Qu'est-ce que l'IA agentique ?
L'IA agentique est une manière d'employer les modèles d'intelligence artificielle dans laquelle le modèle ne se contente plus de répondre mais conduit une action. Un modèle de langage doté d'outils (un navigateur, une messagerie, un accès à un logiciel de gestion), d'une mémoire et de la capacité de planifier cesse d'être un cerveau sans mains : il devient un agent, c'est-à-dire un système qui décide et exécute à la place de celui qui l'emploie.
L'Agentic Commerce Framework résume cette bascule d'une formule : le modèle est un conseiller, l'agent est un mandataire. C'est ce seuil qui sépare un outil d'aide à la décision d'un système qui décide et exécute pour vous ; c'est lui qui fait naître l'économie agentique décrite sur la page d'accueil.
Comment la CNIL aborde-t-elle l'IA agentique ?
La CNIL constate qu'il n'existe pas de définition unique de l'IA agentique et retient l'autonomie d'action, c'est-à-dire la capacité d'agir sur un environnement et d'en modifier l'état, comme critère central. Dans un article de son laboratoire d'innovation paru en septembre 2026, elle relève que le terme désigne le plus souvent des systèmes qui coordonnent plusieurs agents orchestrés par des modèles de fondation ; elle cite la grille du Conseil de l'IA et du numérique (CIANum) qui distingue 5 degrés d'autonomie, des règles prédéfinies jusqu'aux chaînes d'actions entièrement autonomes.
La CNIL en tire des points de vigilance propres à la protection des données : des agents qui font circuler des données personnelles entre de nombreux services, une mémoire persistante qui peut nourrir des profils très personnalisés et une décision partagée entre plusieurs acteurs qui rend la responsabilité plus difficile à attribuer. Le droit existant s'applique, précise-t-elle, sa mise en œuvre devant toutefois s'adapter à ces systèmes (voir Droit).
Qu'est-ce qu'un agent d'IA ?
Un agent d'IA est tout système logiciel auquel une organisation confie, avec une marge d'autonomie, la préparation, l'orientation ou l'exécution d'une décision qui produit des effets réels. Cette définition, qui est celle de l'Agentic Commerce Framework, a une portée plus large qu'il n'y paraît : un moteur de tarification, un outil de notation de dossiers ou un algorithme de tri des demandes entrantes en relèvent dès lors qu'ils tranchent, même s'ils n'ont rien d'un assistant conversationnel.
On distingue habituellement un agent d'un simple automate par trois capacités. L'agent reçoit un objectif plutôt qu'une suite d'instructions ; il choisit lui-même les étapes et les outils pour l'atteindre ; il observe le résultat de chaque action et ajuste la suivante jusqu'à ce que la tâche soit accomplie ou qu'une personne l'arrête. Un automate classique exécute la règle qu'on lui a écrite, alors qu'un agent interprète une intention.
Quelle différence entre IA générative et IA agentique ?
La différence entre IA générative et IA agentique tient à ce que le système produit : l'IA générative produit un contenu que l'humain utilise ensuite, l'IA agentique produit un acte dont l'humain répond ensuite. Les deux reposent souvent sur les mêmes modèles, si bien que la différence ne se voit pas dans la technologie mais dans la place que l'on accorde au système dans la chaîne de décision.
| Critère | IA générative | IA agentique |
|---|---|---|
| Ce qu'on lui donne | une demande ponctuelle (« rédige ce courriel ») | un objectif (« traite les demandes de remboursement de la semaine ») |
| Ce qu'elle produit | un texte, une image, du code | une suite d'actions sur des systèmes |
| Qui agit dans le monde | l'humain, à partir du contenu produit | l'agent, directement |
| Durée | une réponse | une tâche qui peut durer des minutes ou des jours |
| Erreur typique | un contenu faux que l'humain peut relire | un acte engagé (paiement, envoi, suppression) parfois irréversible |
| Question de gouvernance | le contenu est-il fiable ? | qui a autorisé cet acte, dans quelles limites et qui en répond ? |
Les intermédiaires numériques que nous connaissions (moteurs de recherche, comparateurs, systèmes de recommandation) influençaient la décision ; l'agent décide et exécute. Il est en ce sens un intermédiaire qui agit à la place de l'humain et non plus seulement devant lui ; voilà pourquoi les questions qu'il soulève soient juridiques et économiques autant que techniques.
