Une note publiée en février 2026 par le Conseil de l'intelligence artificielle et du numérique (CIANum) présente l'intelligence artificielle (IA) agentique qui promet d'automatiser des tâches complexes mais appelle à y recourir avec prudence.
Qu'est-ce que l'IA agentique ?
Il s’agit d’un programme informatique capable de prendre des décisions ou de réaliser des actions en s’appuyant sur des modèles d’IA. Intégré à une suite logicielle, un agent IA est doté d’une capacité d’action propre. Il peut décomposer un processus, analyser son environnement, proposer une solution, prendre des décisions ou enchaîner des opérations avec ou sans validation humaine.
L’IA peut par exemple réserver un voyage en ligne à partir d’une requête, c’est-à-dire trouver des dates disponibles dans l’agenda de l’utilisateur, étudier les modes de transport et les logements existants, comparer les prix, proposer des options adaptées et payer en ligne.
Comment fonctionne cette technologie ?
Une architecture logicielle agentique comporte :
- une couche applicative (interface avec laquelle l’utilisateur interagit) ;
- une couche d’orchestration, qui séquence les actions nécessaires à l’exécution d’une tâche ;
- une couche logique, qui connaît des scénarios types d’enchaînement d’actions aboutissant à un objectif. Elle calcule le coût de chaque alternative et choisit la meilleure en termes d’objectif et de coût associé ;
- une couche d’évaluation, qui permet de vérifier la qualité du résultat et de le corriger le cas échéant.
Ces quatre couches fonctionnant en synergie permettent à l’IA agentique de comprendre, décider, agir et s’améliorer de façon autonome ou avec l’humain.
Les limites et les risques de l'IA agentique
La note pointe :
- des limites techniques :
- des effets de cascade (chaque étape d’un processus peut générer des erreurs, qui se cumulent),
- une "dérive de l’orchestration" lorsque plusieurs agents interagissent sans cadre commun,
- un "désalignement sémantique" (des agents peuvent interpréter différemment une même consigne),
- des risques pour la cybersécurité ;
- des enjeux éthiques, sociétaux et juridiques. Outre la question de la protection des données personnelles, se pose celle de la responsabilité en cas de décision erronée ou dommageable. Le règlement européen sur l’IA fournit un cadre partiel. De plus, la généralisation des agents autonomes pourrait faire passer l'IA de 20% à 49% de la consommation totale des centres de données d'ici fin 2026 ;
la crainte du remplacement du travail humain. La pénétration de l’IA dans les entreprises reste lente et limitée.
IA agentique/IA générative : les principales différences Caractéristiques IA agentique IA générative Fonction primaire Action autonome orientée vers un objectif Création de contenu Mode d'interaction Proactif (cherche à atteindre des objectifs) Réactif (réponse rapide) Exécution de la tâche Décompose les tâches complexes de manière autonome Suit les instructions directes Prise de décision Dynamique, avec raisonnement et adaptation Limitée Autonomie Élevée (peut initier et piloter des processus) Faible Capacités clés Planification en plusieurs étapes, autoréflexion, correction des erreurs Production de textes, d’images, reconnaissance de modèles de codes, résumé, traduction Complexité des tâches Objectifs complexes à plusieurs étapes Tâches linéaires en une seule étape, essentiellement Exemples Assistants autonomes, véhicules autonomes, systèmes de trading ChatGPT, DALL-E, Midjourney
