Agent IA : ce que c'est, et ce que ce n'est pas

Qu’est-ce qu’un agent IA ? Le mot figure dans les annonces de presque tous les éditeurs de logiciels, au point de désigner à peu près n’importe quel outil qui contient un modèle de langage. Pour une entreprise qui doit décider où mettre de l’IA, la définition a pourtant des conséquences : elle dit ce que l’outil fera sans vous, et donc ce qu’il faudra surveiller. Ce guide de notre rubrique IA d’entreprise, privée et au juste coût part de la définition la plus utile que nous ayons lue, puis passe à ce qu’un agent n’est pas et à ce qu’il coûte.

En bref

• Ce qui distingue un agent d’un workflow, c’est qui décide de l’étape suivante : votre code, ou le modèle.
• Un agent se justifie quand le nombre d’étapes ne se prévoit pas ; une tâche répétitive se traite mieux par un chemin fixe.
• L’autonomie se paie en appels au modèle et en erreurs possibles, et se borne par des plafonds et des points de validation.
• Beaucoup de produits vendus comme des agents n’en sont pas : demandez ce que l’outil décide seul.

Qu’est-ce qu’un agent IA, concrètement ?

Cette définition vient d’Anthropic, l’éditeur des modèles Claude, dans un texte de décembre 2024, Building effective agents, qui oppose deux familles de systèmes (nous traduisons) :

• les workflows, « des systèmes où les modèles de langage et les outils sont orchestrés selon des chemins de code définis à l’avance » ;
• les agents, « des systèmes où les modèles de langage dirigent eux-mêmes leur démarche et leur usage des outils, en gardant la main sur la façon d’accomplir les tâches ».

Prenons une demande de devis reçue par email. En workflow, le chemin est écrit : extraire le nom, la société et le besoin, créer la fiche dans le CRM, prévenir le commercial. Un modèle peut lire l’email à une étape, mais il ne choisit pas la suite. En agent, on donne au modèle un but et des outils (le CRM, le catalogue, la messagerie), et c’est lui qui décide s’il cherche d’abord le client, s’il pose une question ou s’il s’arrête.

La différence ne tient donc ni à la qualité du modèle ni à l’interface, mais à une question : qui décide de l’étape suivante, votre code ou le modèle ? Chez n8n, la documentation du nœud AI Agent le résume ainsi : on y branche un modèle et un ou plusieurs outils, « et l’agent décide quels outils appeler pour accomplir une tâche ».

Agent, chatbot, workflow, RPA : quelles différences ?

Ces mots désignent des outils qui ne se comportent pas de la même façon. Le tableau les range selon le critère précédent.

Un chatbot devient un agent quand il peut agir (créer une fiche, modifier une commande) et choisir quand le faire ; tant qu’il se contente de répondre, c’est un chatbot, quel que soit son modèle. La RPA, elle, n’a rien d’autonome : c’est un chemin fixe qui passe par l’écran faute d’un meilleur accès au logiciel, et souvent l’un des derniers recours, comme l’explique notre guide pour automatiser un logiciel qui n’a pas d’API.

Faut-il toujours aller jusqu’à l’agent ?

Non, et c’est le même texte d’Anthropic qui le dit le plus clairement. Il recommande de « trouver la solution la plus simple possible, et de n’augmenter la complexité qu’en cas de besoin », ce qui « peut vouloir dire ne pas construire de système agentique du tout ». Pour beaucoup d’applications, optimiser un appel unique au modèle, avec une recherche documentaire et des exemples placés dans la requête, « suffit généralement ».

Nous découpons la décision en cinq marches. Le découpage est le nôtre, il suit cette recommandation :

1. une règle fixe, sans IA : au-delà d’un montant, prévenir le responsable ;
2. un workflow qui enchaîne plusieurs règles et plusieurs logiciels ;
3. un workflow avec une étape d’IA, qui lit un texte libre ou rédige un premier jet ;
4. une IA qui choisit entre des branches prévues, par exemple en classant une demande ;
5. un agent, qui choisit lui-même ses étapes et ses outils.

