5 minutes pour comprendre l'agentic IA

pour comprendre l'agentic IA

5 minutes

Chers lecteurs, chères lectrices,
Nous allons tenter de tenir la promesse du titre de cet article, qui vous a d’ailleurs incités à l’ouvrir. Dans les lignes que vous allez parcourir au cours des cinq prochaines minutes, nous avons cherché à être aussi pédagogues que possible, afin de vous proposer des informations claires et pragmatiques. À défaut de tenir entièrement notre promesse, nous espérons qu’au terme de cet article vous aurez acquis les connaissances indispensables pour animer un dîner autour de l’agentique en IA, même s’il vous a finalement fallu dix minutes pour le lire.

Article publié le 5 mars 2026 par Maxime DEBUYSSCHERE, Lead Dev chez
l'Oiseau Rare.

L'automatisation une promesse ancienne

L’automatisation agentique est l’accomplissement d’une veille promesse de l’automatisation. Inutile de remonter jusqu’à la machine d’Anticythère, ou même celle de Watt, il s’agit de l’automatisation à large échelle des flux de travail de bureau (comptabilité, RH, relation client, etc.).

Une évolution par vagues

Ce domaine de l’automatisation a connu d’énormes progrès au fil des années. Ce fut d’abord le développement des logiciels bureautiques puis des applications web, vint ensuite l’ouverture des API ; et arriva la RPA il y a une dizaine d’années.

4 limites structurelles

Bien qu’ayant apporté chacun à leur tour une (r)évolution, ces différents outil partagent certaines limites, dont 4 que l’automatisation agentique se proposent d’abolir.

Premièrement, elles nécessitent toutes un travail et un coût de mise en place non négligeable ; même la RPA, nettement plus rapide que les autres, nécessite un travail de formalisation et de développement.

Deuxièmement, elles doivent être révisées à la moindre évolution des processus automatisés.

Troisièmement, elles ne permettent pas l’automatisation de flux entier ; mais uniquement de segments de ces derniers.

Quatrièmement, seuls sont automatisables les segments de flux qui répondent à une logique mathématique puisque cette logique devra être programmée, dans des services API ou des RPA.

Comprendre les agents IA

Avant de voir comment l’automatisation agentique permet une nouvelle (r)évolution de l’automatisation, revenons rapidement sur ce que recouvre la notion d’agentique et ce dont elle découle, les agents IA.

Les cinq capacités fondamentales

Les agents IA sont définitivement dans l’air du temps. Apparus grâce à l’explosion de l’IA générative, les agents IA ne sont pas une simple application directe de cette dernière ; mais bien une construction autour de celle-ci. L’ambition de tout agent IA est d’être un véritable opérateur informatique capable de prise de décision et d’action dans un environnement complexe ; et avec une certaine autonomie. Un agent IA est donc une solution utilisant un LLM (ou un SLM) comme colonne vertébrale et y ajoutant 4 capacités :

Planification : capacité de subdiviser un tâche et d’ordonner le traitement des sous-tâches ;
Collaboration : capacité de travailler conjointement avec d’autres agents pour le partage des tâches ;
Interaction : capacité d’interagir avec d’autres solutions informatiques (API, RPA, ERP, CRM,…) ;
Adaptation : capacité de s’auto-corriger en évaluant les résultats de ses sous-tâches et en révisant sa planification.

Cette définition d’un agent IA remporte un certain consensus et se voit un peu partout. Nous pouvons tout de même ajouter une cinquième capacité, très souvent citées, qui est la communication avec l’humain ; la capacité de l’agent de comprendre la demande de l’utilisateur et de lui fournir une réponse bien adaptée et parfaitement compréhensible.

Agent ou agentique : une nuance importante

Le terme « agentique » a été proposé, par des personnalités de l’IA tel que Andrew Ng, pour désigner non pas « ce qui est un agent » mais « ce qui s’approche d’un agent.

