Agent IA : définition, différence avec un assistant ou un bot

Ce qu’un agent IA fait de plus qu’un assistant ou un robot de conversation

Un agent IA est un système logiciel qui utilise l’IA pour atteindre un objectif à votre place. Google Cloud, dans sa page de référence, retient trois marqueurs : raisonnement, planification et mémoire. La page ajoute « un certain niveau d’autonomie pour prendre des décisions ». Cette définition reste large. Pour une entreprise, une version plus opérationnelle suffit. L’agent choisit la prochaine étape et l’exécute, dans un cadre que vous avez fixé.

Un assistant IA travaille autrement. Il comprend votre demande, propose une réponse ou une action, puis attend votre validation. Vous restez le décideur à chaque étape. C’est le cas d’un outil qui rédige un brouillon d’e-mail ou résume un document. Notre guide sur les assistants IA détaille ces usages courants.

La frontière n’est pas étanche. Google Cloud présente d’ailleurs les assistants comme des agents « conçus sous forme d’applications ou de produits ». Ils collaborent directement avec une personne. Le critère qui compte reste le même : l’assistant « peut recommander des actions, mais c’est l’utilisateur qui prend les décisions ». Dès que l’outil décide et agit seul, vous avez un agent.

Un bot conversationnel, ou robot de conversation, suit un scénario écrit à l’avance. Il reconnaît des mots-clés ou des boutons, puis renvoie la réponse prévue. Il n’apprend pas et ne sort pas de son arbre de décision. Utile pour une FAQ, il devient insuffisant dès qu’une situation n’a pas été anticipée.

La différence agent IA / assistant IA se lit donc sur trois questions. Que reçoit l’outil ? Qui décide ? Qui exécute ? Le tableau ci-dessous les applique aux trois familles. Il suffit le plus souvent pour savoir si l’outil que vous utilisez déjà est un agent IA, ou non.

Bot, assistant, agent : trois niveaux de délégation

Plutôt que trois technologies, voyez trois niveaux de délégation. Avec un bot, vous déléguez un script. Avec un assistant, vous déléguez la préparation, mais gardez la décision. Avec un agent, vous déléguez la décision et l’action à l’intérieur d’un périmètre. Cette lecture évite un contresens fréquent sur la question agent IA vs bot. Un bot qui utilise un grand modèle de langage (LLM) pour mieux formuler reste un bot, s’il ne décide de rien.

Prenez une demande de devis reçue par e-mail. Le bot envoie un accusé de réception. L’assistant prépare une réponse, puis vous cliquez sur « envoyer ». L’agent qualifie la demande, crée la fiche dans le CRM et propose un créneau. Il envoie la réponse, puis signale les cas qui sortent de son périmètre. Même point de départ, trois niveaux d’autonomie de décision.

Ce qui permet à l’agent d’agir s’appelle l’orchestration d’outils. Concrètement, l’agent dispose d’une liste de fonctions qu’il peut appeler : lire une fiche client, chercher dans l’agenda, envoyer un message. À chaque étape, il choisit la fonction utile et l’exécute. Votre CRM, votre messagerie et votre outil de facturation deviennent ses mains. Sans cette liste d’outils, il ne peut que rédiger, comme un assistant.

Cette autonomie se mesure à ce que l’outil peut faire sans vous solliciter. Elle n’est jamais totale : le périmètre, les outils accessibles et les cas à remonter sont définis par vous. Un agent IA autonome sans limite écrite n’est pas un objectif, c’est un risque.

Comment un agent IA travaille : objectif, plan, outils, action, contrôle

Un agent tourne en boucle sur cinq étapes. Il reçoit un objectif avec un critère de réussite. Il construit un plan : le LLM découpe l’objectif en étapes. Il choisit des outils : lire une fiche CRM, interroger une API, envoyer un e-mail. Il exécute une action. Puis il contrôle le résultat et décide de continuer, de s’arrêter ou de vous alerter.

Google Cloud décrit les composants d’un agent en quatre blocs : un persona, une mémoire, des outils et un modèle. Le persona regroupe le rôle et les instructions. Le LLM joue le rôle de « cerveau » : il comprend, raisonne et rédige. Les outils agissent sur vos systèmes. Le choix du modèle influe sur le coût et la fiabilité. Notre comparatif des modèles IA donne des repères pour ce choix.

La mémoire mérite une explication simple. La mémoire à court terme contient la tâche en cours : l’e-mail lu, les étapes déjà faites. La mémoire à long terme conserve des informations d’une exécution à l’autre : un client déjà relancé, une règle apprise. Sans mémoire à long terme, l’agent repart de zéro à chaque déclenchement. C’est parfois souhaitable, car plus simple à contrôler.

Les instructions données à l’agent restent un prompt. Elles demandent la même rigueur qu’une consigne ordinaire : rôle, matière, format et critère de refus. La trame de notre article sur le prompt IA en entreprise s’applique telle quelle. L’étape de contrôle distingue un agent utilisable d’un agent dangereux. Sans elle, une erreur de plan se propage à toutes les actions suivantes.

Les types d’agents IA utiles à une entreprise

Plusieurs classifications coexistent. Google Cloud précise lui-même qu’il « existe différentes définitions des types et des catégories d’agents ». Deux axes suffisent pour une décision d’entreprise. Le premier est le mode d’interaction. Un agent conversationnel est déclenché par la demande d’une personne. Un agent d’arrière-plan est déclenché par un événement et enchaîne des tâches sans intervention. Le second axe est le nombre d’agents : un agent unique, ou un système multi-agents où chacun tient un rôle.