Comment mesurer le degré d'agentivité d'un système ?
Le degré d'agentivité d'un système se mesure sur plusieurs dimensions plutôt que par une étiquette binaire « agent » ou « pas agent ». Un article paru dans la revue Nature en août 2026 propose de caractériser chaque système par un profil agentique en 4 dimensions : son autonomie, sa capacité d'action sur le monde, la complexité des objectifs qu'il poursuit et sa généralité.
Ce profil décrit ce dont un système est capable sans dire encore quel pouvoir on lui confie. L'Agentic Commerce Framework y ajoute un profil de délégation qui précise, pour chaque agent, quelle décision est en jeu, à quel niveau on la délègue, sous quel mandat et quel plafond, avec quelle supervision, quelle traçabilité, quelle réversibilité et quelle zone on ne lui cède jamais. Le premier profil caractérise une capacité ; le second décrit une relation de pouvoir et de responsabilité, que la page Déléguer une décision détaille.
Quels sont des exemples concrets d'IA agentique ?
Les exemples d'IA agentique les plus répandus en 2026 se trouvent dans l'achat, le service client, le développement logiciel et les fonctions financières.
- Un agent d'achat reçoit une intention (« un billet Paris-Lyon avant midi, moins de 80 € ») et compare, choisit, réserve et paie dans les limites fixées.
- Un agent de recherche achète à la requête, dans un budget plafonné, les données dont il a besoin et consigne la source et le coût de chaque achat ; c'est l'un des exemples donnés par Circle.
- Un agent de service client répond aux questions, applique la politique commerciale et peut accorder un geste dans un plafond défini.
- Un agent de développement écrit, teste et modifie du code ; il peut acquérir la licence d'une bibliothèque logicielle si ses permissions couvrent le fournisseur, les conditions et le coût.
- Un agent de tarification ajuste des prix en fonction de la demande, des stocks et de la concurrence.
Chacun de ces agents produit des effets réels : cela suffit à en faire un objet de gouvernance au même titre qu'un salarié doté d'une délégation de signature.
Qu'est-ce que l'« agent washing » ?
L'agent washing désigne la pratique qui consiste à présenter comme agentiques des produits qui ne le sont pas, en rebaptisant d'anciens assistants, des robots logiciels ou des agents conversationnels. Le terme a été popularisé par Gartner, qui estimait en juin 2025 qu'environ 130 éditeurs seulement, sur les milliers qui revendiquent une offre d'IA agentique, en proposent réellement une.
Pour un acheteur, la conséquence est simple : avant de déployer un « agent », il faut demander ce qu'il a le droit de faire sans validation humaine, sur quels systèmes il agit et comment on l'arrête. Si la réponse est « rien » et « aucun », il s'agit d'un assistant : rien de honteux à cela, simplement un niveau de risque différent.
Ce que l'IA agentique change à l'économie
L'IA agentique change l'économie parce qu'elle déplace l'acte économique lui-même : chercher, choisir, négocier et payer deviennent des gestes que l'on peut confier à un système. C'est cette délégation, beaucoup plus que la puissance des modèles, qui fait naître ce que l'on appelle l'économie agentique, avec ses protocoles (Protocoles), ses moyens de paiement (Paiement agentique) et ses risques (Risques).
Savoir ce qu'est un agent ne suffit pas à savoir comment l'encadrer : les règles qui permettent de lui confier une décision sans perdre la main sont décrites dans la page Déléguer une décision.