Chaque marche ajoute de la souplesse, mais aussi du coût et de l’imprévu : commencez par la plus basse qui fait le travail. Notre grille de questions est dans Automatisation sans IA : quand une règle suffit. Quand l’IA est justifiée, le modèle choisi pèse autant que l’architecture : notre approche consiste à confier chaque tâche au modèle juste suffisant, avec un budget et des plafonds par usage.

Ce qu’un agent IA n’est pas

Pas une étiquette

En juin 2025, une dépêche de Reuters reprise par Yahoo relayait un phénomène décrit par le cabinet d’études Gartner : l’« agent washing », qui consiste à rebaptiser « agents » des assistants d’IA et des chatbots sans réelle capacité agentique. Gartner estimait que, sur des milliers de fournisseurs qui se présentent comme vendeurs d’IA agentique, environ 130 seulement le sont vraiment. C’est l’estimation d’un cabinet d’études, pas un recensement, mais la question qu’elle suggère vaut pour tout achat : qu’est-ce que votre outil décide seul ?

Pas fiable par défaut

En 2025, Anthropic a confié pendant environ un mois, avec la société Andon Labs, une petite boutique automatique de ses bureaux de San Francisco à un agent fondé sur Claude Sonnet 3.7, surnommé Claudius. Le compte rendu de cette expérience, Project Vend, publié le 27 juin 2025 par l’éditeur du modèle lui-même, est instructif. L’agent proposait des prix « sans faire aucune recherche », si bien que des articles qui auraient pu dégager une bonne marge se retrouvaient affichés sous leur coût. Il a un temps demandé aux clients de payer sur un compte qu’il avait inventé. Il s’est laissé amadouer, par des messages sur Slack, jusqu’à accorder de nombreux codes de réduction. Ce ne sont pas des pannes : ce sont des décisions, prises par un agent qui avait la main sur les prix et les paiements.

Nous avons vécu une version plus modeste de la même leçon : sur un site que nous opérons pour un client, un modèle a publié trois contenus inventés de toutes pièces, retirés depuis. La relecture humaine avant publication est chez nous une règle non négociable, et un contrôle anti-hallucination est outillé, justement parce que nous avons payé cette leçon.

Pas un collègue

Le matin du 1er avril, raconte le même compte rendu, Claudius a affirmé qu’il livrerait lui-même des produits « en personne », vêtu d’un blazer bleu et d’une cravate rouge. La conclusion d’Anthropic est nette : s’il fallait se lancer aujourd’hui dans la vente en libre-service dans les bureaux, « nous n’embaucherions pas Claudius ». Un agent n’a pas de responsabilité : il exécute dans les limites qu’on lui donne, et c’est un humain qui répond du résultat, comme nous le développons dans notre article sur le rôle de l’humain face à l’IA.

Quand un agent IA est-il vraiment utile ?

Anthropic donne la réponse la plus nette : les agents conviennent aux « problèmes ouverts, où il est difficile ou impossible de prévoir le nombre d’étapes nécessaires, et où l’on ne peut pas écrire un chemin fixe dans le code ». Les workflows, eux, « offrent prévisibilité et régularité pour les tâches bien définies ».

Quatre signes indiquent qu’un agent peut valoir ce qu’il coûte :

• le chemin change d’un cas à l’autre, dans un ordre qu’on ne connaît pas d’avance ;
• l’entrée n’est pas structurée : un texte libre, une photo, un document scanné ;
• une erreur se rattrape, parce qu’un humain valide avant que l’action engage l’entreprise ;
• le volume justifie l’effort de mise en place et de surveillance.

Notre agent de saisie comptable réunit deux de ces signes : son entrée est la photo d’un reçu envoyée sur Telegram, et il ne reste qu’un geste humain, valider d’un bouton la fiche qu’il a préparée. Il est en service interne depuis juillet 2026, parmi les outils que nous faisons tourner nous-mêmes.

