L’automatisation a joué un rôle crucial dans l’évolution des différents domaines d’activité. Elle a eu des effets sur l’économie, l’emploi, les services publics, l’environnement, l’information, le secteur culturel, … Elle constitue souvent la première étape de la transformation numérique.
Après l’automatisation, nous avons assisté à l’émergence de l’intelligence artificielle générative et des agents conversationnels ou dialogueurs (chatbots en anglais). L’intelligence artificielle générative permet de créer de nouveaux contenus sous la forme de texte, d’image, de son, de vidéo ou de code. Cette capacité de production constitue un tournant majeur de l’IA qui s’appuie sur les techniques d’apprentissage automatique. Quant aux agents conversationnels, il s’agit de programmes informatiques capables de communiquer avec des humains par le biais de texte ou de la voix. L’utilisation la plus courante des agents conversationnels est le service à la clientèle, mais ces assistants virtuels alimentés par l’IA sont également utilisés à des fins de vente et de marketing. Ils peuvent également être utiles comme assistants de direction, assistants personnels, etc.
Après l’IA générative et les agents conversationnels, une nouvelle génération de systèmes d’IA apparaît : l’IA agentique qui est déjà utilisée dans de nombreux secteurs. « L’ère de l’IA agentique est déjà arrivée. Des agents sont déployés à grande échelle dans l’économie pour effectuer toutes sortes de tâches » a déclaré Sinan Aral, professeur de gestion, d’informatique et de marketing au MIT Sloan. Pour Aiman Ezzat, directeur général de Capgemini, l’IA agentique ne relève pas d’un simple déploiement technologique mais d’une « révolution d’entreprise ». Il déclare : « Plus que jamais, nos clients ont besoin de partenaires de transformation capables de concrétiser leurs ambitions en matière d’IA et d’obtenir un impact tangible sur leurs activités ».
Cette évolution technologique ouvre des perspectives importantes en entreprise, mais soulève également des défis majeurs.
Le concept d’IA agentique
L’IA agentique désigne des systèmes d’IA capables non seulement de répondre à des questions, mais aussi de planifier, de prendre des initiatives et d’exécuter des actions pour atteindre un objectif. Elle représente une avancée majeure dans l’évolution de l’intelligence artificielle. Les principaux progrès résident dans l’autonomie, la proactivité, la spécialisation dans des tâches spécifiques, l’adaptabilité, et l’intuition.
Contrairement à l’IA générative qui se limite à produire du contenu, l’IA agentique, système d’IA autonome, est capable d’agir de manière indépendante pour atteindre des buts prédéterminés.
L’IA agentique repose sur des agents IA, c’est-à-dire des systèmes logiciels autonomes qui utilisent l'intelligence artificielle afin d’atteindre des objectifs et d’accomplir des tâches pour le compte des utilisateurs. Ces agents IA établissent les bases d’une nouvelle collaboration homme-machine.
Gartner prévoit une croissance exponentielle de l’IA agentique. Dans une étude intitulée « Gartner Identifies Six Steps to Manage AI Agent Sprawl » (avril 2026), cette société d’études de marché et de technologies prévoit d’ici 2028 une accélération du déploiement des agents IA par les grandes entreprises. De son côté, IDC prévoit plus d’un milliard d’agents IA déployés activement d’ici 2029, exécutant environ 217 milliards d’actions par jour et prédit que l’IA agentique représentera plus de 26 % des dépenses informatiques mondiales, soit 1,3 billion de dollars, cette même année. « C’est un tsunami d’agents IA qui se profile et qui n’est pas voué à ralentir », résume Damien Gbiorczyk, responsable de ventes.
Les apports de l’IA agentique pour les entreprises
L’IA agentique permet de simplifier des processus complexes ou spécialisés afin d’améliorer la productivité. De ce fait, les collaborateurs consacrent moins de temps aux tâches répétitives et se concentrent sur des activités à plus forte valeur ajoutée, comme la relation client, l’innovation ou la stratégie.
