Exemples et notions d’IA agentique ne s’adresse pas aux informaticiens ni aux pratiquants de l’IA agentique.
Il vise à donner aux managers qui sont encore éloignés de cette IA les notions de base permettant de la comprendre.
On sait que c’est la troisième étape du développement de l’IA, après l’étape de l’IA initiale, outil de repérage d’un « objet » dans un ensemble hétéroclite et celle de l’IA générative outil de réponse à une question difficile que l’on se pose.
Dans cette dernière étape, l’IA agentique ressemble encore plus à l’intelligence humaine puisqu’il y a compréhension d’une situation, fixation d’un objectif et prise des mesures nécessaires ; le tout restant réalisé par des logiciels comme dans les étapes précédentes.
Pour commencer voici 7 exemples de mise en œuvre (fournis par Copilot. IA de Microsoft).
Puis on présentera les notions de base.
- Des exemples dans plusieurs domaines.
1.1. Un exemple très simple.
Imaginons recourir à la voiture sans chauffeur. On lui indique la destination et l’heure limite d’arrivée et l’IA agentique fait tout le reste de façon autonome : le choix de l’itinéraire, le respect des règles de circulation etc. en consultant les sources d’informations pertinentes (par exemple, GPS, plan de la ville, etc.).
1.2. Un exemple de préparation d’un déplacement professionnel.
Le manager fixe l’objectif suivant « Organise mon déplacement à Lyon mardi, avec une arrivée avant 9 h et un budget maximal de 300 €. »
L’IA agentique doit comprendre l’objectif et les contraintes puis chercher, de façon autonome, à réussir la mission (choix du train, des correspondances, de l’hôtel, des prix, etc.) en recourant de façon autonome aux outils nécessaires.
Après validation éventuelle par le manager, l’IA agentique fait les réservations et ajoute le déplacement à l’agenda.
1.3 Un exemple dans le domaine de la santé
Le médecin fixe l’objectif : « Aider ce patient à maintenir sa glycémie dans la plage définie par l’équipe soignante et signaler toute situation nécessitant une intervention. »
L’IA agentique réalise les opérations suivantes de façon autonome :
–recueille les données autorisées (mesures de glycémie, traitements prescrits, repas déclarés et activité physique) ;
–analyse leur évolution et détecte des valeurs inhabituelles ou des tendances répétées.
-Si nécessaire, il émet une alerte de vérifie qu’elle est suivie d’effets, etc.
L’IA agentique utilise donc le dossier du patient, les règles de suivi, la messagerie et l’agenda médical mais reste un outil d’assistance sans pouvoir sur les décisions médicales.
1.4. Un exemple en suivi de trésorerie d’entreprise.
Le manager fixe l’objectif : « Analyse la trésorerie et aide-moi à éviter un découvert dans les trois prochains mois. »
Si on recoure à l’IA générative ; on devrait poser une question sur la prévision de trésorerie, attendre la réponse ; reposer une question sur les causes et attendre la réponse, etc.
L’IA agentique réalise les opérations suivantes en autonomie :
–consulte automatiquement les données comptables et les échéances ;
-établit une prévision de trésorerie ;
–repère les factures clients en retard ;
–prépare des messages de relance adaptés ;
–alerte le responsable financier ;
–propose le report de certaines dépenses non urgentes ;
-met à jour ses prévisions lorsque de nouveaux paiements arrivent ;
–vérifie régulièrement si le risque de découvert diminue.
L’IA agentique analyse, utilise plusieurs outils, déclenche des actions autorisées et adapte son travail jusqu’à l’atteinte de l’objectif, sous le contrôle du responsable.
1.5. Exemple en ressources humaines.
Pour préparer l’intégration d’un nouveau salarié, le manager RH fixe l’objectif suivant : « Préparer l’arrivée d’un nouveau collaborateur lundi et veiller à ce qu’il dispose de toutes les informations et de tous les accès nécessaires. »
Sous le contrôle du service RH, l’IA peut :
–consulter les informations relatives aux nouvel arrivant dans le système RH ;
–créer automatiquement les demandes de matériel et d’accès informatique ;
–planifier les rendez-vous d’accueil avec le manager et les interlocuteurs concernés ;
–envoyer les documents administratifs à compléter ;
–personnaliser le parcours d’intégration selon le poste ;
–vérifier que les accès et le matériel sont prêts avant l’arrivée ;
–relancer les responsables en cas de retard ;
–recueillir les retours du salarié après quelques jours et adapter la suite du parcours.
