IA agentique

Une IA agentique réunit quatre éléments. Un modèle de langage interprète la demande et produit une proposition d’étape. Des instructions précisent l’objectif, le ton, les interdits et la condition d’arrêt. Des outils donnent accès à une recherche documentaire, à une boîte partagée ou à une application métier. Enfin, une couche d’orchestration transmet le résultat d’une action au tour suivant.

La boucle n’est pas magique : le système reçoit une observation, sélectionne un outil parmi une liste fermée, puis contrôle le retour avant de continuer. Lorsqu’un dossier ne contient pas l’information attendue, il doit demander un complément ou transférer le cas. Une mémoire de travail peut conserver les éléments utiles pendant ce traitement ; elle ne justifie pas de stocker indéfiniment toutes les conversations.

• un objectif mesurable, comme préparer une fiche de qualification ;
• des outils décrits avec leurs entrées et leurs sorties ;
• des limites de durée, de coût et de nombre d’appels ;
• une trace permettant de rejouer un incident.

Un serveur MCP peut proposer une interface homogène vers plusieurs outils. Il ne décide ni des habilitations ni de la qualité d’une action. Le modèle reste susceptible de se tromper dans son raisonnement, tandis qu’un connecteur mal configuré peut exécuter une action correcte au mauvais endroit. Ces deux risques se testent séparément.

L’expression agentic AI est souvent employée pour désigner la même famille de systèmes. En entreprise, le meilleur premier cas n’est pas celui qui paraît le plus spectaculaire : c’est une tâche fréquente, documentée et réversible. Préparer un dossier commercial à partir du CRM, classer une demande entrante ou proposer une réponse avec ses sources sont de bons candidats.

Le cadrage commence par suivre le travail réel. Il faut relever les informations recherchées, les applications ouvertes, les décisions prises et les exceptions qui obligent à solliciter un collègue. Cette observation évite de transformer une règle tacite en automatisme aveugle. Un audit IA aide à comparer le gain attendu, la disponibilité des données et le niveau de risque.

1. Choisir une file limitée, plutôt que tous les cas dès le premier jour.
2. Faire produire une recommandation visible à l’équipe.
3. Mesurer les corrections et les refus sur des dossiers réels.
4. Autoriser ensuite une action simple, telle qu’un classement, si les essais le justifient.

Un agent IA peut ainsi préparer un brouillon sans l’envoyer, ou compléter un champ sans modifier un statut contractuel. Si le besoin consiste seulement à déplacer un fichier selon une règle fixe, une RPA est souvent plus prévisible. Le choix dépend de la part de langage libre et d’incertitude présente dans le processus.

Plus un système peut écrire, envoyer ou déclencher, plus sa capacité d’action doit être réduite au strict nécessaire. Un compte de service distinct, des permissions en lecture seule au départ et une liste d’actions autorisées limitent la portée d’une erreur. Les opérations coûteuses, irréversibles ou adressées à l’extérieur doivent passer par une validation humaine explicite.

Les essais doivent inclure des demandes ambiguës, des pièces manquantes, un outil indisponible et des consignes insérées dans un document fourni par un tiers. Ce dernier cas correspond notamment à la prompt injection : un texte consulté peut tenter de détourner les instructions de l’agent. Le système ne doit jamais considérer le contenu d’une source comme une permission d’agir.

• journaliser la demande, les sources consultées, les outils appelés et le résultat ;
• masquer les secrets et les données inutiles dans ces journaux ;
• prévoir un bouton d’arrêt et une procédure de reprise manuelle ;
• réviser les droits lorsqu’un outil ou un rôle métier change.

Nous déconseillons une autonomie complète pour l’acceptation d’un contrat, le paiement, le recrutement ou toute décision ayant un effet significatif sur une personne. Dans ces situations, l’agent peut rassembler les éléments et signaler les contradictions ; un responsable conserve la décision. Une intégration IA robuste rend cette frontière technique aussi claire que la procédure métier.