Agent IA et ChatGPT : ce que ça sait vraiment faire

Depuis que les assistants conversationnels savent chercher sur le web, lire un document, exécuter du code et rendre un fichier propre, le mot « agent » s'est mis à circuler partout. On me montre régulièrement une conversation un peu outillée en me disant : voilà, j'ai un agent. La question qui suit est presque toujours la même, et elle est légitime : est-ce que ça suffit pour ce que j'ai à faire ?

Un assistant comme ChatGPT peut appeler des outils, chercher, analyser, exécuter du code et produire un livrable complet, mais il reste piloté tour par tour par un humain : c'est de l'IA outillée, pas un agent autonome. Un agent, lui, reçoit un objectif, boucle sans qu'on le relance, se corrige à partir de ce qu'il observe, et peut être déclenché par un événement plutôt que par une personne.

Ce qu'un assistant outillé fait déjà, et ce n'est pas rien

Je commence par là parce que le discours ambiant a pris un pli désagréable : dès qu'on pose la distinction, on finit par laisser entendre que l'assistant conversationnel serait un gadget. C'est faux, et c'est une erreur coûteuse pour qui décide. Un assistant capable d'appeler des outils fait un travail réel, mesurable, et dans beaucoup de situations c'est exactement le bon outil. Vous lui donnez quarante pages de contrat, il vous sort les clauses à risque. Vous lui donnez un export de ventes, il vous rend l'analyse et le graphique. Vous lui décrivez un script dont vous avez besoin, il l'écrit, l'exécute, voit qu'il plante, le corrige, et vous rend quelque chose qui tourne. Tout ça au sein d'une même conversation, pendant que vous êtes devant l'écran.

C'est déjà une boucle, d'ailleurs. Courte, mais une boucle : il agit, il observe le résultat de son outil, il ajuste. La différence avec ce que j'appelle un agent n'est donc pas binaire, c'est une question de longueur de laisse et de qui tient le bout. Si le sujet vous intéresse de plus près, j'ai détaillé ce qu'il y a dans le capot d'un agent : les outils, la boucle, et les trois couches qu'on confond systématiquement. Et pour comprendre pourquoi le moteur sous-jacent se trompe toujours de la même façon, le fonctionnement d'un LLM expliqué sans jargon vaut le détour avant toute décision d'outillage.

Où passe la limite, concrètement

Plutôt que de discuter des définitions, regardez le type de demande que vous avez réellement à traiter. C'est là que la frontière devient évidente, et elle ne passe pas du tout là où on l'imagine.

Les deux premières lignes sont les plus parlantes. Sur une tâche qui tient en quelques allers-retours, l'assistant fait le travail et vous gardez la main, ce qui est souvent préférable. Sur une tâche qui demande trente ou quarante étapes avec des impasses, des retours en arrière et des vérifications intermédiaires, le modèle sait techniquement quoi faire, mais c'est vous qui payez le coût de la relance : vous restez assis là, à taper « continue », à recoller les morceaux quand le fil se perd. Ce n'est pas un défaut de l'outil, c'est son format. Il est conçu pour une conversation, et une conversation suppose quelqu'un en face.

Le vrai coût est ailleurs : rien ne se souvient de votre projet

C'est le point que je vois sous-estimé partout, et de loin celui qui coûte le plus cher en entreprise. Une conversation se termine. Ce qui s'y est dit, décidé, écarté, les contraintes que vous avez patiemment expliquées, les trois raisons pour lesquelles l'option évidente ne marche pas chez vous : tout ça disparaît avec l'onglet. La session suivante repart d'une feuille blanche, et vous recommencez le briefing. Des fonctions de mémoire existent et s'améliorent, mais elles retiennent des préférences personnelles, pas la connaissance d'un projet partagée par une équipe.

Multipliez ça par le nombre de personnes qui, chez vous, racontent chacune de leur côté le même contexte à un assistant, avec des versions légèrement différentes de la vérité. Vous obtenez une organisation où la qualité du résultat dépend de qui tape le prompt et de ce qu'il a pensé à mentionner ce jour-là. Ce n'est pas un problème d'IA, c'est un problème ancien que l'IA rend soudain visible et mesurable.

La réponse honnête, la plupart du temps, c'est : dans la tête de trois personnes. Tant que c'est le cas, aucun outil ne vous sortira de là, parce qu'un modèle ne peut utiliser que ce qui lui est donné. La parade n'a rien de spectaculaire : écrire ce que le produit sait de lui-même, dans le dépôt, à côté du code, et le relire comme on relit du code. J'ai raconté comment je m'y prends et ce que ça produit, parce que c'est le chantier qui a le plus changé mes résultats, bien avant le choix du modèle.

Ce qui décide du résultat n'est pas l'outil

Je sais que ce n'est pas la réponse qu'on attend quand on compare des solutions, mais c'est ce que j'observe de façon assez constante : l'écart de productivité entre deux équipes tient à la méthode bien plus qu'à l'outil. Une équipe qui sait découper un problème, écrire une consigne non ambiguë, poser ses garde-fous et vérifier ce qui sort ira plus loin avec un outil moyen qu'une équipe sans méthode avec ce qui se fait de mieux. L'inverse ne se vérifie jamais. Cela veut dire que la question « est-ce que ChatGPT suffit ou est-ce qu'il me faut des agents » est souvent posée trop tôt, avant celle qui la précède : qu'est-ce qu'on cherche à faire disparaître du quotidien de l'équipe, et qu'est-ce qu'on est prêt à écrire pour y arriver ?

Par quoi commencer si vous êtes déjà équipé

Le plus raisonnable, si vos équipes utilisent déjà un assistant au quotidien, est de ne rien remplacer. Prenez plutôt une tâche qui revient, qui a un début et une fin claire, et qui fatigue tout le monde. Écrivez noir sur blanc ce qu'il faut savoir pour la mener à bien, y compris ce qui vous semble évident. Faites-la tourner d'abord en conversation, avec un humain qui relance. Si ce qui vous coûte, c'est de relancer, vous avez votre réponse, et le passage à un agent devient un sujet d'ingénierie, pas de croyance. Si ce qui vous coûte, c'est de réexpliquer le contexte, votre chantier n'est pas l'agent : c'est l'écrit.

Je n'ai pas d'avis définitif sur la durée de validité de tout ça, et je me méfie de ceux qui en ont. Les assistants gagnent de l'autonomie à chaque cycle, les agents gagnent en fiabilité, et la frontière que je décris ici bougera. Ce qui ne bougera pas, c'est que l'outil ne compense pas une consigne floue ni un projet qui ne sait pas se raconter. Le panorama complet est dans mon guide de l'IA agentique en entreprise, que je tiens à jour pour cette raison précise.