Agents IA : ce qu’ils font vraiment en entreprise, et comment en installer un sans se brûler

Un agent IA, c’est quoi ?

Les éditeurs le formulent chacun à leur façon, et ils disent la même chose. Pour Google, les agents d’IA sont des « systèmes logiciels qui utilisent l’IA pour atteindre des objectifs et effectuer des tâches au nom des utilisateurs »^[1]. Pour Mistral AI, ce sont des systèmes qui, à partir d’instructions générales, savent planifier, utiliser des outils et passer à l’action pour atteindre un but précis^[2].

Concrètement, un agent tient en trois pièces, celles que décrit le guide d’OpenAI^[3]. Un modèle d’IA, qui raisonne et choisit l’étape suivante. Des outils, c’est-à-dire des accès à vos logiciels (messagerie, agenda, fichier clients, tableur, dossiers partagés) pour lire et pour agir. Et des instructions, qui disent ce qu’il doit faire et ce qu’il n’a pas le droit de faire.

La différence avec ce que vous connaissez tient en un mot : l’action. Un assistant vous rend un texte. Un agent ouvre un fichier, cherche une fiche client, la complète, prépare un mail, regarde le résultat et décide de la suite. Le mot n’a pas de définition juridique : la Commission européenne précise que les agents ne forment pas une catégorie à part dans le règlement européen sur l’IA, qui les couvre par ses définitions générales^[4].

Chatbot, automatisation, agent : la vraie différence.

Trois choses se ressemblent et ne font pas le même travail. Anthropic, l’éditeur de Claude, distingue les enchaînements écrits à l’avance, dont le chemin est fixé dans le code, et les agents, qui décident eux-mêmes de leurs étapes et des outils qu’ils emploient^[5]. OpenAI tranche dans le même sens : un simple chatbot, qui ne pilote aucun enchaînement, n’est pas un agent^[3].

Google résume l’écart ainsi : l’assistant peut recommander des actions, « mais c’est l’utilisateur qui prend les décisions »^[1]. Avec un agent, une partie des décisions passe de votre côté à celui de la machine. Tout l’enjeu est de choisir lesquelles.

Conséquence pratique : beaucoup de besoins qu’on appelle « agent » relèvent en fait d’une automatisation, plus simple et plus prévisible. OpenAI le dit lui-même : si la tâche ne demande ni jugement nuancé, ni règles devenues ingérables, ni lecture de documents non structurés, une solution classique peut suffire^[3]. Pour les mots voisins, voir le lexique agent, assistant, automatisation ; pour les outils d’enchaînement, l’article sur n8n, Make et Zapier.

Ce qu’un agent peut faire aujourd’hui, métier par métier.

L’IA s’installe vite dans les petites entreprises : en 2026, 40 % des TPE et PME déclarent utiliser au moins une solution d’intelligence artificielle, selon le Baromètre France Num ; l’automatisation des tâches, elle, arrive loin derrière la génération de contenus et les assistants conversationnels, autour d’une TPE PME sur dix^[6]. Chez les entreprises de 10 salariés ou plus, l’Insee relève qu’en 2025, 73 % de celles qui utilisent l’IA s’en servent pour optimiser leurs coûts, gain de temps et automatisation de tâches répétitives compris^[7]. C’est sur ce terrain, gagner du temps sur des tâches qui reviennent, que les agents se placent.

Voici des usages réalistes aujourd’hui, à une condition : l’agent prépare, une personne valide ce qui sort.

• Prospection. Repérer des entreprises qui correspondent à votre cible, compléter leur fiche, résumer pourquoi elles sont pertinentes et préparer un premier message. Vous relisez, vous envoyez.
• Accueil et service client. Lire les demandes qui arrivent par mail ou par formulaire, les classer, retrouver l’historique du client, proposer une réponse et passer à la bonne personne ce qui sort du cadre.
• Artisans, paysagistes, bâtiment. À partir des notes d’une visite, retrouver les ouvrages et les prix dans votre base, préparer un brouillon de devis et la liste des questions à poser au client. Voir l’IA pour un paysagiste.
• Architecture et maîtrise d’œuvre. Transformer un compte rendu dicté en tâches dans le suivi de projet, avec la liste des points en suspens et le brouillon du mail aux intervenants.
• Gestion. Rapprocher les factures reçues des commandes, signaler les écarts, préparer les relances. Le paiement, lui, reste un geste humain.
• Contenus. Chercher des sources, rédiger, vérifier les citations, proposer une illustration, avec un relecteur distinct de celui qui écrit.