Cela étant posé, nous pourrions naturellement penser que le terme « agentique » est simplement une adjectivation du terme « agent ». Une solution utilisant des agents, tels que défini plus haut, est une solution agentique ; et une solution agentique est une solution utilisant des agents. Simple, basique. Malheureusement, la réalité est un peu plus complexe que cela. Le terme « agentique » a été proposé, par des personnalités de l’IA tel que Andrew Ng, pour désigner non pas « ce qui est un agent » mais « ce qui s’approche d’un agent ».

L’objectif principal était d’éviter un débat difficile sur les critères d’intégration des différentes capacités qui identifieraient un « véritable agent » ; pour simplement considérer que toute solution exploitant un LLM/SLM et présentant une quelconque intégration de ces capacités est « agentique ». Au crédit de cette proposition, reconnaissons que l’objectif principal est atteint. A l’inverse, cet usage a brouillé la communication autour des agents. Ainsi, le niveau d’intégration d’une solution agentique n’est pas évident de prime abord ; et les solutions sur le marché présentent des capacités très variables. Des éditeurs nomment même « agentiques » des solutions conçues/vendues pour fonctionner avec des agents ; mais qui n’en contiennent elles-mêmes pas un octet , voire même peuvent être utilisées sans eux.

La promesse : automatiser des flux entiers

Ces clarifications faites, revenons à l’automatisation agentique et à sa promesse d’une automatisation à grande échelle des flux de travail bureautiques. Cette promesse passe par 2 axes.

Le premier axe est le plus évident : l’utilisation d’agents IA pour automatiser encore plus de tâches. En effet, les agents IA permettent l’automatisation de tâches plus complexes et sont capables de s’adapter jusqu’à un certain point à des changements dans le flux de travail. Ce premier axes permet donc de dépasser les deuxième et quatrième limites évoquées plus haut.

Le deuxième axe repose sur une combinaison poussée de l’IA avec les API et la RPA. L’objectif est de tirer le meilleur parti de chaque solution en mettant dans la balance différents critères : performances, stabilité, traçabilité, failles, limites et coûts tant en « build » qu’en « run ». C’est par cet axe que l’automatisation agentique permet de dépasser les première et troisième limites décrites plus haut.

Enthousiasme… et désillusions.

Avec de telles promesses, il n’est pas surprenant que l’automatisation agentique a largement profité de l’enthousiasme de l’IA générative et des agents, avec de très nombreux projets lancés par les éditeurs et par les entreprises utilisatrices.

Un retour à la réalité

Toutefois, les premiers résultats de ces projets sont, disons le clairement, décevants. C’est un fait établi par plusieurs rapports au cours de l’année 2025.

Pour l’exemple, le MIT a montré que sur un périmètre d’entreprise ayant investi plus 30 milliards de dollars, 95% d’entre elles n’avaient enregistré aucun retour, zéro ; tandis que Gartner prévoit que plus de 40% de ces projets seront abandonné prochainement. A ce stade, le retour à la réalité est sévère.

Cependant, ces mêmes rapports, ainsi que les autres retours d’expérience sur l’IA, pointent aussi les leçons à tirer de ces premières déceptions pour corriger le tir et continuer à progresser dans la concrétisation des promesses faites.

Les deux leçons majeures

1. Un projet d’IA reste un projet informatique

La première de ces leçons est qu’un projet d’IA générative reste, malgré ses disruptions, un projet informatique ; et que la première source d’erreur est la mère de tous les problèmes en informatique, l’interface chaise-clavier.

Nous pouvons constater sur ces « très nombreux projets » qu’ils ont été largement conçus et pilotés sous l’excitation des promesses de l’IA et, reconnaissons-le, une certain précipitation. Une telle démarche est viable, peut-être même saine, au stade de l’expérimentation ; mais fatale quand vient l’heure de l’industrialisation.

Le déploiement à large échelle de toute solution informatique nécessite qu’elle soit solidifiée, consolidée à cette fin ; ce qui passe par un pilotage qui, à l’inverse du précédent, repose sur un bon dosage de prudence et de patience.

2. Un double problème de maturité

La deuxième leçon est plus spécifique à l’état de l’IA générative et consiste en un double problème de maturité.

Maturité technologique et maturité organisationnelle

Premièrement, les solutions agentiques sont encore très jeunes. Beaucoup ont émergé ces derniers mois et passent actuellement l’épreuve du feu de l’industrie comme des utilisateurs non avertis.

