Qu'est-ce que l'IA agentique ? Un guide clair pour les équipes métier

L'IA agentique (agentic AI) est une IA qui travaille vers un objectif au lieu de répondre à une seule question. Vous lui dites ce que vous voulez obtenir. Elle trouve les informations dont elle a besoin, décide des étapes, utilise vos outils (e-mail, documents, CRM), vérifie son propre travail et continue jusqu'à ce que la tâche soit terminée ou qu'elle ait besoin de vous.

Un assistant conversationnel répond, puis attend. Un système agentique passe de lui-même à l'étape suivante.

Il y a une chose que le mot ne vous dit pas : si le travail est juste, ni ce à quoi le système a le droit de toucher. Ce sont des questions distinctes. Les confondre est à l'origine de l'essentiel des malentendus sur l'IA agentique, c'est pourquoi ce guide les traite séparément.

Pour rendre cette notion concrète, le guide des agents IA montre un système qui utilise des outils pour accomplir une mission. Le comparatif des deux notions aide à démêler leurs usages : elles se recoupent, mais ne désignent ni des générations successives ni forcément un ensemble de plusieurs agents.

Ce que signifie « agentique »

« Agentique » vient de l'anglais agency, l'agentivité : la capacité d'agir par soi-même pour atteindre un objectif. Merriam-Webster recense désormais « agentic » parmi les termes en vogue, avec le sens « able to accomplish results with autonomy, used especially in reference to artificial intelligence » (traduction : capable d'obtenir des résultats de manière autonome, en particulier à propos de l'intelligence artificielle), comme l'a rapporté AP en novembre 2025.

La façon la plus utile d'y penser : le caractère agentique est une échelle, pas une étiquette oui ou non. Un article d'OpenAI de 2023, Practices for Governing Agentic AI Systems, le décrit comme la mesure dans laquelle un système peut atteindre un objectif difficile, dans un environnement complexe, sans que quelqu'un surveille chaque étape. Certains outils sont un peu agentiques : ils choisissent un outil quand on le leur demande. D'autres le sont beaucoup : ils peuvent mener une tâche longue, en plusieurs étapes, avec peu de points de contrôle.

Alors, quand un produit se dit « agentique », la vraie question est : quelle part du travail assure-t-il réellement seul ?

Comment fonctionne l'IA agentique

La plupart des systèmes agentiques reposent sur le même type de modèle d'IA qu'un chatbot. La différence tient au dispositif qui l'entoure. Au lieu de produire une seule réponse, le modèle travaille en boucle.

Andrew Ng, qui a contribué à populariser le terme, a expliqué la différence lors d'une conférence en 2024. Utiliser un chatbot de façon classique, c'est comme demander à quelqu'un d'écrire une dissertation d'un seul jet, du début à la fin, sans jamais appuyer sur la touche Retour arrière. Une approche agentique permet à l'IA de faire un plan, de se documenter, de rédiger un brouillon, de le relire et de le corriger. C'est aussi comme cela qu'écrivent les humains.

La boucle agentique vérifie les autorisations avant d'agir. Après chaque action, elle remet le travail terminé, revient planifier l'étape suivante ou s'interrompt pour demander de l'aide.

Voici la boucle en termes simples :

1. Vous fixez l'objectif. Dites ce que vous voulez et à quoi ressemble un travail « terminé ». « Prépare-moi pour l'appel de renouvellement de jeudi » est un objectif. « Regarde ce compte » n'en est pas un.
2. Elle rassemble le contexte. Elle lit ce dont la tâche dépend : e-mails récents, notes de réunion, fiche CRM. C'est cette étape qui détermine l'essentiel de la qualité. Un bon plan fondé sur de mauvaises informations reste faux.
3. Elle planifie. Elle découpe l'objectif en étapes plus petites.
4. Elle agit. Elle utilise les outils auxquels elle a accès : elle cherche dans la boîte de réception, ouvre le document, rédige l'e-mail.
5. Elle vérifie. Elle regarde ce qui s'est réellement passé, pas ce qu'elle attendait. Si le CRM ne contient aucune note d'appel, elle cherche plutôt dans le drive partagé.
6. Elle remet le travail, ou s'arrête et demande. Soit vous recevez quelque chose à relire, soit elle fait une pause parce qu'un accès manque, que l'objectif n'est pas clair ou que l'étape suivante nécessite votre accord.

