L'IA agentique (ou agents d'IA générative autonomes) désigne des solutions logicielles conçues pour accomplir des tâches complexes et atteindre des objectifs avec peu, voire aucune, supervision humaine. Cette nouvelle génération d'intelligence artificielle marque un tournant majeur dans notre rapport à la technologie : là où les IA traditionnelles répondent à des commandes, l'IA agentique initie des actions, planifie, s'adapte et peut même agir sans intervention humaine immédiate.

Deloitte prévoit qu'en 2025, 25 % des entreprises utilisant l'IA générative lanceront des projets pilotes ou des preuves de concept d'IA agentique, et ce chiffre atteindra 50 % en 2027.

Les systèmes d'IA classiques fonctionnent sur un modèle réactif : ils attendent une instruction de l'utilisateur pour agir. C'est le cas des :

• Chatbots simples : répondent uniquement aux questions posées
• Systèmes de recommandation : proposent des contenus en fonction de l'historique
• Modèles prédictifs : analysent des données selon des règles prédéfinies

Exemple : Un modèle de classification d'images qui identifie des chats ou des chiens quand on lui soumet une photo.

Limites : Ces systèmes ne peuvent pas prendre d'initiatives, ne s'adaptent pas seuls et nécessitent une intervention humaine constante.

Cette catégorie intermédiaire représente ce que nous connaissons avec ChatGPT, Claude, Gemini ou Mistral dans leurs versions actuelles. Ces interfaces permettent à l'IA d'accéder à des outils externes pour enrichir ses réponses.

Caractéristiques :

• L'utilisateur donne une instruction
• L'IA peut appeler des outils (recherche web, calculatrice, génération d'images, code)
• L'IA retourne un résultat enrichi
• Chaque action nécessite une validation ou une nouvelle instruction humaine

Exemple concret : Vous demandez à Claude “Trouve-moi les derniers articles sur l'IA agentique”. Claude utilise son outil de recherche web, récupère les résultats, et vous les présente. Mais il attend votre prochaine instruction pour aller plus loin.

Cas d'usage typiques :

• Recherche d'informations avec synthèse
• Génération de code avec exécution
• Analyse de documents
• Création de contenu multimédia

Limite principale : L'humain reste dans la boucle pour chaque étape. L'IA ne peut pas enchaîner plusieurs actions de manière autonome vers un objectif final.

Un agent IA est un système informatique capable de percevoir son environnement, de traiter des informations et d'agir en fonction d'objectifs précis de manière autonome ou semi-autonome.

Caractéristiques clés :

Autonomie : capacité d'agir sans intervention humaine continue, en prenant des décisions en fonction des données disponibles.

Adaptation : ajustement aux changements de l'environnement et apprentissage continu des interactions pour améliorer les performances.

Raisonnement : analyse des informations pour résoudre des problèmes complexes et prendre des décisions éclairées.

Interaction : communication efficace avec les utilisateurs et d'autres systèmes.

Personnalisation : grâce à l'apprentissage continu, les agents offrent des réponses et solutions adaptées aux besoins spécifiques de chaque utilisateur.

Exemple concret : Vous dites à un agent IA “Organise-moi un week-end à Lyon avec un budget de 500€”. L'agent va :

1. Chercher des vols ou trains dans votre budget
2. Réserver un hôtel adapté
3. Planifier des activités selon vos centres d'intérêt
4. Créer un itinéraire optimisé
5. Effectuer les réservations nécessaires
6. Vous envoyer un récapitulatif complet

Le tout sans que vous ayez à valider chaque étape.

Un agent IA fonctionne comme un cerveau numérique en quatre temps :

L'agent observe et collecte les informations de son environnement : emails entrants, messages clients, données CRM ou fichiers transmis. Cette phase de perception lui permet de comprendre le contexte dans lequel il doit intervenir.

L'agent analyse ces informations grâce aux modèles de langage qui lui servent de moteur de raisonnement. Il compare les données reçues avec sa base de connaissances, identifie les patterns et détermine la meilleure action selon les objectifs fixés.

L'agent passe à l'exécution de manière autonome : il rédige une réponse personnalisée, met à jour une base de données, programme un rendez-vous ou déclenche un workflow complexe impliquant plusieurs outils.

L'agent ajuste ses comportements futurs en fonction des résultats obtenus et des retours reçus.

