TL;DR
- L’IA agentique désigne des systèmes capables de poursuivre un objectif, de planifier plusieurs étapes et d’utiliser des outils autorisés.
- Un agent IA ne se limite pas à générer une réponse : il peut consulter de l’information, effectuer une action, vérifier un résultat et poursuivre le processus.
- Les agents peuvent soutenir des tâches comme le traitement de demandes, l’analyse de documents, la préparation de rapports ou la coordination d’activités.
- Une organisation doit limiter leurs accès et définir clairement les actions qu’ils peuvent accomplir.
- Les décisions sensibles, irréversibles ou ayant un effet important sur une personne devraient comporter des mécanismes de supervision et de validation adaptés.
- Au Québec, certaines décisions fondées exclusivement sur le traitement automatisé de renseignements personnels sont encadrées par la Loi sur la protection des renseignements personnels dans le secteur privé.
- L’objectif n’est pas nécessairement d’automatiser le plus possible, mais d’identifier les processus où l’IA peut réellement apporter de la valeur.
Un employé reçoit une demande d’un client.
Il consulte son dossier, vérifie plusieurs documents, récupère une information dans un logiciel interne, prépare une réponse, crée une tâche de suivi et met à jour le système de gestion de la relation client.
Un outil d’intelligence artificielle pourrait-il effectuer une partie de cette séquence?
C’est précisément le type de scénario qui explique l’intérêt croissant pour l’IA agentique.
Contrairement à un outil qui répond simplement à une question, un agent IA peut recevoir un objectif, analyser la situation, utiliser différents outils autorisés et enchaîner plusieurs actions pour accomplir une tâche.
Cette évolution ouvre de nouvelles possibilités pour l’intelligence artificielle en entreprise, mais elle soulève également des questions importantes concernant les autorisations, la confidentialité, les erreurs et la supervision humaine.
Qu’est-ce que l’IA agentique?
L’IA agentique désigne une forme d’intelligence artificielle conçue pour poursuivre un objectif en planifiant et en exécutant plusieurs actions.
L’Office québécois de la langue française définit l’intelligence artificielle agentique comme un système conçu pour agir de manière autonome et proactive, notamment en planifiant des actions, en utilisant des ressources ou des outils externes et en décomposant des problèmes complexes en sous-tâches.
Les termes anglais agentic AI et AI agents sont également très utilisés dans l’industrie.
Un agent IA peut, selon les autorisations qu’il reçoit :
- consulter une base de données;
- analyser un document;
- effectuer une recherche;
- appeler une interface de programmation;
- créer une tâche;
- rédiger un compte rendu;
- mettre à jour un dossier;
- transmettre une demande d’approbation;
- vérifier si une action a réussi.
La différence importante se trouve donc dans la capacité à enchaîner plusieurs étapes.
Chatbot, assistant IA ou agent IA : quelle différence?
Ces trois concepts sont parfois utilisés de façon interchangeable, alors qu’ils ne désignent pas exactement la même chose.
Un chatbot répond à une demande
Un chatbot traditionnel fonctionne principalement selon une logique de conversation.
Vous lui posez une question.
Il vous répond.
Par exemple :
Utilisateur : Quels sont nos horaires d’ouverture?
Chatbot : Nous sommes ouverts du lundi au vendredi, de 8 h à 17 h.
La tâche s’arrête généralement là.
Un assistant IA aide à accomplir une tâche
Un assistant alimenté par l’IA peut aller plus loin.
Il peut notamment :
- résumer un document;
- rédiger un courriel;
- analyser certaines données;
- produire une première version d’un rapport;
- proposer des idées.
L’utilisateur demeure cependant généralement celui qui déclenche les différentes étapes.
Un agent IA poursuit un objectif
Un agent IA peut recevoir une instruction plus générale :
« Prépare le rapport mensuel des demandes clients et signale-moi les cas nécessitant une intervention. »
L’agent pourrait alors, s’il possède les accès nécessaires :
- récupérer les données;
- les organiser;
- comparer les résultats avec la période précédente;
- repérer certaines anomalies;
- préparer un rapport;
- transmettre les cas prioritaires à un gestionnaire.
C’est cette capacité à utiliser plusieurs outils et à enchaîner des actions qui distingue particulièrement l’approche agentique.
Comment fonctionne un agent IA?
Un système agentique peut être représenté comme une boucle.
Objectif → analyse → choix d’une action → utilisation d’un outil → observation du résultat → prochaine action
Prenons un exemple simple.
Un gestionnaire demande :
« Prépare-moi un résumé des demandes de soutien reçues cette semaine et identifie celles qui n’ont pas encore été réglées. »
L’agent pourrait :
1. Comprendre l’objectif
Il détermine que le résultat attendu est un résumé accompagné d’une liste des demandes non résolues.
