février 2025 |
| Assiste les salariés : recherche, rédaction, tableurs, code | En général sans obligation spécifique de risque | Mesures pour favoriser la maîtrise de l’IA du personnel (article 4, réécrit par l’omnibus) ; RGPD | 2 février 2025 |
| Dialogue avec des clients ou le public | Obligation de transparence (article 50) | Informer les personnes qu’elles interagissent avec une IA, sauf si c’est évident | 2 août 2026 |
| Trie des candidatures, évalue des salariés ou des élèves, évalue la solvabilité | Haut risque (annexe III) | Pour le déployeur (article 26) : usage conforme à la notice, contrôle humain par des personnes compétentes, surveillance, journaux conservés au moins six mois, information des salariés | 2 décembre 2027 |
Pour les systèmes à haut risque, l’article 14 exige un contrôle humain effectif : les personnes chargées de la surveillance doivent pouvoir comprendre les capacités et les limites du système, garder conscience du biais d’automatisation, décider de ne pas l’utiliser, ignorer ou inverser ses sorties, et l’interrompre au moyen d’un bouton d’arrêt ou d’une procédure similaire. Autre vigilance (article 25) : un déployeur qui modifie la destination d’un système, même à usage général, au point qu’il devient à haut risque, en devient le fournisseur. Les fournisseurs des modèles d’IA à usage général ont, eux, leurs propres obligations depuis le 2 août 2025.
Gouvernance : 10 règles pour garder le contrôle d’un agent IA
- Commencer simple. Anthropic recommande de chercher la solution la plus simple et de n’ajouter de la complexité que si nécessaire : si les étapes sont connues, un workflow suffit souvent.
- Inventorier et qualifier. Noter chaque agent, ses données, ses actions, votre rôle au sens de l’AI Act et le niveau de risque.
- Limiter les droits. Comptes dédiés, accès en lecture seule par défaut, aucun droit d’administration non indispensable : c’est la parade à l’abus d’identité et de privilèges listé par l’OWASP.
- Valider avant d’agir. Exiger une validation humaine avant les actions à conséquence (envoi, paiement, suppression, publication) ; la note CNIL et CIANum évoque une validation humaine obligatoire pour les décisions les plus critiques.
- Isoler l’environnement. Un espace cloisonné (sandbox), recommandé par Anthropic pour les tests et par la CNIL pour le déploiement.
- Prévoir un bouton d’arrêt. La CNIL et le CIANum recommandent un « kill switch » permettant d’interrompre à tout moment un processus agentique.
- Se méfier des contenus externes. Pages web, e-mails et documents lus par l’agent sont des données, jamais des ordres.
- Cloisonner la mémoire. Une mémoire dédiée par agent et par traitement, limitée en taille et en durée, comme le suggère la note CNIL et CIANum.
- Tracer chaque action. Journaliser outils appelés, données utilisées et décisions, pour expliquer et corriger.
- Tester et fixer des conditions d’arrêt. Mesurer la qualité sur des cas réels et fixer un nombre maximal d’itérations, comme le préconise Anthropic ; associer le DPO et réaliser une analyse d’impact quand le traitement l’exige.
Se former à l’IA agentique : compétences et parcours
Concevoir ou encadrer des agents demande de savoir formuler des consignes précises, de connaître les bases de Python et des API, la protection des données, la sécurité (droits, injection de consignes), l’évaluation des résultats et la gouvernance. Plusieurs parcours AI2 sont possibles selon votre profil.
| Profil | Objectif | Parcours AI2 |
|---|---|---|
| Salarié, manager, indépendant, sans prérequis technique | Utiliser l’IA générative et automatiser des tâches simples | AI Discovery, 3 ou 5 jours ; le format de 5 jours ajoute une journée consacrée à l’automatisation |
| Profil technique débutant | Acquérir Python et les bases du machine learning, socle pour construire des agents | Python pour l’IA, 2 ou 3 jours |
| Dirigeant, équipe de direction | Encadrer les usages de l’IA générative | Dirigeant 5.0, 2 jours, présenté dans le catalogue des formations courtes |
| Organisation avec un cas d’usage | Construire un assistant sur documents internes ou un agent connecté à ses outils | AI2 Lab, projets encadrés menés par des équipes d’étudiants |
| Étudiant ou futur ingénieur IA | Concevoir, sécuriser et déployer des systèmes d’IA | Mastères préparant des titres RNCP de niveau 7, dont la spécialisation IA et cybersécurité |
Pour apprendre à construire vos propres agents, l’école AI2 propose aussi la formation Créer ses agents et assistants IA, présentée sur son site de formations professionnelles.