Un troisième axe, plus pratique, est le niveau d’autonomie accordé. Certains agents proposent seulement. D’autres agissent après validation. D’autres agissent et rendent compte. Ce niveau se règle par l’accès aux outils : lecture seule, écriture sur validation, ou écriture directe. Il peut évoluer au fil des semaines, à mesure que vous relisez les journaux d’actions.

Un système multi-agents répartit le travail : un agent collecte, un autre vérifie, un troisième rédige. Il convient aux processus longs, mais il est plus difficile à tester et à déboguer. Pour un premier projet, un agent unique sur une tâche étroite reste le choix le plus sûr.

Un dernier point de vocabulaire. On parle de prise de décision automatisée quand l’agent tranche seul un cas qui concerne une personne. Accorder un remboursement ou classer une candidature en sont des exemples. Ces décisions appellent une attention particulière, à la fois pour la relation client et pour le cadre légal abordé plus bas.

Cas d’usage entreprise : où un agent vaut mieux qu’un assistant

Un agent IA entreprise se justifie quand quatre conditions sont réunies. La tâche est répétitive. Les entrées varient et ne se réduisent pas à un formulaire : e-mails, pièces jointes, messages de formes diverses. Le travail demande de consulter plusieurs systèmes. Le résultat se vérifie avec un critère clair. Qualifier des demandes entrantes ou relancer des factures impayées après contrôle du paiement cochent ces quatre conditions. Préparer une commande fournisseur à partir du stock aussi.

Un assistant suffit quand vous voulez relire chaque sortie de toute façon. Une proposition commerciale, un texte de site ou une réponse à une réclamation délicate entrent dans ce cas. La valeur est dans votre lecture ; l’agent n’apporterait qu’un risque. Un bot ou un workflow classique suffit quand les règles s’écrivent en quelques lignes. Notre guide sur l’automatisation des tâches aide à distinguer ce qui se délègue de ce qui reste sous contrôle.

Mesurez avant de choisir. Comptez le nombre de cas par semaine, le temps passé par cas et la part de cas vraiment différents. Dix cas identiques par mois ne justifient pas un agent. Deux cents cas variés par semaine, si. Notez aussi le coût d’une erreur : une relance déplacée coûte peu, un remboursement indu coûte davantage.

L’exemple ci-dessous compare la même tâche confiée à un assistant, puis à un agent. Il s’agit de la relance d’un devis resté sans réponse depuis dix jours. Le résultat attendu est identique. Ce qui change, c’est la part de travail qui reste chez vous.

Ce qui peut mal tourner et les garde-fous à poser

Les erreurs d’un agent se répètent. Un plan mal construit produit dix relances déplacées, pas une seule. Certaines actions sont irréversibles : un e-mail envoyé, un paiement, une suppression. Chaque boucle appelle le modèle, donc coûte. Les documents lus par l’agent peuvent contenir des instructions parasites. Un e-mail qui dit « ignore tes consignes » est une donnée, pas un ordre. Enfin, des données sensibles peuvent partir vers un service tiers sans décision explicite.

Les garde-fous répondent point par point. Limitez les outils : lecture seule au départ, écriture après validation, puis écriture directe sur les seules actions réversibles. Imposez une validation humaine sur tout envoi, paiement ou suppression. Journalisez chaque action avec sa justification. Fixez un budget et un nombre maximal d’itérations. Testez sur des cas incomplets et contradictoires avant la mise en service.

Certaines décisions de l’agent sont répétitives et typées : cette demande est-elle urgente ? Quel service doit la traiter ? Pour ces cas, certains agents s’appuient sur un modèle de décision calibré plutôt que sur le LLM lui-même. Notre article sur Jev, modèle de décision IA décrit cette approche.

Le cadre légal compte aussi. Les règles de transparence du règlement européen sur l’IA s’appliquent depuis août 2026. Un agent conversationnel doit informer la personne qu’elle échange avec une machine. Un agent qui trie des candidatures relève des systèmes à haut risque, avec des obligations à compter du 2 décembre 2027. Notre article sur l’AI Act en entreprise détaille ces échéances.

Choisir entre bot, assistant et agent pour votre entreprise

Trois questions suffisent. Pouvez-vous écrire les règles à l’avance ? Un bot ou un workflow classique fera l’affaire, à moindre coût et sans surprise. Voulez-vous lire chaque résultat avant qu’il parte ? Un assistant est le bon niveau. La tâche est-elle répétitive, avec des entrées variables et un résultat vérifiable ? Ses actions sont-elles réversibles ou validées ? Un agent devient alors pertinent.

Commencez petit : une tâche, un agent, des outils en lecture seule. Ajoutez les actions d’écriture après quelques semaines de journaux relus. Mesurez le temps total, contrôle et corrections compris, plutôt que la seule vitesse d’exécution. Un agent qui demande une relecture intégrale de ses actions n’a rien fait gagner.

Désignez aussi une personne responsable. Elle reçoit les cas hors périmètre, relit les journaux et décide d’élargir ou de restreindre les outils. Sans ce rôle, l’agent dérive sans que personne ne s’en aperçoive. Cette personne n’a pas besoin d’être technique ; elle doit connaître le métier et le critère de réussite.

Ces choix font partie du programme du parcours IA de La Refonte. Le parcours couvre aussi la rédaction des consignes, les automatisations et les garde-fous. Le tableau ci-dessous résume la décision.