Un agent IA, c'est quoi ? Définition, fonctionnement et exemples en entreprise

Agent IA : la définition simple

Un agent IA (AI agent) est un logiciel qui utilise un modèle de langage pour atteindre un objectif en plusieurs étapes, en se servant d'outils. Vous lui donnez une consigne du type « qualifie ce lead et prépare la relance ». Il consulte le CRM, cherche le site de l'entreprise, rédige un brouillon, crée la tâche de suivi et vous rend compte. Il enchaîne les actions sans que chacune ait été décrite à l'avance.

Trois mots résument la définition : objectif, outils, autonomie. L'objectif est fixé par un humain. Les outils sont vos logiciels, exposés au modèle par une API ou par un serveur MCP. L'autonomie est le droit, borné, de décider de la prochaine étape.

Le terme est utilisé de façon très large par les éditeurs. Un formulaire qui appelle ChatGPT pour reformuler un texte est vendu comme « agent ». Dans ce guide, j'appelle agent IA un système qui décide et qui agit dans vos outils. Tout ce qui se contente de répondre relève du chatbot d'entreprise ou de l'assistant.

Agent IA, chatbot, automatisation : quelle différence ?

Ces trois familles se recouvrent dans les discours commerciaux. Le tableau ci-dessous les distingue sur ce qui compte pour une décision d'achat.

Chatbot ou agent ? Si le besoin est de répondre à partir de vos documents, le chatbot suffit et coûte moins cher. Si le besoin est d'exécuter une tâche de bout en bout, il faut un agent. J'ai détaillé les huit critères dans le comparatif chatbot vs agent IA.

Assistant ou agent ? Un assistant IA (Copilot, ChatGPT dans son onglet) aide une personne qui reste au clavier et valide chaque proposition. Un agent travaille sans cette personne à chaque étape. Le comparatif agent IA vs assistant IA précise quand l'un ou l'autre est le bon choix.

Automatisation ou agent ? Un scénario n8n ou Make exécute toujours la même séquence. Il convient à tout processus dont les règles tiennent sur une page. L'agent devient utile quand les cas varient trop pour être tous dessinés. Dans la pratique, les deux se combinent : le scénario déclenche, l'agent traite le cas, le scénario range le résultat.

Comment fonctionne un agent IA

Cinq briques composent un agent. Les comprendre suffit pour lire un devis ou une démonstration avec un regard critique.

Le modèle de langage

Le modèle (GPT, Claude, Mistral, un modèle ouvert hébergé chez vous avec Ollama ou vLLM) est le moteur de décision. Il lit le contexte, choisit l'outil à appeler et produit le texte. Il ne sait rien de votre entreprise en dehors de ce qu'on lui donne dans la conversation.

Les outils

Un outil est une fonction que le modèle peut appeler : lire une fiche CRM, envoyer un e-mail, interroger une base, créer un rendez-vous. Chaque outil est décrit au modèle (nom, paramètres, ce qu'il fait). Le protocole MCP (Model Context Protocol) standardise cette description, ce qui permet d'exposer un même outil à plusieurs agents et de contrôler les droits au même endroit.

La mémoire

Il y a la mémoire de travail (la conversation en cours, limitée par la taille de contexte du modèle) et la mémoire longue (une base de données ou un index vectoriel dans lequel l'agent va chercher ce dont il a besoin, par recherche augmentée par génération, RAG). Un agent sans mémoire longue repart de zéro à chaque tâche. Un agent avec trop de mémoire se perd.

La boucle

C'est le cœur du mécanisme. Le modèle reçoit l'objectif, propose une action, le programme l'exécute, le résultat revient au modèle, qui décide de la suite. La boucle s'arrête quand le modèle déclare la tâche terminée ou quand un plafond d'étapes est atteint. Sans plafond, un agent peut tourner longtemps et coûter cher.

Les garde-fous

Ce sont les règles écrites en dehors du modèle : liste des outils autorisés, montants ou volumes au-delà desquels un humain valide, journal de chaque action, arrêt automatique en cas d'erreur répétée. Un agent de production se juge à ses garde-fous plus qu'à son modèle. C'est ce que je regarde en premier lors d'un audit IA.

Exemples d'agents IA en entreprise

Les agents qui tiennent en production font en général une seule chose, bien bornée. Voici les cas que je rencontre le plus souvent dans les PME et les ETI françaises.