2. Accéder aux outils autorisés
Il consulte le système contenant les demandes de soutien.
3. Récupérer les informations pertinentes
Il sélectionne les demandes reçues pendant la période demandée.
4. Analyser les données
Il classe les demandes selon leur état et leur niveau de priorité.
5. Produire le résultat
Il prépare un résumé.
6. Demander une validation lorsque nécessaire
Avant d’envoyer le rapport ou de modifier certains dossiers, il peut demander l’autorisation d’un employé.
L’automatisation IA devient ainsi plus proche d’un processus de travail que d’une simple génération de texte.
Cas d’usage 1 : traiter les demandes entrantes
Une PME québécoise peut recevoir des demandes provenant :
- de son site Web;
- de courriels;
- d’un formulaire;
- d’un système de soutien;
- de différents services internes.
Un agent IA pourrait effectuer un premier traitement.
Par exemple :
Nouvelle demande reçue
↓
Analyse du contenu
↓
Identification du sujet
↓
Consultation d’une base de connaissances
↓
Préparation d’une réponse
↓
Transmission à un employé si le cas est complexe
L’objectif n’est pas nécessairement de retirer l’humain du processus.
L’agent peut plutôt éliminer certaines tâches répétitives tout en transférant les situations inhabituelles à une personne.
Cas d’usage 2 : préparer des rapports
La préparation de rapports peut demander beaucoup de manipulations répétitives.
Un gestionnaire doit parfois :
- exporter des données;
- les nettoyer;
- comparer plusieurs périodes;
- repérer des variations;
- produire un résumé;
- préparer une présentation.
Un agent IA connecté aux bons outils IA et aux bonnes sources de données pourrait prendre en charge certaines de ces étapes.
Par exemple, chaque lundi :
- récupérer les indicateurs de la semaine précédente;
- comparer les résultats avec les objectifs;
- identifier les variations importantes;
- rédiger un résumé;
- préparer un rapport;
- le soumettre au gestionnaire pour validation.
Le gestionnaire peut alors consacrer davantage de temps à l’interprétation et aux décisions qui en découlent.
Cas d’usage 3 : analyser des documents
Les organisations manipulent souvent un grand nombre de documents :
- contrats;
- politiques internes;
- propositions;
- rapports;
- demandes de clients;
- procédures;
- factures.
Un agent IA peut aider à organiser cette information.
Par exemple, une entreprise reçoit plusieurs propositions de fournisseurs.
Un agent pourrait :
- ouvrir les documents;
- extraire certains renseignements;
- classer les propositions;
- comparer des critères préalablement définis;
- signaler les éléments manquants;
- préparer un tableau de synthèse.
La décision finale pourrait ensuite demeurer sous la responsabilité du gestionnaire.
Cas d’usage 4 : soutenir le service à la clientèle
Un agent peut également assister une équipe de service à la clientèle.
Supposons qu’un client demande :
« Où en est ma commande? »
Un simple chatbot pourrait fournir une réponse générale.
Un agent disposant des bonnes autorisations pourrait plutôt :
- identifier le client;
- consulter son dossier;
- vérifier l’état de sa commande;
- consulter l’information de livraison;
- préparer une réponse personnalisée.
Pour un cas inhabituel, il pourrait ensuite transférer la conversation à un employé.
Le potentiel devient particulièrement intéressant lorsque l’agent sert à réduire les recherches manuelles plutôt qu’à remplacer systématiquement les interactions humaines.
Cas d’usage 5 : coordonner plusieurs tâches
L’IA agentique peut aussi être utilisée pour coordonner certaines tâches administratives.
Prenons l’intégration d’un nouvel employé.
Un processus peut nécessiter :
- la création de comptes;
- l’attribution de formations;
- l’envoi de documents;
- la préparation du matériel;
- la planification de rencontres;
- la confirmation de plusieurs étapes.
Un agent pourrait suivre cette liste et communiquer avec différents systèmes.
Cependant, toutes les actions ne devraient pas nécessairement être automatisées sans contrôle.
Créer un compte avec des privilèges élevés ou accorder l’accès à des renseignements confidentiels devrait généralement exiger davantage de validation qu’envoyer un rappel de formation.
Les agents IA peuvent-ils prendre des décisions seuls?
Techniquement, un système agentique peut recevoir suffisamment d’autonomie pour effectuer certaines décisions.
La véritable question pour une entreprise est plutôt :
Devrait-il être autorisé à les prendre seul?
Cela dépend notamment :
- de l’impact de la décision;
- du degré de réversibilité;
- des données utilisées;
- du risque d’erreur;
- des obligations juridiques;
- des conséquences pour les personnes concernées.
La supervision humaine prend donc plusieurs formes.
Faible risque
L’agent peut effectuer l’action automatiquement.