Les premiers protocoles agentiques sont ainsi en cours de consolidation et d’intégration, avec pour objectif de standardiser l’implémentation des différentes capacités des agents. Cette étape est déterminante pour leur réussite à long terme, car elle facilitera leur intégration dans les systèmes d’information et leur évolution.

Un exemple emblématique est le Model Context Protocol (MCP), dédié à la capacité d’interaction des agents. Son principe s’apparente au patron de conception Adaptateur : un objet intermédiaire centralise les connexions disponibles et les présente sous un format standard, masquant leurs spécificités et leurs évolutions. À cela s’ajoutent le protocole Agent-to-Agent (A2A) pour la collaboration et le protocole Agent-User Interaction (AG-UI) pour la communication avec l’humain.

Deuxièmement, les solutions agentiques introduisent de nouvelles compétences et responsabilités. Les équipes IT doivent adapter leurs rôles, méthodes et cycles projet pour les intégrer efficacement. Les éditeurs accompagnent cette évolution.

Deux grandes catégories se distinguent :

Les frameworks pro dev pour des implémentations spécifiques et un contrôle fin (Microsoft, OpenAI)
Les frameworks low code / no code pour des déploiements rapides (UiPath, n8n).

Les premiers retours d’expérience confirment également une évolution des usages : l’idée de super-agents polyvalents laisse place à une approche plus pragmatique, fondée sur la complémentarité des opérateurs, la spécialisation des agents et des modalités d’automatisation adaptées.

La fin du mythe du super-agent

Comme dit plus haut, exit l’idée d’agents IA assurant seuls des automatisations entières ; l’automatisation agentique est en train de se construire résolument sur la combinaison du meilleur de 4 mondes/opérateurs : API, RPA, IA et Humain.

Le tableau ci-après présente les critères pris en compte dans cette combinaison. Il en ressort un choix en cascade pour sélectionner l’opérateur d’une tâche spécifique.

Une API existante est imbattable pour traiter les entrées/sorties de données ou déclencher des opérations dans une solution. En comparaison, la RPA peut assurer le même type de tâches lorsqu’une API n’existe pas que la tâche nécessite des données d’origines diverses, que le traitement doit être rapide ou que la tâche n’a pas de tolérance à l’erreur.

Face à cela, l’IA est l’opérateur idéal pour des tâches plus complexes qui nécessitent une évaluation à multiples paramètres ou dont les paramètres sont complexes ou changent régulièrement.

Naturellement, dans une perspective d’automatisation, l’humain est le dernier choix ; réservé aux tâches ne pouvant être confiées aux autres opérateurs car trop complexes, voire même nécessitant une véritable expertise ou pour des questions de gestion du risque ou réglementaire.

En terme de complexité et de fiabilité des tâches, nous pouvons résumer la chose ainsi : Si une API peut le faire, l’API le fait ; sinon la RPA ; sinon l’IA ; sinon l’humain.

De la même manière, l’idée d’agents ultra-polyvalents est en train de passer à la trappe. Quoique très séduisante sur le papier, elle s’est avérée contre-productive jusqu’à présent. En effet, la rédaction des prompts est considérablement alourdie pour de tels agents ; tandis qu’à l’exécution ils doivent fournir un travail supplémentaire pour définir ce qu’ils doivent faire en plus de le faire.

Nous obtenons ainsi un tiercé perdant sur le temps de traitement, le coût en ressources et le risque d’erreur. A l’inverse, une équipe d’agents spécialisés, éventuellement pilotée par un agent coordinateur, s’avère bien plus efficace pour traiter les mêmes tâches.

Chaque agent n’a pas à s’interroger sur ce qu’il doit faire ; car il n’a qu’une seule compétence ; et il est beaucoup plus facile d’ajouter, retirer, modifier une compétence de l’équipe.

Pour conclure, le dernier usage dont nous parlerons ici concerne les types d’automatisations agentiques. Jusqu’ici, nous avons discuté des spécificités de l’automatisation agentique et de comment les équipes IT sont en train de se l’approprier.