L'étape 6 comporte un choix que l'on oublie souvent : la forme que prend le résultat. La même recherche peut devenir un message de deux lignes, un document que d'autres peuvent commenter ou une courte présentation pour une réunion. Une bonne réponse dans le mauvais format oblige encore quelqu'un à refaire le travail.

IA agentique vs IA générative vs automatisation

Ces trois notions sont souvent confondues, alors voici la version courte :

• L'IA générative crée du contenu quand vous le demandez : texte, images, code. Puis elle s'arrête.
• L'automatisation à base de règles suit des étapes définies à l'avance par quelqu'un : « quand un formulaire arrive, ajouter une ligne et envoyer un e-mail ». Rapide et prévisible. Elle casse dès que quelque chose ne correspond pas à la règle.
• L'IA agentique utilise l'IA générative à l'intérieur d'une boucle. Elle décide elle-même de l'étape suivante, utilise des outils et vérifie le résultat.

Le moyen le plus simple de les distinguer est de se demander qui décide de l'étape suivante. Avec l'automatisation, quelqu'un a décidé de chaque étape à l'avance. Avec un assistant conversationnel, c'est vous qui décidez après chaque réponse. Avec l'IA agentique, c'est le système qui décide, en fonction de votre objectif et dans les limites que vous fixez.

Si vous préférez une vidéo, cette courte explication présente bien la même distinction :

YouTube · IBM Technology

Generative vs Agentic AI: Shaping the Future of AI Collaboration (IA générative ou IA agentique) · 21 avril 2025

Une explication de sept minutes par Martin Keen : pourquoi l'IA générative attend votre instruction, alors que l'IA agentique continue de travailler vers un objectif.

Voir le passage concerné

Vous entendrez aussi « agent IA » (AI agent) pour désigner la même idée. En gros : un agent IA est ce qui fait le travail, et « agentique » décrit sa façon de travailler.

Trois questions distinctes : agentivité, fiabilité, autorisations

Quand on entend « plus agentique », on comprend souvent « meilleur » ou « plus automatique ». Ce n'est ni l'un ni l'autre. Trois questions différentes se cachent derrière ce mot :

1. Agentivité : dans quelle mesure décide-t-elle seule ?
2. Fiabilité : à quelle fréquence le résultat est-il juste ?
3. Autorisations : à quoi a-t-elle le droit de toucher ?

« Agentique » ne décrit que la première question.

Plus d'agentivité ne veut pas dire plus de fiabilité. Chaque étape s'appuie sur la précédente. Une seule hypothèse erronée au départ peut aboutir à un rapport soigné, sûr de lui et faux. Même ceux dont le métier est de construire ces systèmes disent que cette partie est difficile :

YouTube · LangChain

The Future of AI Agents with Andrew Ng | Interrupt 26 (l'avenir des agents IA) · 17 juin 2026

Ng : « building agentic workflows is hard. » Il explique que les rendre fiables exige une vraie connaissance du métier et des tests réguliers.

Traduction : construire des workflows agentiques, c'est difficile.

Voir le passage concerné

Plus d'agentivité n'exige pas plus d'autorisations. Une IA peut accomplir beaucoup de travail seule (lire, comparer, rédiger) tout en n'ayant le droit de faire que très peu de choses qui sortent de l'équipe. Dans la même intervention, Ng souligne que la plupart des autorisations en entreprise ont été conçues pour des personnes, pas pour l'IA (28:50) ; cela vaut donc la peine d'y réfléchir délibérément. Les utilisateurs expérimentés restent souvent très stricts :

X · Simon Willison / @simonw · 23 octobre 2026

« I don't let my agents have production access to modify deployed services »

Traduction : je ne donne pas à mes agents d'accès en production qui leur permettrait de modifier des services déployés.

Lire la publication originale

Willison est un développeur logiciel reconnu, et il parlait d'agents de code dans un fil de réponses. La version entreprise repose sur la même idée : laissez l'IA lire et rédiger librement, et réservez « envoyer », « payer », « publier » et « supprimer » à une personne jusqu'à ce que vous fassiez confiance à l'IA pour cette tâche précise.

Un exemple concret : préparer un appel de renouvellement

Voici à quoi cela ressemble sur un type de tâche réel. Le compte, les personnes et les détails ci-dessous sont inventés pour montrer comment les étapes s'enchaînent. Il ne s'agit pas d'un résultat client.

La demande. Une chargée de compte dit à Okou, le coéquipier IA que nous développons : « Prépare-moi pour l'appel de renouvellement de jeudi avec Northwind, et rédige le message de suivi que j'enverrai après. » Okou peut lire sa boîte Gmail, le drive partagé et le CRM, et peut créer des brouillons Gmail. Okou ne peut ni envoyer d'e-mails ni modifier les fiches du CRM.

