Agents IA en entreprise : promesses et réalité
Après les assistants conversationnels, les agents IA sont devenus le sujet du moment. La promesse : des systèmes capables non seulement de répondre, mais d’agir. Consulter un outil, prendre une décision, déclencher une action, enchaîner plusieurs étapes, jusqu’à accomplir une tâche complète.
La réalité est plus nuancée. Les agents sont utiles, mais pas partout, et pas sans précautions. Voici comment s’y retrouver.
Qu’est-ce qu’un agent IA ?
Un modèle de langage seul reçoit un texte et produit un texte. Un agent est un modèle de langage auquel on donne :
- Des outils : la possibilité de chercher dans une base, de lire une fiche CRM, de créer un ticket, d’envoyer un message.
- Un objectif plutôt qu’une instruction précise : « traite cette demande client » plutôt que « classe ce message ».
- Une boucle : le modèle choisit une action, observe le résultat, décide de l’étape suivante, et recommence jusqu’à atteindre l’objectif ou s’arrêter.
La différence avec une automatisation classique est là : dans un workflow, c’est un humain qui a décidé à l’avance de l’enchaînement des étapes. Dans un agent, c’est le modèle qui décide, au fil de l’eau.
Ce que les agents font bien
Les tâches de recherche et de synthèse
Rassembler des informations dispersées dans plusieurs outils (CRM, documentation interne, historique de tickets) pour préparer un dossier ou répondre à une question précise. L’agent sait quels outils consulter selon la question, et adapter sa recherche à ce qu’il trouve.
Les tâches au chemin variable
Quand le traitement dépend fortement du cas : une demande client qui peut nécessiter de vérifier une commande, puis une livraison, puis un stock, ou rien de tout cela. Écrire un workflow qui couvre toutes les branches serait long et fragile. Un agent peut naviguer entre elles.
L’assistance à une personne
Un agent qui prépare le travail (rassemble le contexte, propose une action, pré-remplit un formulaire) et laisse une personne valider. C’est aujourd’hui l’usage le plus solide en entreprise.
Les limites réelles
La fiabilité sur des chaînes longues
Chaque étape d’un agent comporte un risque d’erreur. Sur une chaîne de plusieurs décisions, ces risques se cumulent. Un agent peut partir dans une mauvaise direction, mal interpréter un résultat intermédiaire, ou tourner en rond.
La prévisibilité
À demande identique, un agent peut emprunter des chemins différents. C’est un atout pour s’adapter, mais un problème pour un processus qui doit produire un résultat constant et vérifiable.
Le coût et le temps d’exécution
Un agent fait souvent de nombreux appels au modèle pour une seule tâche. Pour un traitement à fort volume, le coût et la latence peuvent devenir significatifs, là où un workflow classique s’exécute vite et pour presque rien.
La sécurité
Donner des outils à un modèle, c’est lui donner des droits. Un agent qui peut lire des e-mails et en envoyer peut être manipulé par le contenu d’un message malveillant (on parle d’injection de consignes). Un agent qui peut modifier des données peut en modifier de mauvaises.
Les garde-fous indispensables
- Des droits minimaux. L’agent n’accède qu’aux outils et aux données dont il a besoin, en lecture seule quand c’est possible.
- Une validation avant toute action sensible. Envoi externe, modification de données importantes, engagement financier : une personne valide. Voir Humain dans la boucle.
- Des limites explicites. Un nombre maximal d’étapes, un périmètre clair, une sortie prévue quand l’agent ne sait pas.
- Une trace complète. Chaque action de l’agent est enregistrée, pour comprendre ce qui s’est passé et corriger.
- Des tests sur des cas réels, y compris des cas difficiles et des tentatives de détournement, avant la mise en production.
Agent ou workflow ?
C’est la question la plus utile à se poser. Dans beaucoup de cas, un workflow automatisé (une suite d’étapes définies à l’avance, avec éventuellement une brique d’IA à un endroit précis) est plus adapté qu’un agent.
Un workflow suffit quand :
- Les étapes sont connues et peu nombreuses.
- Le traitement doit être prévisible et vérifiable.
- Le volume est important.
- L’IA n’intervient que sur une tâche précise (classer, extraire, résumer).
Un agent apporte quelque chose quand :
- Le chemin varie fortement d’un cas à l’autre.
- La tâche consiste à chercher et rassembler de l’information.
- Une personne reste là pour valider le résultat.
En pratique, les solutions les plus robustes combinent les deux : un workflow qui structure le processus, et un agent mobilisé sur une étape précise, dans un cadre limité.
Ne pas commencer par l’agent
Le risque, avec les agents, est de partir de la technologie. « Il nous faut un agent » n’est pas un besoin. « Nos commerciaux perdent du temps à rassembler les informations d’un client avant un rendez-vous » en est un, et la réponse peut être un agent, un workflow, ou simplement une meilleure connexion entre deux outils.
C’est notre premier engagement : pas d’IA sans besoin précis. Elle intervient là où elle supprime une tâche concrète, avec des données exploitables. Pour cadrer un premier projet, voir IA en entreprise : par où commencer.
Vous vous demandez si un agent IA a sa place dans vos processus ? Échangeons 20 minutes.