Par ailleurs, d’aucuns avancent l’idée selon laquelle l’IA agentique est « l’avenir de la gestion des données », car les méthodes traditionnelles sont de plus en plus insuffisantes eu égard à la croissance exponentielle du volume des données. De nombreuses entreprises sont confrontées en effet à des sources de données gigantesques (Big Data ou mégadonnées en français). En outre, ces volumes massifs de données comportent des données non structurées qui rendent leur analyse complexe. Une exploration approfondie des données grâce à l’IA agentique permet aux entreprises d’accélérer leurs prises de décision.
Enfin, l’IA agentique permet également une personnalisation des services à grande échelle (campagnes marketing ciblées, assistance sur mesure, …), contribue à réduire les coûts opérationnels en limitant les interventions manuelles et les erreurs répétitives, et améliore l'expérience client en offrant des interactions plus rapides, cohérentes et adaptées aux besoins de chaque utilisateur.
Quelques exemples d’utilisation de l’IA agentique par les entreprises
Nous observons que les entreprises commencent à intégrer des agents IA dans leurs opérations.
Dans le secteur bancaire et financier, les établissements explorent l’utilisation d’agents IA pour détecter les fraudes, fournir des conseils financiers personnalisés, automatiser des processus d’approbation de prêts ainsi que les procédures juridiques et de conformité. Ainsi, avec son entité dédiée, SocGen AI, la Société Générale met l’accent sur l’IA agentique qu’elle perçoit comme la prochaine étape majeure au-delà de l’IA générative classique. Autre exemple : après avoir lancé fin 2025 TPRM AI, une plateforme d’IA agentique dédiée à la gestion des risques tiers, la Deutsche Bank poursuit ses développements dans le crédit, notamment pour extraire et structurer les données ou préparer des analyses directement exploitables pour la décision, afin de gagner en efficacité opérationnelle.
Dans le secteur du commerce, les agents IA analysent les données de vente et les données clients afin d’effectuer des tâches avec peu ou pas d’intervention humaine. Ces agents peuvent accomplir une multitude de fonctions : qualification des prospects, préparation des propositions commerciales personnalisées, réponses aux questions, renforcement des relations, négociation des contrats, ...
Dans le domaine des ressources humaines, les agents IA présélectionnent des candidatures, organisent des entretiens, optimisent la gestion des ressources humaines, …
L’IA agentique ouvre une nouvelle ère pour les entreprises. Après les outils capables de répondre, arrivent désormais des systèmes capables d’agir. Mais l’essor des agents IA ne signe pas la fin de l’intervention humaine. Ils restent des outils qui, en automatisant les tâches répétitives ou opérationnelles, permettent aux équipes de se concentrer sur les situations complexes, les relations humaines, le pilotage et la prise de décision. Enfin, les organisations qui sauront identifier les bons cas d’usage, accompagner leurs équipes et intégrer progressivement ces nouveaux agents IA disposeront d’un avantage concurrentiel important.
Contrairement aux logiciels traditionnels, les agents IA agissent de manière autonome. Mais cette autonomie accrue de l’IA agentique s’accompagne de défis majeurs.
Les risques liés à l’IA agentique
Les risques associés à l’IA agentique dépassent les vulnérabilités propres aux modèles d’IA générative.
L’un des défis majeurs est celui de la responsabilité et de l’imputabilité. À qui incombe la responsabilité lorsqu’un agent IA cause un préjudice, prend une mauvaise décision ou viole la loi ? L’attribution de la responsabilité en cas de dysfonctionnements ou d’abus d’un agent IA reste floue. Les entreprises doivent clairement définir les responsabilités en cas d’erreur ou de préjudice causé par une IA agentique. Une répartition claire des responsabilités favorise la transparence, renforce la confiance des utilisateurs et permet de garantir que les entreprises restent redevables des conséquences de l’utilisation de leurs systèmes d’IA.
