C'est quoi, un agent IA ? (sans les buzzwords)

Tu as forcément un souvenir de ce moment : le prof annonce un exposé, et il y a deux façons de s’en sortir. Soit tu le fais toi-même en demandant un coup de main par-ci par-là. Soit tu confies une partie du travail à un camarade studieux qui peut chercher, organiser et rédiger — puis tu relis, tu ajustes et tu assumes la copie. L’image a ses limites : un logiciel n’est pas un camarade, et il ne prend pas ta responsabilité à ta place.

Garde cette image en tête : c’est exactement la différence entre une IA « classique » et un agent IA. Tout cet article tient là-dedans.

Le chatbot : le camarade qu’on interroge

Un chatbot — la fenêtre de discussion que tu connais déjà — c’est le camarade brillant assis à côté de toi. Tu lui poses une question, il te répond. « C’est quoi la photosynthèse ? » Boum, une explication. « Traduis-moi cette phrase. » Boum, la traduction.

C’est déjà très fort. Dans une conversation simple, tu demandes une réponse et c’est toi qui décides quoi en faire. Certaines interfaces de dialogue peuvent cependant aussi appeler des outils : la frontière ne se résume donc pas à « fenêtre de chat contre agent ». Ce qui compte, c’est la façon dont le système enchaîne les étapes, utilise les outils disponibles et te laisse contrôler le résultat.

L’agent : le camarade à qui tu confies le devoir

Un agent, c’est un système conçu pour poursuivre un objectif à travers plusieurs étapes. Tu lui confies une mission : « Prépare un brouillon d’exposé sur les volcans : cherche des sources fiables, fais un plan, rédige une page et donne les liens utilisés. Signale ce que tu n’as pas pu vérifier. »

Selon les outils et les règles de l’application, le système peut chercher sur le web, lire des fichiers ou appeler une fonction, puis recevoir le résultat et décider de la prochaine étape. Cette boucle n’est pas toujours autonome ni identique : certaines actions demandent une validation, certains systèmes s’arrêtent quand une étape échoue, et d’autres proposent de réessayer.

La différence n’est pas qu’il serait forcément « plus intelligent ». C’est plutôt son organisation autour d’un objectif et les moyens d’action mis à sa disposition. Un modèle sans outil peut seulement répondre dans le fil ; un agent peut sélectionner une action parmi les outils configurés, observer leur résultat et continuer. Les outils ne sont pas universels : l’application doit les fournir et définir comment ils s’exécutent.

À retenir : « chatbot » décrit souvent une interface de dialogue ; « agent » décrit plutôt un système qui poursuit un objectif et peut utiliser des outils. Les deux peuvent se recouvrir. Demande-toi : quelles étapes le système peut-il faire, avec quels outils, et lesquelles dois-je valider ?

La boucle du bon élève

Comment un agent s’y prend-il, concrètement ? Comme un bon élève devant un devoir, il tourne en boucle sur quatre étapes :

1. Lire l’énoncé. Il analyse ta demande : qu’est-ce qu’on attend exactement ?
2. Travailler. Il fait une action : chercher, lire un fichier, écrire un bout de texte.
3. Se relire. Il regarde le résultat : est-ce que ça avance ? est-ce qu’il y a une erreur ?
4. Continuer ou rendre. Si ce n’est pas fini, il retourne à l’étape 2. Si c’est fini, il te rend la copie.

Cette boucle paraît banale, mais elle explique le travail en plusieurs étapes. Quand une recherche échoue, un système bien conçu peut signaler l’échec, essayer une autre requête ou te demander de l’aide. Rien ne garantit qu’il réessaiera toujours ni que la correction sera juste : il faut examiner les résultats et les sources.

Et toi, tu deviens quoi là-dedans ?

C’est LA question importante, et l’école a déjà la réponse : quand le camarade studieux fait l’exposé, tu deviens celui qui relit et qui signe.

Tu choisis le sujet. Tu donnes les consignes (on verra dans le prochain article que c’est un art). Tu jettes un œil en cours de route. Et à la fin, tu relis la copie avant de la rendre, parce que c’est ton nom qui est dessus. L’agent peut se tromper avec un aplomb déconcertant — on y consacrera un article entier — et c’est précisément pour ça que ton rôle de relecteur n’est pas un détail : c’est le cœur du métier.

On appelle ça la supervision. Déléguer des étapes, jamais la responsabilité. Pour les actions à conséquence — envoyer, supprimer, acheter ou publier — prévois une validation explicite et vérifie ce que l’outil fera vraiment.

Trois exemples pour fixer l’idée

Question de chatbot : « Comment on dit bonjour en japonais ? » — une question, une réponse, terminé.

Mission d’agent : « Trie les 200 photos de mon dossier vacances par année, renomme-les proprement, et fais-moi un petit récap. » — plusieurs étapes, des fichiers à toucher, des vérifications en route : c’est un devoir complet.

Mission avec plusieurs étapes : « Dans une copie de mon dossier d’exercices, classe ces fichiers, ne supprime rien, puis dresse la liste des cas incertains. » Un outil d’agent peut réaliser une partie de la tâche ; tu contrôles le classement final. L’exercice guidé arrive dans ta première mission déléguée.

La suite au prochain épisode

Tu sais maintenant ce qu’est un agent : un camarade studieux, une boucle de travail, et toi dans le rôle du superviseur qui signe la copie.

Reste une question énorme : comment lui donner des consignes qui marchent ? Parce qu’un devoir confié avec un énoncé flou, c’est la garantie d’une copie hors sujet — et ça, c’est le sujet du prochain article : L’art de la consigne, le « prompt » démystifié.

D’ici là, observe autour de toi : chaque fois que tu utilises une IA, demande-toi quelles étapes elle réalise réellement, quels outils elle touche et ce que tu dois contrôler. Les guides officiels d’OpenAI sur les agents et d’Anthropic sur l’utilisation d’outils par Claude montrent deux implémentations différentes de ces idées.