En 2025, les agents IA sont largement adoptés dans divers secteurs :

• Assistance 24/7 : agents spécialisés qui traitent les demandes clients, optimisent les ventes et fournissent une assistance personnalisée
• Gestion des litiges : suivi automatique des réclamations avec escalade aux humains si nécessaire

• Automatisation du tri des CV, rédaction d'offres d'emploi et évaluation des candidats
• Planification d'entretiens et coordination avec les candidats
• Onboarding automatisé des nouveaux employés

• Gestion des stocks et approvisionnement : prédiction des ventes, gestion des stocks et passage automatique des commandes pour éviter les ruptures
• Optimisation logistique : planification des itinéraires de livraison les plus efficaces et gestion de flottes de véhicules autonomes

• Gestion autonome de portefeuilles, suivi proactif des anomalies de paiement, assistance à la souscription
• Analyse de risques et détection de fraudes en temps réel

• Personnalisation : recommandation de produits sur mesure et guidage des acheteurs tout au long du processus d'achats
• Gestion automatisée des retours et des remboursements

En 2025, les systèmes multi-agents supplanteront les applications isolées, relevant des défis complexes impliquant plusieurs disciplines.

La tendance 2025, c'est l'orchestration d'équipes d'agents spécialisés (multi-agent systems) capables de s'attribuer des rôles, de négocier entre eux, voire de challenger les choix des autres agents pour optimiser le résultat global.

Plateformes d'orchestration :

• OpenAI Team Agents
• CrewAI
• MetaGPT

Exemple : Dans le secteur industriel, un premier agent surveille l'état des équipements, un second détecte les défaillances, un troisième coordonne les interventions, et un quatrième gère la logistique des pièces de rechange.

Une évolution majeure marque l'année 2025 : les agents IA peuvent désormais effectuer des paiements de manière autonome.

Le 29 avril 2025, Mastercard a lancé Agent Pay, une technologie qui révolutionne le domaine des paiements. Basée sur l'intelligence artificielle agentique, cette innovation rend possible pour les utilisateurs le recours à des agents autonomes effectuant des achats en ligne de façon personnalisée et sécurisée.

Fonctionnement :

1. L'utilisateur définit des règles : plafond de dépense, types d'achats autorisés, fréquence
2. L'agent IA valide que ces paramètres sont respectés
3. Les paiements sont initiés automatiquement selon ces conditions

La tokenisation permet d'apporter une solution plus sécurisée en protégeant les données sensibles des paiements qui sont remplacées par un identifiant unique, appelé token.

Présenté lors du Visa Global Product Drop, Visa Intelligent Commerce permet à l'IA d'acheter de manière autonome pour les consommateurs. Cette initiative ouvre le réseau de paiement de Visa aux développeurs et ingénieurs qui construisent les agents d'IA transformant le commerce.

Les consommateurs peuvent définir facilement des conditions à l'achat et des limites de dépenses, fournissant des directives claires pour les transactions des agents.

Partenaires technologiques : Anthropic, IBM, Microsoft, Mistral AI, OpenAI, Perplexity, Samsung, Stripe.

Le Protocole de Commerce Agentique d'OpenAI est un ensemble de règles qui permettent aux agents IA (comme ChatGPT), aux entreprises et aux processeurs de paiement de communiquer entre eux de manière sécurisée pour réaliser une vente.

Sécurité : OpenAI ne voit jamais les détails bruts de la carte de crédit. Il génère une demande de paiement unique qu'un fournisseur de paiement (comme Stripe) convertit en un jeton sécurisé à usage unique.

• Amazon teste un nouveau bouton “Acheter pour moi” permettant d'automatiser le processus d'achat
• PayPal, via la technologie de Perplexity, facilite les transactions réalisées par des agents autonomes
• Ant International a introduit Antom EasySafePay, une solution de paiement agentielle open-source disponible sur GitHub

Concernant la responsabilité juridique en cas d'erreurs ou de fraudes, la réglementation reste floue et pourrait compliquer la résolution de litiges. Qui serait responsable si l'agent IA effectuait un paiement frauduleux ou erroné ?

La prise de décision de manière autonome par l'IA peut comporter des biais, et conduire à des erreurs décisionnelles. En cas d'apprentissage incomplet ou de mauvais développement, des achats non autorisés ou non souhaités pourraient avoir lieu.

Les modèles traditionnels de détection de fraude, basés sur le comportement humain, peinent à identifier les transactions initiées par des agents autonomes. Les paiements automatisés, bien qu'autorisés, peuvent masquer l'intention réelle de l'utilisateur.

L'autonomie croissante des agents IA comporte des risques spécifiques : les erreurs (les fameuses “hallucinations”), le manque de coordination ou les dérives éthiques. Une gouvernance renforcée s'impose ainsi qu'une supervision humaine systématique (human-in-the-loop) des “super-agents” orchestrateurs.

Dès 2028, les agents IA pourraient assumer jusqu'à 15 % des décisions quotidiennes dans les entreprises. Cette délégation implique un changement profond du rôle de manager.