Le contexte change le plan. Le CRM indique que le compte est en bonne santé et signale une opportunité de vente additionnelle (upsell). Mais dans le fil d'e-mails, Okou trouve un message vieux de trois semaines : la personne responsable des opérations chez le client écrit qu'une intégration promise est en retard et demande une nouvelle date. Personne n'a répondu. Cet unique e-mail change l'appel. La note de préparation commence désormais par la promesse non tenue, pas par l'upsell.

C'est précisément ce que répètent en ce moment de nombreux acteurs du secteur :

X · Aaron Levie / @levie · 6 novembre 2026

« Every AI agent deployment comes down to how successfully they can get access to the critical context to make a decision »

Traduction : tout déploiement d'agents IA se résume à leur capacité à accéder au contexte essentiel pour prendre une décision.

Lire la publication originale

Levie dirige Box, une entreprise qui stocke des documents professionnels ; il a donc intérêt à défendre ce point de vue. Mais l'exemple du renouvellement montre pourquoi il tient : l'IA n'a pu repérer le problème que parce qu'elle pouvait lire l'e-mail.

Ce qui revient, sous la bonne forme pour chaque personne.

• Pour la chargée de compte : une note d'une page à lire avant l'appel (ce qui a été convenu, ce qui a changé, trois questions à trancher).
• Pour le client : rien pour l'instant, seulement un brouillon Gmail en attente de relecture.
• Pour l'équipe : une courte proposition de note CRM, qui attend la validation d'une personne.

Voici à quoi ressemble dans Okou un brouillon en attente de relecture (un autre exemple inventé) :

Un vrai brouillon Okou en attente de relecture : la carte Gmail indique Draft, et c'est à la personne d'appuyer sur le bouton Send. Le destinataire et le contenu sont des données de démonstration fictives. Ouvrir la capture d'écran en taille réelle.

La personne décide, puis l'équipe réutilise la méthode. Dans la même conversation, la chargée de compte demande d'adoucir l'introduction et de supprimer une ligne sur les prix. Okou a toujours l'échange précédent sous la main et corrige donc le brouillon sans qu'il faille tout réexpliquer. Elle envoie elle-même l'e-mail et valide la note CRM.

Ensuite, l'équipe enregistre la méthode sous forme de workflow partagé (une façon enregistrée et réutilisable d'accomplir une tâche) : quelles sources consulter, à quoi ressemble la note, et la règle selon laquelle les messages de suivi restent à l'état de brouillon. La prochaine personne chargée de compte l'exécute sur ses propres comptes, avec ses propres accès. Si elle veut qu'il tourne chaque lundi pour les renouvellements à venir, elle ajoute une automatisation (une planification ou un déclencheur qui lance le workflow).

Deux choses à savoir. Une nouvelle conversation ne voit pas automatiquement une conversation précédente ; si c'est important, indiquez-la. Et partager un workflow, c'est partager la méthode, pas la boîte de réception ni les identifiants de quiconque. La documentation d'Okou explique les deux : comment fonctionne le contexte des conversations et ce qu'une équipe partage.

Quand l'IA agentique aide, et quand elle n'aide pas

L'IA agentique convient à des tâches comme l'appel de renouvellement : plusieurs étapes, plus d'un outil, un peu de jugement entre les deux et un résultat que quelqu'un peut vérifier. Par exemple :

• Opérations : « Rassemble ce que chaque équipe a livré cette semaine, signale tout ce qui est bloqué et publie un récapitulatif chaque lundi. »
• Marketing : « Compare les résultats de la campagne du mois dernier avec le brief et rédige les prochaines étapes pour relecture. »
• Ventes : « Évalue les leads entrants de la semaine par rapport à notre client idéal et dis-moi qui appeler, avec les raisons. »
• Customer success : « Regroupe les tickets du mois par cause et rédige des points d'étape pour les trois comptes qui ont le plus de problèmes ouverts. »

Plus d'exemples par équipe : cas d'usage des agents IA.

Ce n'est pas le bon outil quand une tâche suit exactement les mêmes étapes à chaque fois (utilisez une simple automatisation, c'est moins cher) ou quand vous n'avez besoin que d'une réponse (utilisez un assistant conversationnel).