Ainsi, l’IA agentique coordonne plusieurs outils, suit l’avancement et déclenche des actions autorisées pour atteindre l’objectif, le tout sous le contrôle du responsable.
1.6 Exemple d’optimisation d’une campagne publicitaire
Le manager fixe l’objectif suivant : « Augmenter les ventes de 10 % en quatre semaines, avec un budget maximal de 30 000 € et un coût d’acquisition inférieur à 40 €. »
L’agent d’IA se connecte aux plateformes publicitaires, au site marchand, à l’outil d’analyse des ventes et au catalogue de produits. Puis il réalise les opérations suivantes :
–observer : il suit les impressions, clics, conversions, dépenses, marge et coût d’acquisition par canal, audience et annonce ;
–diagnostiquer : il repère qu’une annonce consomme beaucoup de budget sans générer suffisamment de ventes, tandis qu’une autre obtient de meilleurs résultats ;
–décider : dans les limites fixées, il réduit le budget de la première annonce et le réaffecte à la seconde ;
–expérimenter : il crée plusieurs variantes de texte ou de visuel, lance un test A/B et mesure leurs performances ;
–adapter le ciblage : il exclut les audiences peu rentables et renforce les segments qui se convertissent le mieux ;
–vérifier : il mesure l’effet de chaque modification et peut revenir à la configuration précédente si les résultats se dégradent ;
–rendre compte : il fournit au responsable marketing un tableau de bord et une justification des décisions prises.
Ce qui rend cette IA agentique très performante, ce n’est pas seulement l’analyse des données ou la création d’annonces : elle poursuit un objectif, utilise plusieurs outils, prend des mesures autorisées, contrôle leurs effets et adapte continuellement sa stratégie. Les ajustements importants restent soumis à validation humaine.
1.7. Exemple de gestion agentique des réclamations et des retours de produits
La manager fixe l’objectif suivant : « Traiter les réclamations et les retours en moins de 24 heures, réduire les coûts de gestion et préserver la satisfaction du client, dans le respect de la politique commerciale. »
L’agent est connecté au service client, au système de commandes, à la gestion des stocks, au système de paiement et aux transporteurs.
Il procède aux opérations suivantes :
–Comprendre la demande : un client signale qu’il a reçu un article différent de celui commandé. L’agent identifie le client, le numéro de commande, le produit concerné et le motif de la réclamation ;
–Vérifier la situation : il consulte la commande, l’historique de livraison, la disponibilité du bon produit et les règles de retour applicables ;
-Choisir une solution : selon les règles de l’entreprise, il propose au client un échange, un remboursement ou un avoir ;
–Exécuter les actions autorisées : si le client choisit l’échange, l’agent réserve le bon article, crée une nouvelle expédition, génère l’étiquette de retour et envoie les instructions au client.
-Suivre le dossier : il surveille l’acheminement du produit retourné et du produit de remplacement, puis informe automatiquement le client à chaque étape ;
-Traiter le remboursement : lorsque le retour est enregistré ou contrôlé, il déclenche le remboursement selon les règles définies et met à jour le dossier client ainsi que le stock ;
-Détecter les anomalies : si le montant est élevé, si les retours sont anormalement fréquents ou si le produit présente un risque particulier, il transmet le dossier à un conseiller humain avec une synthèse et des solutions proposées.
-Améliorer le processus : il analyse régulièrement les motifs de retour. S’il constate qu’un produit est souvent retourné pour une taille incorrecte ou une description imprécise, il alerte les responsables et propose de modifier la fiche produit.
Alors qu’un chatbot classique se limiterait à indiquer la procédure de retour à suivre, l’IA agentique traite complètement le problème et de manière autonome, sous le contrôle du manager.
- Notions de base.
2.1. Les caractéristiques.
On a compris que l’IA agentique prend en charge et automatise un processus de décision ; elle présente les caractéristiques suivantes :
–Autonomie : capacité de fonctionner sans interaction humaine continue.
–Comportement orienté vers un objectif qui lui est donné.
–Adaptabilité : capacité d’analyser une situation et de fixer t tirer les leçons des interactions passées.
–Interopérabilité : Capacité à utiliser différentes sources de données, outils et plateformes pour améliorer la prise de décision.
