IA agentique : définition, fonctionnement et usages

Réponse courte. L'IA agentique désigne des systèmes d'intelligence artificielle capables de poursuivre un objectif de façon autonome : ils recueillent des informations, planifient des étapes, agissent dans des logiciels et corrigent leur plan selon le résultat. Là où l'IA générative produit un contenu, l'IA agentique agit. En anglais, on parle d'agentic AI ; on lit aussi « IA agentive ».

Définition de l'IA agentique

La CNIL définit l'IA agentique comme 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. Ils peuvent agir sur un environnement défini (applications, bases de données, postes de travail) et en modifier l'état : lire, modifier ou supprimer des données, exécuter des actions. Leur niveau d'autonomie varie d'un système à l'autre.

Le mot « agentique » renvoie à la capacité d'agir. Un agent IA est l'unité de base : un programme qui reçoit un objectif (« traiter les demandes de congés du mois ») plutôt qu'une instruction unique, et qui décide lui-même des étapes. L'IA agentique désigne l'ensemble : les agents, leur coordination et les règles qui les encadrent. Nous détaillons l'agent lui-même dans notre article Agent IA en entreprise : définition et cas d'usage.

IA agentique, IA générative, chatbot, RPA : quelles différences ?

L'IA générative propose, l'IA agentique exécute. Le RPA suit un chemin écrit à l'avance, l'agent choisit le sien. C'est ce qui le rend utile face aux cas qui varient, et c'est aussi ce qui impose de l'encadrer. Pour la différence entre agent IA et chatbot en détail, voir notre article Agent IA vs chatbot : quelles différences pour l'entreprise ?

Comment fonctionne l'IA agentique

Un système agentique fonctionne en cycle continu, jusqu'à atteindre l'objectif ou passer la main à un humain :

1. Perception : l'agent recueille les informations utiles, qu'il s'agisse de la demande, de données ou de l'état d'un système.
2. Raisonnement : le modèle de langage interprète la situation et identifie ce qui compte.
3. Planification : l'agent découpe l'objectif en étapes.
4. Action : il exécute une étape à l'aide d'un outil (lire une base, modifier une fiche, lancer un script).
5. Réflexion : il vérifie le résultat, ajuste son plan, ou s'arrête et transmet à un humain.

Ce cycle s'appuie sur quatre briques. Le modèle de langage (GPT, Claude, Mistral) raisonne. Les outils et connecteurs donnent accès aux applications de l'entreprise ; des protocoles comme MCP (Model Context Protocol) ou A2A (Agent2Agent) standardisent ces échanges. La mémoire conserve le contexte d'une tâche, parfois l'historique des échanges. Les garde-fous limitent ce que l'agent peut faire et fixent les moments où un humain valide.

Exemple : un ticket « Mon PC rame » traité par un agent

Helpy, l'agent IA embarqué dans notre offre Hypergérance, traite le support informatique de niveau 1. Voici comment il suit ce cycle sur un ticket courant :

• Perception : le ticket arrive, l'agent le classe (performance du poste, demande simple) et se connecte au poste de l'utilisateur pour relever son état.
• Raisonnement : il identifie la cause, par exemple une application qui monopolise le processeur sur un poste qui n'a pas redémarré depuis plusieurs semaines.
• Planification et action : il propose une correction à l'utilisateur, attend sa confirmation, puis l'exécute. Toute action qui modifie le poste passe par cette confirmation, avec possibilité de revenir en arrière.
• Réflexion : il vérifie que la situation est rétablie, documente le ticket et enrichit la base de connaissances du client.

S'il n'y parvient pas, il rassemble son diagnostic et le transmet à un technicien, qui reprend le dossier sans repartir de zéro.

L'orchestrateur IA

Quand plusieurs agents interviennent, un orchestrateur répartit le travail : quel agent traite quelle étape, dans quel ordre, et que faire en cas d'échec. Dans Helpy, un agent d'orchestration distribue chaque ticket entre des agents spécialisés : classement, diagnostic, correction, contrôle de sécurité des actions, documentation, préparation de l'escalade.