Les analystes mettent en garde contre les excès depuis un moment. En juin 2025, Gartner a prédit que plus de 40 % des projets d'IA agentique seraient abandonnés d'ici fin 2027 en raison de leur coût, d'une valeur peu claire ou d'une maîtrise des risques insuffisante. C'est une prévision, pas un résultat mesuré. En juillet 2026, le cabinet a fait une prédiction voisine pour les équipes commerciales : d'ici 2028, les agents IA seront dix fois plus nombreux que les vendeurs, mais moins de 40 % des vendeurs diront que les agents les ont rendus plus productifs. Même leçon : plus d'agents ne veut pas automatiquement dire un meilleur travail.

Une habitude à changer : le travail agentique peut prendre des minutes, pas des secondes. Donnez un objectif clair, puis jugez le résultat, comme vous le feriez avec un collègue.

Comment garder la main

La question utile n'est pas « quel est son degré d'autonomie ? », mais « quelles décisions prend-elle, et lesquelles me reviennent ? ». Vous gardez la main à trois niveaux.

Ce à quoi elle a accès. N'accordez que l'accès dont la tâche a besoin. Dans Okou, vous accordez l'accès un outil et une action à la fois, et vous choisissez sa durée. Okou peut ainsi avoir le droit de rédiger un brouillon Gmail sans avoir le droit de l'envoyer. Voir les autorisations d'Okou.

Ce qui nécessite votre accord. Les actions risquées doivent attendre une personne. Quand Okou a besoin d'une nouvelle autorisation, vous voyez exactement ce qui est demandé avant que quoi que ce soit ne soit accordé :

Une vraie demande d'autorisation dans Okou. La personne voit l'outil, l'action, où elle s'applique et sa durée (1 heure, 24 heures, 7 jours ou toujours) avant de confirmer. Ouvrir la capture d'écran en taille réelle.

Ce que vous relisez. Le travail doit revenir sous une forme que vous pouvez lire et modifier, avec une trace de ce que l'IA a fait.

Un « humain dans la boucle » (human in the loop), est-ce suffisant ?

Pas à lui seul, et c'est l'un des arguments les plus utiles qui circulent en ce moment.

YouTube · IBM Technology

Human in the Loop Is Not a Governance Strategy for Agentic AI (l'humain dans la boucle n'est pas une stratégie de gouvernance) · 11 octobre 2026

Phaedra Boinodiris : « a human reviewed it is not the same as the system is governed. » En quatre minutes, elle énumère ce dont la personne chargée de la relecture a réellement besoin.

Traduction : qu'un humain l'ait relu ne signifie pas que le système est gouverné.

Voir le passage concerné

Sa liste, en bref : la personne qui relit doit pouvoir voir le raisonnement, avoir le pouvoir de tout arrêter, savoir à quoi ressemble un bon résultat et faire remonter les corrections.

Il existe un second problème, plus discret : l'IA peut orienter ce que pense la personne qui relit.

X · Ethan Mollick / @emollick · 27 octobre 2026

« experts working with AI agents are swayed by the positions of the AI, even if they think they are working independently »

Traduction : les experts qui travaillent avec des agents IA sont influencés par les positions de l'IA, même s'ils pensent travailler de façon indépendante.

Lire la publication originale

Mollick, professeur à Wharton qui étudie l'IA au travail, résumait une étude dont il donnait le lien. Nous n'avons pas examiné cette étude nous-mêmes ; considérez donc cela comme son interprétation. Son conseil reste pratique : si votre propre jugement compte, décidez avant de regarder le brouillon de l'IA. Pour l'appel de renouvellement, cela signifie que la chargée de compte décide de ce que l'appel doit permettre d'obtenir avant de lire la note d'Okou.

Les gens voient déjà leur rôle évoluer dans ce sens. Dans le Work Trend Index 2026 de Microsoft (publié en mai 2026 ; 20 000 personnes qui utilisent l'IA, dans 10 pays), 86 % déclarent considérer ce que produit l'IA comme un point de départ, pas comme une réponse définitive. C'est ce que les gens déclarent, pas une mesure de la qualité, mais cela va dans le même sens.

Une relecture est donc réelle quand :

• Vous voyez le travail derrière le résultat : sources, étapes et ce qui a changé.
• Vous pouvez l'arrêter ou le modifier : corriger le brouillon, refuser l'autorisation.
• Vous savez à quoi ressemble un bon résultat : un format de note, un ton, une règle comme « les messages de suivi restent des brouillons ».
• Les corrections ne se perdent pas : si vous faites la même correction chaque semaine, intégrez-la au workflow. Dans Okou, cela ne se produit que lorsque quelqu'un met à jour le workflow ; une correction faite dans une conversation ne devient pas discrètement une règle d'équipe.