Par exemple :
Classer un document dans un dossier interne.
Risque modéré
L’agent prépare l’action et demande une confirmation.
Par exemple :
Préparer une réponse à un client et demander l’approbation avant son envoi.
Risque élevé
L’agent fournit de l’information, mais la décision demeure humaine.
Par exemple :
Évaluer un dossier pouvant avoir des conséquences financières ou professionnelles importantes pour une personne.
Les recommandations du NIST en gestion des risques liés à l’IA soulignent justement l’importance de définir des mécanismes de gouvernance, de surveillance et de gestion adaptés au contexte d’utilisation.
Un enjeu particulièrement important au Québec : les décisions automatisées
Pour les entreprises québécoises, l’automatisation de décisions utilisant des renseignements personnels demande une attention particulière.
La Loi sur la protection des renseignements personnels dans le secteur privé prévoit notamment des obligations lorsqu’une entreprise utilise des renseignements personnels afin de rendre une décision fondée exclusivement sur un traitement automatisé.
L’entreprise doit notamment en informer la personne concernée. Cette personne peut également demander de l’information sur les renseignements utilisés, les raisons et principaux facteurs ayant mené à la décision et son droit de faire rectifier les renseignements concernés. Elle doit également pouvoir présenter ses observations à une personne capable de réviser la décision.
La Commission d’accès à l’information rappelle elle aussi ces obligations dans son résumé des changements apportés par la Loi 25.
Une PME ne devrait donc pas interpréter l’arrivée des agents IA comme une invitation à automatiser sans distinction toutes ses décisions.
Attention aux autorisations accordées aux agents IA
Un agent ne peut normalement agir que par l’intermédiaire des outils et des systèmes auxquels il possède accès.
Ces permissions deviennent donc essentielles.
Un agent chargé de préparer des rapports pourrait avoir besoin de :
Lire les données : oui
Modifier les données : probablement pas
Supprimer une base de données : certainement pas
Une bonne approche consiste à appliquer le principe du moindre privilège : accorder uniquement les accès nécessaires à la tâche.
L’OWASP recommande notamment de limiter les outils disponibles aux agents, de distinguer les accès en lecture et en écriture et d’exiger une autorisation explicite pour certaines opérations sensibles.
Les agents IA peuvent se tromper
L’IA agentique n’élimine pas les limites des modèles d’intelligence artificielle.
Un agent peut notamment :
- mal interpréter une demande;
- utiliser une mauvaise information;
- produire une conclusion incorrecte;
- choisir un outil inadapté;
- répéter inutilement certaines actions;
- transmettre de l’information au mauvais endroit.
Le problème peut même être amplifié lorsqu’une erreur entraîne une autre action.
Un système qui génère une mauvaise réponse est problématique.
Un système qui génère une mauvaise réponse et l’utilise ensuite pour modifier trois autres systèmes l’est davantage.
C’est pourquoi les organisations doivent prévoir des limites, des journaux d’activité et des mécanismes permettant d’arrêter ou de vérifier les actions.
Les travaux récents de l’OWASP sur les agents IA mettent notamment en évidence les risques associés aux privilèges excessifs, aux actions à fort impact, à l’exfiltration de données et à une autonomie trop importante.
La confidentialité doit être prévue dès le départ
Un agent peut être appelé à consulter :
- des courriels;
- des documents internes;
- des dossiers clients;
- des systèmes financiers;
- des données commerciales;
- des renseignements personnels.
Avant de lui donner accès à une source, une entreprise devrait donc demander :
A-t-il réellement besoin de ces données?
Quelles informations peut-il lire?
Peut-il les modifier?
Où les données sont-elles traitées?
Les actions sont-elles consignées?
Qui peut consulter les résultats?
La sécurité d’un agent dépend donc autant de la configuration des accès que du modèle d’intelligence artificielle utilisé.
Pour approfondir cette question, consultez notre article sur la façon de sécuriser l’intelligence artificielle.
Quand ne devrait-on pas utiliser l’automatisation agentique?
Toutes les tâches ne gagnent pas à être confiées à un agent.
Une organisation devrait être particulièrement prudente lorsque :
- une erreur pourrait avoir des conséquences graves;
- la décision touche directement les droits ou les intérêts importants d’une personne;
- les données sont particulièrement sensibles;
- le processus demande beaucoup de jugement ou de contexte humain;
- les règles changent fréquemment;
- l’action est difficile à annuler;
- personne ne peut vérifier facilement si le résultat est correct.
Il peut parfois être préférable d’utiliser l’IA pour préparer la décision plutôt que pour la prendre.
Par exemple :
Agent IA : recueille les documents, extrait les données et prépare une synthèse.
Employé : vérifie l’information et prend la décision.
Cette répartition permet de bénéficier de l’automatisation tout en conservant une supervision adaptée.