Ce que coûte un agent IA, au-delà de l’abonnement

L’autonomie a un prix, et le guide d’Anthropic l’écrit : les systèmes agentiques « échangent souvent de la latence et du coût contre une meilleure performance ». Un agent qui hésite et appelle trois outils au lieu d’un consomme autant d’appels au modèle, donc de tokens. Sa nature autonome implique « des coûts plus élevés, et un risque d’erreurs qui s’additionnent », d’où la recommandation de le tester longuement « dans des environnements isolés », avec des garde-fous adaptés.

Trois réglages tiennent un agent dans ses limites :

• un nombre maximal de tours, ce qu’Anthropic appelle des « conditions d’arrêt (comme un nombre maximal d’itérations) » ;
• un budget par tâche, avec un arrêt propre quand il est atteint, plutôt qu’une facture découverte en fin de mois ;
• des points de validation, où l’agent se met en pause pour obtenir un retour humain, surtout avant une action irréversible.

Le calcul de la facture (tokens d’entrée et de sortie, contexte renvoyé à chaque tour) est détaillé dans notre guide sur le coût de l’IA en entreprise. Et si vous vous demandez pourquoi tant de projets d’IA tardent à rapporter, notre analyse de la rentabilité de l’IA en entreprise montre que la technologie y pèse moins que l’organisation qui l’entoure.

Par où commencer

Partez de la tâche, pas de l’outil. Décrivez ce qui arrive, ce qui doit en sortir et qui le vérifie aujourd’hui : la marche la plus basse qui fait le travail apparaît souvent d’elle-même. Si la réponse est un agent, reste à en faire un outil fiable pour toute une équipe, ce qui est l’objet de notre guide sur l’agent IA en production, de la démo au produit. Si vous hésitez entre plusieurs chantiers, notre audit de maturité numérique et IA sert à savoir quoi automatiser avant de dépenser, avec un GO ou un NOGO écrit pour chacun.

Questions fréquentes

Quelle différence entre un agent IA et un chatbot ?

Un chatbot répond dans une conversation : c’est l’utilisateur qui décide de la suite, message après message. Un agent IA reçoit un but et des outils, et choisit lui-même les étapes pour l’atteindre : chercher une information, créer une fiche, envoyer un message. Un chatbot qui peut agir dans vos logiciels, et décider quand le faire, devient un agent, avec les contrôles que cela demande.

Un agent IA peut-il inventer une réponse ?

Oui. Un modèle de langage produit une réponse plausible, pas une réponse vérifiée, et un agent enchaîne plusieurs de ces réponses : une erreur du début se propage à la suite. Un agent sérieux cite donc ses sources, répond « je ne sais pas » quand il n’est pas sûr et fait valider ce qui engage l’entreprise. C’est la règle de notre assistant IA sur vos documents, qui cite ses sources.

Un agent IA peut-il travailler sans surveillance ?

Pas sur des décisions qui engagent, du moins pas encore. Dans la seconde phase de Project Vend, publiée en décembre 2025, Anthropic a donné à son agent de nouveaux modèles et de meilleurs outils ; au fil de cette phase, les semaines à marge négative ont en grande partie disparu. Est-il prêt pour autant à tenir un distributeur dans votre entreprise ? « Pas tout à fait », répond Anthropic : ses agents ont encore eu besoin de beaucoup de soutien humain.

Faut-il un agent IA pour automatiser un processus ?

Pas forcément. Un processus qui suit des règles qu’on peut écrire s’automatise avec un workflow fixe, moins cher et au résultat constant. L’IA se justifie à une étape précise, quand il faut lire un texte libre ou trancher un cas ambigu, et l’agent seulement quand le chemin lui-même change d’un cas à l’autre. Notre grille de décision est dans Automatisation sans IA : quand une règle suffit.