Plus d'informations sur les validations en pratique : pourquoi votre entreprise doit avoir le dernier mot sur les actions de l'IA.

Les questions à se poser avant de confier du travail à une IA agentique

1. Puis-je simplement décrire le résultat attendu ? Ou dois-je détailler chaque étape ?
2. Peut-elle lire ce dont la tâche dépend ? Et me dit-elle ce qu'elle n'a pas trouvé ?
3. Puis-je limiter ce qu'elle fait ? Lecture seule, ou rédaction sans envoi ?
4. Que se passe-t-il quand elle bloque ? Pose-t-elle la question, ou devine-t-elle ?
5. Puis-je voir ce qu'elle a fait ? Sources, étapes, modifications.
6. Mon équipe peut-elle réutiliser un bon résultat ? Avec ses propres accès ?

Si un produit ne peut pas répondre à ces questions, le mot « agentique » ne vous apprend pas grand-chose.

À quoi cela ressemble avec Okou

Okou est un coéquipier IA pour les équipes métier. Vous lui confiez une tâche comme vous briefez un collègue. Okou rassemble ce dont la tâche a besoin dans vos outils connectés, la traite dans le cloud (le travail continue même si vous fermez votre ordinateur portable) et vous remet quelque chose à relire, sous la forme qui convient à la personne qui lira ensuite : un message rapide, un document, une page web, une présentation ou un brouillon. Les bonnes méthodes deviennent des workflows partagés, et les automatisations les exécutent selon un planning.

Dans les termes de ce guide : Okou augmente l'agentivité pour trouver le contexte et faire le gros du travail, et laisse les autorisations là où votre équipe les a fixées. Pour en savoir plus, lisez Qu'est-ce qu'Okou, ou commencez gratuitement.

FAQ

Qu'est-ce que l'IA agentique, en termes simples ?

Une IA qui travaille vers un objectif, étape par étape. Vous dites ce que vous voulez ; elle trouve les informations, utilise vos outils, vérifie son travail et continue jusqu'à ce que la tâche soit terminée ou qu'elle ait besoin de vous. Un chatbot répond une fois, puis attend.

Quelle est la différence entre l'IA générative et l'IA agentique ?

L'IA générative produit du contenu quand on le lui demande, puis s'arrête. L'IA agentique utilise cette capacité dans une boucle : elle décide de l'étape suivante, utilise d'autres outils et vérifie si l'objectif est atteint. Rédiger un e-mail commercial relève de l'IA générative. Lire l'historique du compte, rédiger l'e-mail et proposer une mise à jour du CRM soumise à votre validation relève de l'IA agentique.

Quelle est la différence entre l'IA conversationnelle et l'IA agentique ?

L'IA conversationnelle est conçue pour dialoguer : vous demandez, elle répond, vous décidez de la suite. L'IA agentique est conçue pour faire avancer le travail : vous fixez l'objectif, elle choisit et exécute les étapes. Beaucoup de produits font les deux, avec une conversation en surface et une boucle agentique en dessous.

Quels sont les risques de l'IA agentique ?

Ils viennent surtout du fait d'agir, pas de parler. Les erreurs peuvent s'accumuler d'une étape à l'autre. Elle peut agir sur la base d'informations fausses ou manquantes. Des autorisations trop larges peuvent permettre à une erreur d'atteindre les clients ou l'argent. Les coûts peuvent augmenter, car chaque tâche demande de nombreuses étapes. Limitez les accès, réservez les actions risquées à la validation d'une personne et relisez le résultat.

Pour quels types de tâches l'IA agentique est-elle la plus adaptée ?

Les tâches qui comportent plusieurs étapes, plus d'un outil, un peu de jugement et un résultat vérifiable : préparation de réunions, rapports hebdomadaires, recherches qui aboutissent à un brouillon, tri de leads ou de tickets. Pour les mêmes étapes fixes à chaque fois, utilisez une simple automatisation. Pour une seule question, utilisez un assistant conversationnel.

Une IA plus agentique est-elle toujours meilleure ?

Non. Plus d'agentivité signifie qu'elle décide davantage par elle-même. Cela ne rend pas ses décisions plus justes, et cela ne détermine pas ce qu'elle devrait avoir le droit de faire. Pour la plupart des tâches en entreprise, la meilleure configuration est une IA qui fait les recherches et la rédaction, et une personne qui valide ce qui sort de l'équipe.