Nous pouvons donc revenir à la grande promesse du début : l’automatisation de flux de travail de bureau.

Trois formes d'automatisation agentique

Actuellement, nous pouvons observer que la réalisation de cette promesse passe par 3 grandes modalités d’applications, 3 types d’automatisations : l’automatisation améliorée, l’automatisation de flux et l’automatisation d’assistance.

1. L’automatisation améliorée

L’automatisation améliorée correspond à l’automatisation d’un processus par une solution API/RPA, classique jusque-là ; mais où certaines tâches du processus nécessiterait l’évaluation par un agent. Cette stratégie d’automatisation ne rentre pas pleinement dans l’automatisation agentique. Elle n’est donc pas une fin en soi ; mais représente une étape intéressante pour une équipe exploitant déjà l’automatisation par API/RPA qui franchit le pas de l’automatisation agentique.

2. L’automatisation de flux

L’automatisation de flux est la réponse la plus proche de la promesse initiale et sans doute la plus visible en termes de gains. Là où les solutions RPA/IA n’automatisaient que des segments de processus, l’agentique permet d’envisager des flux entiers.

Auparavant, un cas passait successivement entre API, RPA et interventions humaines, sans suivi de bout en bout. Désormais, une automatisation peut orchestrer l’ensemble du traitement : déclenchée par un webhook, elle peut mobiliser un agent pour extraire des données, appeler des API, lancer une RPA pour une analyse, solliciter une validation humaine si nécessaire, et poursuivre jusqu’à la finalisation complète du flux.

3. L’automatisation d’assistance

L’automatisation d’assistance est une réponse moins évidente ; mais son potentiel est indiscutable. En effet, la RPA avait déjà permis de développer l’idée de mettre à disposition de collaborateurs de petites automatisations en vue de traiter des tâches à la demande du collaborateur.

L’idée était cependant freiner par la nécessité que le collaborateur soit un utilisateur averti qu’il connaisse les automatisations à sa disposition, leurs tâches et surtout comment les alimenter pour assurer leur bon fonctionnement.

En parallèle, les chatbots avaient aussi ouvert la voie de fournir à un collaborateur un assistant capable de l’accompagner dans la recherche d’informations ou de solutions. L’automatisation agentique permet de combiner efficacement les deux pour démultiplier la productivité d’un collaborateur.

En résumé :

Si vous êtes arrivé au terme de cet article, vous avez sans doute la tête pleine d’acronymes (API, LLM, SLM, MCP, SDK, IA…) et, nous l’espérons, enrichie de nouvelles connaissances.

Nous traversons une période où les technologies évoluent à un rythme particulièrement soutenu. L’état des lieux que nous venons de dresser ne sera probablement plus tout à fait d’actualité dans quelques mois.

En revanche, vous disposez désormais, nous l’espérons, d’une vision claire de ce qu’est l’agentique, de ses enjeux, et des possibilités concrètes qu’elle offre aujourd’hui.

Nos expertises en IA

L’Oiseau Rare vous propose ses services d’accompagnement pour élaborer une stratégie d’automatisation personnalisée. Nous vous aidons à identifier les processus automatisables, à définir des objectifs clairs, et à évaluer les avantages liés à l’automatisation.

Lead Developer chez l'Oiseau Rare

“En tant que Lead Developer à l’Oiseau Rare, j’accompagne les entreprises dans la mise en œuvre de solutions d’automatisation et d’intelligence artificielle. L’émergence de l’automatisation agentique et des agents IA ouvre de nouvelles possibilités pour automatiser des flux de travail toujours plus complexes.

Si vous vous interrogez sur les usages concrets de ces technologies dans votre organisation, n’hésitez pas à nous contacter. C’est toujours un plaisir d’échanger et de partager notre expertise.”

Besoin d'accompagnement ?

Accélérez votre transformation grâce à l’intelligence artificielle et à l’automatisation. Nos experts vous accompagnent pour identifier les bons cas d’usage et déployer des solutions adaptées à vos enjeux. Contactez-nous pour découvrir comment l’IA peut optimiser vos processus et renforcer votre performance opérationnelle.