Ces usages ont un point commun : des étapes qui varient d’un dossier à l’autre, des documents à lire, et un résultat qu’une personne peut vérifier vite. C’est là qu’un agent apporte ce qu’une automatisation fixe ne sait pas faire. Là où les étapes sont toujours les mêmes, une automatisation suffit.

Ce que nous avons appris en faisant travailler des agents.

Chez Hello Mira, une startup du voyage construite sur l’IA dès le premier jour, des agents détectent et qualifient des prospects, d’autres routent les demandes vers la bonne personne. Une équipe éditoriale d’agents écrit, vérifie et illustre des articles ; l’un d’eux n’a qu’un rôle, jouer l’avocat du diable et chercher ce qui ne tient pas. Ce carnet est écrit avec une chaîne du même type. Trois leçons en sont sorties ; elles guident ce que nous proposons.

Un agent, une tâche. Un agent qui « fait de la prospection » déçoit. Un agent qui qualifie une fiche selon des critères écrits, et seulement cela, se vérifie et se corrige.

Celui qui écrit ne se relit pas. Le relecteur est un autre agent, avec une autre consigne ; pour ce carnet, il tourne même sur le modèle d’un autre éditeur que celui qui rédige. Il ne remplace pas la relecture humaine : il signale où regarder avant qu’une personne tranche.

Les portes sont dans le code, pas dans l’IA. Ce qui décide qu’un article peut partir, ce sont des contrôles écrits une fois pour toutes : chaque renvoi pointe vers une source, chaque lien interne existe, chaque source répond. L’agent ne peut pas se donner le feu vert à lui-même.

Tout le monde n’a pas besoin d’un agent pour autant. Le dirigeant de POESAGES, une entreprise de paysage que nous avons accompagnée, se sert de l’IA au quotidien pour ses devis et ses documents. Ce sont des usages d’assistant, pas d’agent, et c’est très bien ainsi : un agent n’aurait de sens que si une même tâche, aux étapes variables, revenait vraiment chaque semaine.

Les risques à regarder en face.

Un agent hérite des défauts des modèles d’IA, qui peuvent se tromper avec aplomb (faites le test « repérez ce que l’IA a inventé »), et il en ajoute un de taille : il agit. Cinq risques reviennent.

Les actions qui ne se rattrapent pas. Un mail parti, un paiement fait, une commande annulée, une fiche client écrasée. OpenAI recommande qu’une action sensible, irréversible ou à fort enjeu déclenche une supervision humaine tant que la confiance dans l’agent n’est pas établie ; ses exemples sont l’annulation de commandes, les remboursements importants et les paiements^[3]. L’ANSSI va plus loin : un système d’IA ne doit pas pouvoir exécuter de lui-même des actions critiques, transactions bancaires et production de contenu public comprises^[8].

Les erreurs qui s’enchaînent. Un assistant se trompe une fois, sous vos yeux. Un agent peut se tromper à la deuxième étape et bâtir toutes les suivantes sur cette erreur. Anthropic présente ces erreurs qui s’additionnent, avec des coûts plus élevés, comme la contrepartie de l’autonomie, et recommande des essais poussés dans un environnement isolé^[5].

Le coût. Un agent consomme davantage qu’une conversation, puisqu’il enchaîne les étapes. Sur ses propres systèmes, Anthropic mesure qu’un agent utilise environ 4 fois plus de jetons, les unités de texte facturées, qu’un échange de type chat, et environ 15 fois plus quand plusieurs agents travaillent ensemble^[9]. Facturé à l’usage, un agent mal borné peut tourner longtemps : il lui faut un plafond.

Les instructions cachées. Un agent qui lit vos mails ou des pages web lit aussi ce qu’un tiers y a glissé. Anthropic décrit le scénario : un mail piégé, écrit en texte invisible, demande à l’agent de transférer les messages confidentiels à une adresse extérieure ; l’éditeur reconnaît qu’aucun agent de navigation n’est à l’abri de ce type d’attaque^[10]. L’OWASP, référence en sécurité des applications, décrit le même piège avec un assistant de messagerie qui n’avait besoin que de lire, mais qui disposait aussi du droit d’envoyer^[11].