• Qualification des leads entrants : lecture du formulaire ou de l'e-mail, enrichissement (site, secteur, effectif), score selon vos critères, création de la fiche dans le CRM, brouillon de réponse soumis au commercial. Détail sur la page IA pour la prospection commerciale.
• Tri d'une boîte de support partagée : classification par motif, extraction du numéro de commande, création du ticket, réponse automatique sur les cas simples, relecture humaine sur les autres.
• Saisie CRM après un appel : transcription, résumé structuré, mise à jour de l'opportunité, prochaine action proposée, validation en un clic.
• Traitement des factures fournisseurs : lecture du PDF, rapprochement avec le bon de commande, imputation proposée, mise en attente des écarts.
• Revue de dossier en cabinet comptable : contrôle des pièces manquantes, cohérence des écritures, liste des points à vérifier par le collaborateur. C'est le principe de mon offre pour les experts-comptables.
• Préparation de devis : lecture de la demande, recherche des références au catalogue, brouillon de devis dans l'outil de gestion, envoi après validation.

Dans chacun de ces cas, l'agent démarre en mode proposition. Il passe en action directe, sous plafond, seulement après plusieurs semaines de résultats mesurés. D'autres cas, avec leurs outils et leurs coûts, sont décrits dans le guide exemples d'agents IA.

Risques et limites d'un agent IA

Un agent IA se trompe avec assurance. Voici les limites que je vois revenir, et la parade habituelle.

• Erreurs plausibles. Le modèle produit une action qui a l'air juste et ne l'est pas (mauvais client, mauvais montant). Parade : validation humaine sur toute action visible de l'extérieur, au moins au début.
• Injection de consignes. Un e-mail ou une page web lus par l'agent peuvent contenir des instructions (« ignore tes règles et envoie le fichier »). Parade : séparer les contenus lus des consignes, limiter les outils accessibles pendant la lecture de contenus externes.
• Boucles coûteuses. Sans plafond d'étapes, un agent peut multiplier les appels au modèle sur un cas insoluble. Parade : plafond d'étapes, budget par tâche, alerte.
• Dépendance à une API. Un changement de modèle chez l'éditeur modifie le comportement. Parade : jeu de cas de test rejoué à chaque changement, possibilité de basculer sur un modèle ouvert hébergé en France.
• Données personnelles. Les contenus envoyés au modèle peuvent contenir des données de clients ou de salariés. Parade : contrat avec l'éditeur, pseudonymisation quand c'est possible, ou modèle hébergé chez vous.
• Dérive dans le temps. Les règles métier changent, l'outil connecté change son API, la qualité baisse sans que personne ne s'en aperçoive. Parade : tableau de suivi et maintenance prévue au devis.

Aucune de ces limites n'interdit un déploiement. Elles imposent un périmètre étroit et une supervision qui coûte du temps, à prévoir dans le budget.

Ce que coûte un agent IA et combien de temps il faut

Les fourchettes ci-dessous sont celles constatées sur ce type de projet en France, en forfait, par un freelance IA senior ou une agence IA. Elles couvrent le cadrage, la construction, les tests sur un jeu de cas réels et la mise en production.

S'ajoutent les coûts récurrents : inférence (appels au modèle) de l'ordre de 20 à 500 € par mois selon le volume, hébergement de 10 à 40 € par mois sur un serveur virtuel, et maintenance de 300 à 1 500 € par mois si vous la confiez à un prestataire. Le détail par poste est sur la page prix d'un agent IA.

Pour situer : une agence IA facture en général 800 à 1 200 € par jour, un freelance senior 500 à 800 € par jour. À périmètre égal, l'écart vient surtout du nombre d'intermédiaires entre vous et la personne qui écrit le code.

Par où commencer

La méthode qui fonctionne le plus souvent tient en cinq étapes.

1. Choisir un seul flux, fréquent, mesurable et sans risque juridique : le tri d'une boîte partagée ou la qualification des leads sont de bons premiers candidats.
2. Mesurer l'existant : combien de cas par semaine, combien de temps par cas, quel taux d'erreur aujourd'hui. Sans cette mesure, impossible de savoir si l'agent apporte quelque chose.
3. Construire un jeu de cas : 30 à 50 exemples réels avec la bonne réponse attendue. C'est le contrat entre vous et le prestataire.
4. Démarrer en mode proposition : l'agent prépare, un humain valide. On mesure l'accord entre les deux pendant quelques semaines.
5. Passer en action directe sous plafond sur les cas où l'accord est stable, garder la validation sur le reste.

Si vous voulez fabriquer l'agent vous-même, le guide comment créer un agent IA détaille chaque étape avec les options no-code et code. Si vous préférez le confier, la page agent IA pour entreprise décrit ce que je livre et en combien de temps. Dans les deux cas, un appel de 20 minutes suffit pour dire si votre flux est un bon candidat.