Les formations courtes ont lieu au campus d’Écouen (Val-d’Oise) ou à distance. AI2 est certifiée Qualiopi (QUA008116).
FAQ : IA agentique
Qu’est-ce que l’IA agentique en termes simples ?
C’est une IA qui ne se contente pas de répondre : on lui donne un objectif, elle planifie les étapes, utilise des outils comme un navigateur, un logiciel ou une base de données, vérifie le résultat et ajuste son plan. Selon la CNIL, ces systèmes agissent sur leur environnement avec des niveaux variables d’autonomie.
Quelle différence entre IA agentique et IA générative ?
L’IA générative produit du contenu (texte, image, code) en réponse à une consigne. L’IA agentique s’appuie le plus souvent sur un modèle génératif, mais elle l’utilise pour décider et agir : appeler des outils, modifier des données, enchaîner plusieurs étapes jusqu’à atteindre un objectif.
Quelle différence entre un agent IA et une automatisation classique ?
Une automatisation classique suit un scénario écrit à l’avance et échoue devant l’imprévu. Un agent choisit lui-même ses étapes et ses outils dans le cadre fixé. Anthropic distingue ainsi les workflows, orchestrés par des chemins de code prédéfinis, des agents, où le modèle dirige son propre processus.
Quels sont des exemples d’agents IA ?
ChatGPT agent d’OpenAI, qui travaille sur son propre ordinateur virtuel ; Claude Code d’Anthropic, qui modifie du code et exécute des commandes ; les agents autonomes de Microsoft Copilot Studio ; l’Agents API de Mistral AI. L’OpenAI Agents SDK, LangGraph ou n8n servent à construire ses propres agents.
L’AI Act s’applique-t-il aux agents IA ?
Oui. Le règlement (UE) 2024/1689 ne crée pas de catégorie propre aux agents, mais sa définition du système d’IA vise des systèmes conçus pour fonctionner à différents niveaux d’autonomie. Les obligations dépendent de l’usage : transparence pour un agent qui dialogue avec le public, haut risque pour un agent qui trie des candidatures, à partir du 2 décembre 2027.
Quels sont les principaux risques de l’IA agentique ?
Le détournement de l’objectif par injection de consignes, le mauvais usage des outils, l’abus de privilèges, l’empoisonnement de la mémoire et les défaillances en cascade, selon le Top 10 de l’OWASP. La CNIL et le CIANum y ajoutent la perte de maîtrise des données personnelles et la dilution des responsabilités.
Sources consultées le 25 octobre 2026 : CNIL, définition de l’IA agentique ; CNIL et CIANum, note exploratoire sur l’IA agentique (20 juillet 2026) et texte de la note ; LINC, Agentic AI: what are we talking about? (2 septembre 2026) ; Anthropic, Building effective agents (19 décembre 2024) ; Anthropic, Model Context Protocol (25 novembre 2024) ; Anthropic, MCP et Agentic AI Foundation (9 décembre 2025) ; OpenAI, Introducing ChatGPT agent (17 juillet 2025) ; documentation Claude Code ; Microsoft Learn, agent autonome dans Copilot Studio (février 2026) ; Mistral AI, Agents API (27 mai 2025) et documentation ; OpenAI Agents SDK ; LangGraph ; n8n, agents et chaînes ; Gartner, communiqué du 25 juin 2025 ; OWASP, Top 10 for Agentic Applications for 2026 (9 décembre 2025) ; règlement (UE) 2024/1689 ; règlement (UE) 2026/1744 ; AI Act Service Desk, article 3 et article 14.
Formations courtes de 1 à 5 jours pour les salariés, les dirigeants et les profils techniques, au campus d’Écouen (Val-d’Oise) ou à distance, avec une prise en charge possible par votre OPCO.