Qu'est-ce qu'un agent IA ? Ce qu'il y a dans le capot

Tout le monde a vu passer le mot. Peu de gens savent ce qu'il y a dedans, et c'est gênant au moment de décider si on en met dans son équipe. La confusion vient de ce que « agent IA » désigne à la fois un concept simple et une mécanique qui l'est beaucoup moins.

Un agent IA, c'est un modèle de langage équipé d'outils (lire un fichier, lancer une commande, appeler une API, exécuter des tests) et d'une boucle : il agit, observe le résultat, ajuste, et recommence jusqu'à atteindre l'objectif qu'on lui a fixé. C'est cette boucle qui fait toute la différence avec l'IA que vous connaissez, celle qui répond à une question et s'arrête là.

Trois choses qu'un chatbot n'a pas

La distinction n'est pas une affaire de puissance du modèle. Un agent et un chatbot peuvent tourner sur exactement le même moteur. Ce qui change, c'est ce qu'on a branché autour.

Le premier écart, ce sont les outils. Un chatbot produit du texte ; un agent peut agir sur le monde. Il écrit dans un fichier, il interroge une base, il ouvre une pull request, il envoie un message. Chaque outil est une porte qu'on lui ouvre explicitement, et c'est vous qui décidez lesquelles.

Le deuxième, c'est la boucle. Un chatbot répond une fois. Un agent reçoit un objectif, tente quelque chose, lit ce qui s'est passé, et recommence en tenant compte du résultat. Cette capacité à se corriger sans qu'on lui tienne la main est ce qui lui permet de traiter une tâche en trente étapes au lieu d'une. C'est aussi ce qui le rend imprévisible si on ne l'encadre pas, et j'y reviens plus bas.

Le troisième, c'est l'orchestration. Un agent mûr ne fait pas tout lui-même : il délègue à des spécialistes. Sur mes propres projets, je fais tourner une petite équipe de sous-agents dédiés : un pour la sécurité, un pour le SEO, un pour la relecture produit, chacun avec son contexte propre. L'agent principal distribue et rassemble. Pour comprendre pourquoi le moteur sous-jacent n'invente rien et ne fait que prédire, j'ai détaillé le fonctionnement des LLM dans un article dédié : cette mécanique est ce qui sépare un usage naïf d'un usage maîtrisé.

Ce n'est pas toujours un humain qui le déclenche

Voilà le point qui manque dans presque toutes les définitions que vous lirez, et c'est celui qui change la nature de l'objet. On imagine un agent comme une conversation un peu plus longue : vous demandez, il exécute, vous validez. C'est le cas le plus visible, pas le plus intéressant.

Un agent peut être déclenché par une horloge, par une notification, par un événement dans votre système, ou par un autre agent. Mon astreinte d'infrastructure fonctionne comme ça : personne ne lui parle. Une alerte arrive sur un canal, l'agent se réveille, diagnostique, corrige ce qui est réparable sans risque, et laisse un rapport. Je lis le rapport le matin. J'ai raconté comment cette astreinte est montée et ce qu'elle a le droit de faire, parce que les garde-fous y comptent plus que l'intelligence.

Cette bascule a une conséquence très concrète pour qui décide : un agent n'est pas un outil que vos équipes utilisent, c'est un dispositif qui tourne. On ne l'évalue pas comme un logiciel de bureau, on l'évalue comme un processus, avec ses déclencheurs, ses permissions, ses traces et ses responsabilités.

Dans le capot : l'agent, le contexte, la mémoire

Quand on ouvre l'objet, on trouve trois couches emboîtées, et elles ne se valent pas.

L'agent lui-même est la couche la plus mince : un objectif, une liste d'outils autorisés, une boucle, et des limites : combien d'étapes, quel budget, quand il doit s'arrêter et demander. C'est la partie que tout le monde configure et celle qui pose le moins de problèmes.

Le contexte est ce que l'agent a sous les yeux au moment d'agir : la tâche, les fichiers pertinents, les contraintes, les exemples de ce qu'on attend. C'est une ressource rare et c'est là que se joue la qualité du résultat. Deux heures passées à structurer le contexte font gagner trois jours d'exécution ; l'inverse n'est jamais vrai.

La mémoire est la couche dont personne ne parle et c'est la seule qui décide vraiment. Un agent sans mémoire repart de zéro à chaque réveil : il repose les mêmes questions, reprend les mêmes mauvaises décisions, ignore les arbitrages rendus six mois plus tôt. Un agent avec mémoire hérite de ce que le projet sait de lui-même.

La mémoire est le vrai sujet

Posez-vous la question suivante, elle est plus dérangeante qu'elle n'en a l'air : ce que votre projet sait de lui-même, il est écrit où ?

Le paysage concurrentiel, les raisons derrière vos choix d'architecture, ce que vous vendez et à quel prix, qui arrive dans l'équipe et dans quel ordre, les décisions qu'on a prises et surtout celles qu'on a écartées. Dans la plupart des organisations, rien de tout ça n'est écrit. Ça vit dans la tête de trois ou quatre personnes, et ça part avec elles.

Ce n'est pas un problème nouveau et ce n'est pas un problème d'IA. Mais les agents le rendent soudain mesurable, parce qu'un agent ne peut utiliser que ce qui est écrit. C'est pour ça que mon premier chantier chez un client n'est presque jamais technique : il consiste à écrire ce que le projet sait, dans le dépôt, à côté du code. Ça sert aux agents. Ça sert surtout aux humains qui arrivent.

Le rôle qui porte ce travail est en train de se définir, et il ne ressemble pas au Product Owner classique : le PO technique vient de l'engineering, comprend l'architecture, et écrit des spécifications qu'un agent peut exécuter sans ambiguïté.

Ce que ça change pour qui décide

Si vous dirigez une équipe tech ou produit, trois conséquences méritent votre attention plus que le choix de l'outil.

La première : l'écart de productivité entre deux équipes équipées du même agent dépend du process, pas du modèle. Une équipe avec une bonne méthode et un outil moyen ira plus loin qu'une équipe sans méthode avec le meilleur outil du marché. La seconde : l'adhésion de vos développeurs seniors n'est pas un prérequis, c'est un résultat, et elle vient d'un premier livrable, pas d'une démonstration. La troisième : ce qui bloque un déploiement est presque toujours organisationnel, jamais technique.

Si vous voulez le panorama complet (les trois niveaux d'usage, la méthode de déploiement, le détail du retour sur investissement et ce qui a changé ces derniers mois), le guide de l'IA agentique en entreprise rassemble tout au même endroit, et je le tiens à jour.