Les systèmes multi-agents

Un système multi-agents confie chaque partie d'un processus à un agent spécialisé. La spécialisation rend chaque agent plus simple à tester et à surveiller, au prix d'une coordination plus exigeante. Deux organisations coexistent. Dans la première, hiérarchique, un agent principal supervise des agents plus simples : c'est efficace pour des enchaînements séquentiels, mais l'agent principal peut devenir un goulot d'étranglement. Dans la seconde, plus horizontale, les agents coopèrent sans chef : c'est plus souple, mais souvent plus lent.

Architecture et plateforme agentique

L'architecture agentique décrit la façon dont ces briques s'assemblent : quels modèles, quels connecteurs, quel orchestrateur, quels contrôles. Une plateforme agentique fournit une partie de ces briques prêtes à l'emploi. Microsoft Copilot Studio, par exemple, permet de créer des agents connectés aux données de Microsoft 365. Notre comparatif des outils d'automatisation IA passe en revue les principales options.

Les types d'agents IA

Les agents se classent selon leur façon de décider, de l'agent réactif qui applique des règles fixes à l'agent capable d'apprendre de ses résultats. Nous détaillons les sept catégories de la classification de Russell et Norvig, avec leur application en PME, dans notre guide Agent IA 24/7 pour PME.

Ce que l'IA agentique change pour une entreprise

L'IA agentique prend en charge des processus répétitifs mais variables, là où une règle fixe ne suffit pas : support informatique de premier niveau, demandes internes, qualification de demandes entrantes, préparation de dossiers, recherche documentaire. Elle travaille en continu, et elle libère les équipes des tâches à faible valeur pour les recentrer sur les cas complexes.

Sur notre propre activité, de juin à août 2026, Helpy a reçu 1 889 tickets chez les 55 clients sous contrat d'hypergérance (680 en juin, 720 en juillet, 489 en août). 60 % ont été clos sans intervention humaine, en 3 minutes en moyenne. Tout ticket repris par un technicien, même partiellement traité par l'agent, est exclu de ce taux. Source : outil de supervision Helpy.

Pour d'autres usages par métier (support, ressources humaines, finance, juridique), voir notre page Agents IA pour les entreprises.

Limites et risques de l'IA agentique

L'autonomie qui fait la valeur d'un agent crée aussi ses risques.

• Les erreurs en chaîne : dans un système à plusieurs agents, l'erreur de l'un devient l'entrée du suivant. Un blocage ou un conflit de ressources peut se propager à tout le processus.
• Les actions difficiles à annuler : un agent qui supprime, envoie ou modifie agit sur le réel. D'où l'intérêt de la confirmation humaine sur les actions sensibles.
• Les données personnelles : dans leur note du 20 juillet 2026, la CNIL et le Conseil de l'IA et du Numérique relèvent que les agents font circuler des données personnelles entre de nombreux services, et que leurs mémoires persistantes augmentent les données conservées. Ils soulignent aussi que ce fonctionnement complique la répartition des responsabilités entre les acteurs.
• La qualité des données : un agent qui décide sur des données fausses ou périmées agit mal, plus vite.
• Les coûts : chaque étape consomme du calcul. Sans suivi, le coût d'une tâche peut dériver.

Intégrer l'IA agentique au système d'information

Un agent ne crée de valeur que s'il accède aux bons outils : ERP, CRM, messagerie, outil de tickets. L'intégration pose des questions d'architecture (API disponibles, authentification, hébergement des données) plus que de choix de modèle. Notre guide DSI pour intégrer un agent IA dans un SI existant détaille la méthode.

Gouvernance de l'IA agentique

Un agent qui agit se gouverne comme un collaborateur à qui l'on confie des accès : on définit ce qu'il peut faire, qui le valide, comment on le contrôle et qui en répond.

Fixer un niveau d'autonomie par tâche. Toutes les actions ne se valent pas. Une grille pratique distingue quatre niveaux :

Tenir un registre des agents. Pour chaque agent : son objectif, ses accès, son niveau d'autonomie, son responsable, et le traitement de données associé dans le registre RGPD.

Donner à chaque agent sa propre identité. Un compte dédié, avec le minimum de droits nécessaires, permet de révoquer un agent sans toucher aux comptes humains et de retrouver ses actions dans les journaux.