Les données. Un agent garde souvent une mémoire de ce qu’il traite. Dans une note rédigée avec la CNIL, le Conseil de l’IA et du numérique relève que cette mémoire persistante permet de constituer des profils très précis des personnes, et examine comment le RGPD s’applique à ces systèmes^[12]. Quelles données l’agent voit, où elles partent, combien de temps elles restent : ces questions se posent avant l’installation. Voir ce qu’on peut confier à l’IA sans risquer ses données confidentielles.

Ce que dit la réglementation.

Il n’existe pas de règles propres aux agents. Le règlement européen sur l’IA, l’AI Act, les traite comme les autres systèmes d’IA : ses règles s’appliquent à eux par ses définitions générales^[4]. Trois points concernent directement une entreprise qui en installe un.

• Transparence. Depuis le 2 août 2026, un agent destiné à échanger avec des personnes ou à produire du contenu relève des règles de transparence de l’article 50, indique la Commission européenne^[4]. Pour un chatbot, cela veut dire que la personne doit savoir qu’elle échange avec une machine^[13].
• Maîtrise de l’IA. Depuis le 2 février 2025, les obligations de « littératie en matière d’IA » s’appliquent^[13]. Dans sa version en vigueur depuis le 27 juillet 2026, le texte demande à l’entreprise qui utilise un système d’IA de prendre des mesures pour que les personnes qui s’en servent le comprennent, sans lui imposer de garantir un niveau donné^[14]. Un agent installé sans que personne soit formé à le superviser s’en éloigne.
• Contrôle humain. La note du Conseil de l’IA et du numérique et de la CNIL envisage une obligation de validation humaine pour les décisions les plus critiques^[12]. Ce n’est pas encore une règle. C’est en revanche déjà la recommandation de l’ANSSI pour les actions critiques^[8].

Si un agent relève du haut risque au sens du règlement, des exigences supplémentaires s’appliquent à partir du 2 décembre 2027 ou du 2 août 2028 selon les cas^[4][14]. Dans cette situation, demandez un avis juridique avant de le déployer.

Démarrer sans se brûler : un premier agent encadré.

Anthropic conseille de chercher la solution la plus simple possible, quitte à ne pas construire d’agent du tout^[5]. Nous partons de là. Si, après examen, un agent se justifie, voici le cadre que nous posons.

1. 01Une tâche, une seule, qui revient chaque semaine et dont les étapes varient : une demande de devis, une demande entrante à trier, une fiche prospect à compléter.
2. 02Des droits au minimum. L’agent lit d’abord, n’écrit que là où c’est nécessaire et n’envoie rien. S’il doit lire la messagerie, il n’a pas le droit d’envoyer^[11].
3. 03Chaque action classée : lecture ou écriture, réversible ou non, avec ou sans impact financier, comme le propose OpenAI^[3]. Ce qui est irréversible passe par un humain.
4. 04Une personne nommée qui valide. L’agent prépare ; l’humain clique sur « envoyer », « payer » ou « publier ».
5. 05Des limites écrites : un nombre maximal d’étapes et un plafond de dépense mensuel, au-delà desquels l’agent s’arrête et prévient.
6. 06Un essai à blanc, sur de vrais dossiers mais sans effet réel, avant toute mise en service^[5].
7. 07Un journal de ce que l’agent a lu, fait et proposé, relu chaque semaine pendant le premier mois.

Nom        : Tri des demandes entrantes
Rôle       : lire chaque demande, la classer, retrouver l’historique client, proposer une réponse
Peut lire  : boîte de contact, fichier clients
Peut écrire: brouillons de réponse, étiquettes
Ne peut pas: envoyer, supprimer, modifier une fiche client, payer
Valide     : [prénom], chaque matin
Limites    : nombre d’étapes plafonné par demande, plafond de dépense mensuel
Hors cadre : transmis à une personne, avec le motif
Journal    : relu chaque vendredi

Si la fiche d’un agent ne tient pas sur une page, sa tâche est trop large. C’est aussi ce que nous regardons en diagnostic : vos tâches, vos outils et vos accès, pour dire où un agent serait utile, où un assistant suffit, et ce qu’il faut verrouiller avant de commencer.