En raison de sa capacité à agir de manière autonome, l’IA agentique modifie en profondeur la nature des risques liés à la protection des données, en créant de nouveaux enjeux en matière de confidentialité, de sécurité et de gouvernance des traitements. L’IA agentique peut, par exemple, collecter, regrouper, transmettre ou modifier des données à grande échelle, accéder à des informations sensibles provenant de plusieurs systèmes, ou encore prendre des décisions fondées sur des données personnelles sans contrôle humain immédiat.
Si l’IA agentique offre certains avantages pour lutter contre la cybercriminalité, elle introduit également de nouveaux risques en matière de cybersécurité, car elle est capable d’exécuter des actions complexes avec une intervention humaine limitée, voire sans intervention humaine dans certains contextes. En d’autres termes, plus autonome, plus interconnectée, plus rapide, elle redéfinit en profondeur la surface d’attaque des entreprises. Selon une étude de Gartner, 74 % des responsables d’applications informatiques pensent que les agents IA représentent une nouvelle menace pour les entreprises.
En résumé, comme toute technologie avancée, l’IA agentique amplifie des risques déjà connus (biais, conformité, sécurité) et en introduit de nouveaux (injection de prompt, perte de contrôle, opacité opérationnelle). - Décisions biaisées : les IA agentiques apprennent à partir de données humaines, souvent imparfaites (biais algorithmiques, hallucinations, …) ; - Problèmes de conformité réglementaire (RGPD, CSRD, IA Act) ; - Fuites de données ((shadow IA) : envoi de données sensibles à l’extérieur de l’entreprise ; - Mauvaise intégration au processus métier ; - Injection de prompt qui consiste à injecter des instructions malveillantes dans les données traitées par l’agent, pour modifier son comportement ou extraire des informations protégées ; - Perte de transparence et d’explicabilité.
Conclusion
Pour réussir cette nouvelle révolution de l’intelligence artificielle, il faudra combiner autonomie des agents, supervision humaine et conformité réglementaire. Comme le souligne Bpifrance, l’IA agentique, aussi performante soit-elle, présente des limites et des risques. « L’équilibre entre autonomie, supervision et responsabilité humaine demeure indispensable pour garantir la fiabilité et l’éthique des décisions prises ». Penser que l’intelligence artificielle peut s’affranchir de l’expérience humaine est une erreur stratégique coûteuse. Une affaire récente, celle du géant automobile Ford, illustre cette affirmation.
Ce constructeur automobile a dû récemment réembaucher environ 350 ingénieurs expérimentés après avoir constaté l’échec de sa stratégie visant à remplacer une partie de l’expertise humaine par l’intelligence artificielle. Cette dernière, censée améliorer la qualité et réduire les coûts, a au contraire provoqué une hausse inquiétante des défauts de fabrication, des rappels massifs (jusqu’à 1 milliard de dollars en 2026) et une chute brutale dans le classement de qualité JD Power. Face à ce résultat désastreux, l’entreprise explique qu’elle a trop misé sur l’IA pour assurer la qualité des véhicules et surestimé ce que l’IA pouvait accomplir seule.
La leçon à en tirer est de reconnaître que les outils de l’intelligence artificielle ont besoin des connaissances accumulées par du personnel expérimenté pour être efficaces, et que la meilleure approche consiste à associer expertise humaine et intelligence artificielle plutôt qu’opposer les deux.
© Copyright ANDESE
Le présent document est protégé par les dispositions du code de la propriété intellectuelle. Les droits d'auteur sont la propriété exclusive d'ANDESE (Association Nationale des Docteurs ès Sciences Économiques et en Sciences de Gestion). La copie ou la reproduction (y compris la publication et la diffusion), intégrale ou partielle, par quelque moyen que ce soit (notamment électronique) sans le consentement de l’éditeur constituent un délit de contrefaçon sanctionné par les articles L. 335-2 et suivants du code de la propriété intellectuelle.