Respecter l'AI Act. Le règlement européen sur l'IA (règlement (UE) 2024/1689) impose depuis le 2 février 2025 de former le personnel qui utilise l'IA. Depuis le 2 août 2026, les obligations de transparence de l'article 50 s'appliquent : une personne qui échange avec un agent doit savoir qu'il s'agit d'une IA. Les obligations propres aux usages à haut risque de l'annexe III, comme le recrutement ou l'évaluation de la solvabilité, ont été reportées au 2 décembre 2027 par le règlement (UE) 2026/1744.

Sécuriser l'IA agentique

Un agent élargit la surface d'attaque : il détient des accès, lit des contenus qui peuvent contenir des consignes malveillantes et agit vite. Le guide de l'ANSSI « Recommandations de sécurité pour un système d'IA générative » recommande notamment de maîtriser les interactions du système d'IA avec les applications métier, de limiter les actions automatiques lorsque l'IA traite des entrées non maîtrisées et de journaliser les traitements. Nous détaillons ces pratiques dans notre article Comment sécuriser un projet d'agent IA en entreprise.

Infrastructure agentique : faire tourner les agents en production

Au-delà du premier agent, une entreprise a besoin d'une couche qui relie ses agents à ses données et à ses applications, et qui les encadre dans la durée : connecteurs, identités et droits, orchestration, supervision, traçabilité, maîtrise des coûts et conformité. C'est ce qu'on appelle une infrastructure agentique. Le prestataire qui la conçoit, la sécurise et l'exploite en continu est un opérateur d'infrastructure agentique. Nous détaillons ce rôle dans notre article Opérateur d'infrastructure agentique : définition, rôle et critères de choix.

Questions fréquentes

C'est quoi l'IA agentique ?

C'est une IA capable de poursuivre un objectif de façon autonome : elle recueille des informations, planifie des étapes, agit dans des logiciels et corrige son plan selon le résultat.

Quelle est la différence entre l'IA agentique et l'IA générative ?

L'IA générative produit un contenu à partir d'une demande : un texte, une image, du code. L'IA agentique utilise ces capacités pour agir : elle exécute des actions dans les logiciels de l'entreprise pour atteindre un objectif. L'IA générative propose, l'IA agentique exécute.

Quelle différence entre un agent IA et l'IA agentique ?

L'agent IA est l'unité : un programme qui poursuit un objectif avec des outils. L'IA agentique désigne l'ensemble, qui peut réunir plusieurs agents, un orchestrateur et les garde-fous qui les encadrent.

L'IA agentique remplace-t-elle l'automatisation classique ?

Non. Une automatisation à règles fixes reste plus simple, moins chère et plus prévisible pour un processus stable. L'IA agentique la complète sur les cas qui varient et demandent un raisonnement.

Comment mesurer le retour sur investissement d'un agent IA ?

En fixant avant le déploiement une mesure et sa règle de calcul, par exemple le taux de tickets clos sans intervention humaine, en excluant tout ticket repris par un technicien. On compare ensuite au temps et au coût du traitement manuel, sur plusieurs mois, creux saisonniers compris. Nous détaillons la démarche dans notre article Quel ROI attendre d'un projet d'agent IA.

Combien coûte un projet d'IA agentique ?

Chez IT Systèmes, un agent IA coûte à partir de 5 000 € pour un agent monotâche, et jusqu'à 30 000 € pour une solution multi-agents. Le détail figure dans notre article Combien coûte un agent IA en entreprise.

Par où commencer avec l'IA agentique ?

Par un processus répétitif, à fort volume et facile à mesurer, où une erreur de l'agent reste rattrapable. On fixe le niveau d'autonomie de l'agent, on mesure ses résultats sur quelques semaines, puis on élargit son périmètre.

Sources : CNIL, définition « IA agentique » ; CNIL et Conseil de l'IA et du Numérique, note sur l'IA agentique et les données personnelles, 20 juillet 2026 ; règlement (UE) 2024/1689 et règlement (UE) 2026/1744, EUR-Lex ; ANSSI, Recommandations de sécurité pour un système d'IA générative ; baromètre Helpy, juin à août 2026, outil de supervision Helpy.