Les réglementations telles que le RGPD en Europe imposent des contraintes strictes sur la gestion des données personnelles, affectant l'utilisation des agents d'IA qui doivent garantir la confidentialité, limiter l'accès non autorisé et assurer la conformité avec le consentement des utilisateurs.

L'essor des agents IA autonomes nécessite d'importantes ressources computationnelles, soulevant des questions quant à l'empreinte énergétique des datacenters.

Les entreprises doivent équilibrer les risques et les avantages : lorsqu'elles commencent à utiliser l'IA agentique, elles doivent évaluer le niveau d'autonomie et l'accès aux données qu'elles accordent à ces agents. Des cas d'usage à faible risque, impliquant des données non critiques et une supervision humaine, peuvent permettre de renforcer la gestion des données, la cybersécurité et la gouvernance.

Approche progressive :

1. Phase 1 : Cas d'usage à faible risque avec supervision humaine forte
2. Phase 2 : Renforcement de la gouvernance et de la sécurité
3. Phase 3 : Déploiement sur des cas à forte valeur ajoutée avec autonomie accrue

Expérimentez sur des cas d'usage ciblés avant de déployer à grande échelle.

Compétences à développer :

Pour les talents IT et digitaux, comprendre et manipuler l'IA agentique devient un atout différenciant. Ce n'est plus seulement du prompt engineering, mais une compétence d'orchestration : concevoir des workflows multi-agents, définir des garde-fous et seuils de contrôle, connecter des APIs pour enrichir les capacités des agents.

Postes émergents :

• Product Owner IA
• Architecte AI
• Automation Lead
• Chef d'orchestre d'agents

Selon une enquête conduite par Cloudera auprès de 1 484 responsables informatiques dans 14 pays, 96 % des organisations prévoient d'accroître leur utilisation des agents d'IA au cours des 12 prochains mois.

57 % des entreprises ont introduit les agents IA au cours des deux dernières années.

Modes de déploiement :

66 % développent leurs agents sur des plateformes d'infrastructure IA dédiées, garantissant sécurité et évolutivité. 60 % préfèrent l'intégration dans leurs applications métiers existantes.

Avantages perçus :

Amélioration des performances des modèles GenAI existants (81 %), meilleur support client (78 %), automatisation renforcée (71 %) et analyse prédictive plus fine (57 %).

Freins à l'adoption :

L'intégration avec les systèmes existants (40 %) et les coûts de mise en œuvre (39 %).

Certains experts restent sceptiques. Marina Danilevsky d'IBM questionne : “J'ai encore du mal à croire que c'est si différent de l'orchestration. Vous avez renommé l'orchestration, mais maintenant on l'appelle des agents, parce que c'est le mot le plus cool. Mais l'orchestration est quelque chose que nous faisons en programmation depuis toujours”.

La distinction se fait entre l'idée actuelle du marché des agents (LLM avec appel de fonctions) et des agents véritablement autonomes. Créer des agents capables de gérer de manière autonome des prises de décision complexes ne se limitera pas à de meilleurs algorithmes. Nous aurons besoin de grandes avancées en matière de raisonnement contextuel et de tests pour détecter les cas extrêmes.

L'IA agentique représente une rupture fondamentale dans notre utilisation de l'intelligence artificielle. L'émergence des agents autonomes en 2025 représente une opportunité majeure pour les entreprises. Ces technologies offrent une manière de résoudre des problèmes complexes à grande échelle, mais elles exigent une réflexion profonde sur les interactions entre IA et humains.

Si l'IA agentique promet de transformer l'entreprise, elle appelle aussi les professionnels du digital à revoir leur posture : devenir “chef d'orchestre” d'équipes hybrides (humains + agents) et adopter une culture d'expérimentation et d'apprentissage continu.

La question centrale reste : quel degré d'autonomie accorder aux agents IA ? Les entreprises doivent anticiper dès aujourd'hui des mécanismes de supervision précis, centralisés et décentralisés, pour éviter que l'autonomie des agents ne génère des actions indésirables ou incontrôlables.

Articles de référence :

• Deloitte - L'IA agentique transformera la productivité des entreprises
• IBM - Agents IA en 2025 : attentes et réalité
• ActuIA - 2025 : l'année de la maturité pour les agents d'IA d'entreprise

Solutions et outils :

• CrewAI - Orchestration d'agents IA
• LangChain - Framework pour applications LLM
• Anthropic Claude - Assistant IA avec capacités agentiques

Actualités paiements :

• Visa Intelligent Commerce
• Mastercard Agent Pay
• OpenAI Agentic Commerce Protocol