Comment commencer avec l’IA agentique dans une PME?
Une entreprise n’a pas besoin d’automatiser un service complet dès le départ.
Une démarche progressive est généralement plus facile à contrôler.
1. Choisir un processus clair
Commencez par une tâche :
- fréquente;
- répétitive;
- relativement bien documentée;
- facile à vérifier;
- à faible risque.
2. Décomposer le processus
Identifiez chaque étape.
Quelles informations sont nécessaires?
Quels outils doivent être consultés?
Quelles actions doivent être réalisées?
3. Définir les autorisations
Décidez exactement ce que l’agent peut :
- lire;
- créer;
- modifier;
- transmettre;
- supprimer.
4. Définir les points d’approbation
Certaines actions peuvent être automatiques.
D’autres devraient exiger une validation humaine.
5. Tester sur un périmètre limité
Commencez avec quelques scénarios connus avant d’élargir l’utilisation.
6. Mesurer les résultats
Évaluez notamment :
- le temps économisé;
- le taux d’erreur;
- le nombre de corrections humaines;
- la satisfaction des utilisateurs;
- les coûts;
- les incidents ou problèmes rencontrés.
L’objectif n’est pas de mesurer uniquement combien de tâches l’agent peut accomplir, mais si son utilisation améliore réellement le processus.
L’IA agentique transforme progressivement l’automatisation en entreprise
Les outils traditionnels d’automatisation suivent généralement des règles prédéfinies.
Si A se produit, exécuter B.
L’IA agentique permet d’ajouter davantage d’analyse entre les différentes étapes.
Un agent peut interpréter une situation, choisir parmi plusieurs actions et adapter son parcours selon les résultats obtenus.
Cette capacité explique pourquoi les AI agents occupent une place croissante dans les discussions entourant l’intelligence artificielle en entreprise.
Elle ne signifie toutefois pas que les organisations devraient rechercher une autonomie maximale.
Dans de nombreux cas, la meilleure architecture sera plutôt :
IA pour analyser → outils pour agir → humain pour contrôler les moments importants.
Pour découvrir d’autres applications concrètes, consultez également notre article sur l’IA en entreprise.
Développez vos compétences en intelligence artificielle appliquée aux affaires
Comprendre l’IA agentique ne consiste pas seulement à apprendre à utiliser un nouvel outil.
Il faut aussi savoir analyser les processus, choisir les bonnes applications, gérer les données, déterminer les niveaux d’automatisation appropriés et mesurer les résultats obtenus.
Apprenez à évaluer, intégrer et utiliser l’intelligence artificielle dans un contexte organisationnel grâce à l’AEC en IA pour la gestion des affaires du Collège Cumberland.
FAQ
Qu’est-ce que l’IA agentique?
L’IA agentique désigne des systèmes d’intelligence artificielle capables de poursuivre un objectif en planifiant des actions, en utilisant des outils ou des ressources externes et en adaptant leurs prochaines étapes aux résultats obtenus. L’OQLF reconnaît « intelligence artificielle agentique » et « IA agentique » comme termes privilégiés.
Quelle est la différence entre un agent IA et un chatbot?
Un chatbot répond principalement aux demandes d’un utilisateur. Un agent IA peut aller plus loin en planifiant plusieurs étapes, en consultant des outils ou des sources autorisées et en effectuant différentes actions pour atteindre un objectif.
Comment les agents IA sont-ils utilisés en entreprise?
Les agents IA peuvent notamment aider à traiter des demandes, analyser des documents, préparer des rapports, rechercher de l’information, soutenir le service à la clientèle et coordonner certaines tâches administratives.
Les agents IA peuvent-ils prendre des décisions seuls?
Ils peuvent être configurés pour effectuer certaines décisions ou actions automatiquement, mais le degré d’autonomie devrait dépendre du niveau de risque. Les décisions sensibles, difficiles à renverser ou ayant des conséquences importantes peuvent nécessiter une approbation ou une révision humaine. Au Québec, des obligations particulières s’appliquent lorsqu’une entreprise rend une décision fondée exclusivement sur le traitement automatisé de renseignements personnels.
Quels processus peuvent être automatisés avec des agents IA?
Les processus répétitifs, clairement définis et faciles à vérifier constituent souvent de bons candidats. Cela peut inclure le classement de demandes, la collecte d’information, la préparation de rapports, l’analyse initiale de documents ou certaines tâches de coordination.
Quels sont les risques associés à l’IA agentique?
Parmi les risques figurent les erreurs, les autorisations excessives, l’exposition de renseignements confidentiels, l’utilisation incorrecte d’outils et l’exécution d’actions non souhaitées. L’OWASP recommande notamment de limiter les privilèges accordés aux agents et de conserver des mécanismes de contrôle pour les actions sensibles.