C’est ce qu’illustre le schéma ci-dessous
L’IA « repérage » ou l’IA générative sont conçues pour réaliser des tâches spécifiques basées sur des règles prédéfinies ou des données de formation. Ces modèles analysent les données d’entrée et renvoient des données de sortie, mais ne prennent pas de décisions indépendantes de leur programmation.
L’IA agentique dépasse ce stade en planifiant, en s’adaptant et en prenant des décisions en temps réel. Elle peut interagir avec plusieurs systèmes, utiliser des outils externes et même affiner ses propres objectifs. Elle peut initier des tâches, tirer des enseignements du retour d’information et s’auto-améliorer mais dans tous les cas reste sous le contrôle du responsable.
2.2. Un ensemble de modèles (LLM)
Dans la plupart des cas, un système d’IA agentique n’est pas un LLM fonctionnant seul, mais un ensemble de modèles interagissant les uns avec les autres.
NB : un LMM (Large Language Model, ou grand modèle de langage en français) est un programme informatique entrainé sur des milliards de textes (livres, articles, sites web, forums) pour apprendre les structures du langage humain. Il ne “comprend” pas le texte au sens humain du terme, mais il est capable de prédire la suite la plus probable d’une phrase, ce qui lui permet de générer des réponses cohérentes et utiles.
Par exemple, un modèle peut agir comme un gestionnaire de tâches, décomposant les problèmes complexes et distribuant les sous-tâches à d’autres modèles. Ces sous-modèles accomplissent ensuite le travail qui leur a été confié et transmettent leurs résultats au gestionnaire de tâches pour évaluation et intégration.
Les tâches peuvent être exécutées en parallèle, ce qui rend le système plus réactif.
2.3. Recours à des outils externes.
Pour fonctionner l’IA agentique doit avoir accès à des outils externes. Il peut s’agir d’API pour l’extraction de données du monde réel, de bases de données pour le stockage d’informations, ou même de systèmes de fichiers pour la lecture et l’écriture de documents.
NB : Une API (Application Programming Interface) est un ensemble de protocoles permettant à différentes applications de communiquer et d’échanger des données. Cette interface sert d’intermédiaire entre systèmes informatiques distincts, facilitant l’intégration et l’automatisation des processus métier.
2.4. Application dans des domaines divers.
L’IA agentique est ou deviendra utile dans un large éventail de secteurs et des entreprises l’ont déjà adoptée.
- Les avantages et dangers de l’IA agentique
3.1. Les avantages
Elle peut aider les humains à s’affranchir des tâches routinières pour se concentrer sur des tâches de plus haut niveau intellectuel, comme l’ont fait les calculatrices pour les calculs ou les ordinateurs pour le traitement des textes ou des données numériques.
Si les professionnels sont libérés des tâches répétitives ; ils peuvent se consacrer aux problèmes complexes.
Et le recours aux experts étant rendu moins nécessaire grâce à l’IA agentique, des petites équipes ou des personnes peuvent traiter seuls des problèmes qui leur étaient hors de portée auparavant.
3.2. Les dangers de l’IA agentique
-Sur les plans éthique et réglementaire.
L’IA peut prendre des décisions autonomes affectant la vie des êtres humains et, éventuellement, provoquer des dommages involontaires. Tant que les moyens d’éviter cela ne seront pas disponibles, il faut limiter l’IA agentique à des rôles d’assistant.
-Sur le plan de l’emploi.
L’IA agentique a le potentiel d’automatiser les tâches routinières mais aussi celui de supprimer des emplois ou des recrutements, comme l’ont fait toutes les innovations.
-Sur le plan de la transparence de ce qui est fait.
A mesure que l’IA agentique se complexifie, il devient de plus en plus difficile de comprendre ses processus de prise de décision, en particulier les fondements de ses décisions qui entraînent des conséquences importantes sur les personnes ou les entreprises.
Sources ; Copilot et https://www.datacamp.com/fr/blog/agentic-ai
Autres articles sur le même thème :
https://outilspourdiriger.fr/des-innovations-dia-a-venir/
https://outilspourdiriger.fr/lia-generative-supplante-le-referencement/
https://outilspourdiriger.fr/lapprentissage-automatique-supervise-ia/
Aucune reproduction ne peut être faite de cet article sans l’autorisation expresse de l’auteur A. Uzan. 4/10/2026