Agent IA en entreprise : c'est quoi, et que peut-il faire ?

Un agent travaille en boucle. Il reçoit un objectif, lit le contexte, choisit une action, l'exécute avec un outil, vérifie le résultat, puis décide s'il continue ou s'il s'arrête. Chaque tour s'appuie sur un résultat réel, la réponse d'un outil par exemple, et pas seulement sur ce que le modèle suppose.

Le modèle n'exécute rien lui-même. Il formule une demande, par exemple « chercher le client Dupont dans le CRM » ; c'est l'application qui exécute l'action et lui renvoie le résultat. C'est ce qu'on appelle l'appel d'outils (tool calling). C'est aussi ce qui permet de limiter strictement ce qu'un agent peut faire : il n'utilise que les outils déclarés, avec les droits qu'on leur a donnés.

La boucle a toujours une fin prévue : la mission est accomplie, un nombre maximal d'étapes est atteint, ou un cas sort du cadre et passe à un humain. Pour se brancher sur vos logiciels, l'agent passe par leurs API, ou par un protocole standard comme MCP (Model Context Protocol).

Ces mots sont souvent mélangés, y compris par les éditeurs. Gartner parle d'« agent washing » : des assistants, des chatbots ou des outils d'automatisation (RPA) rebaptisés « agents » sans en avoir les capacités. Le cabinet estime que, parmi les milliers de fournisseurs qui se présentent comme agentiques, seuls 130 environ le sont réellement.

Deux questions suffisent à les distinguer : qui décide de l'étape suivante, et le système agit-il lui-même dans vos logiciels ?

Les agents les plus utiles en PME ne remplacent pas un métier. Ils prennent en charge une tâche répétitive qui demande de lire. Voici des missions typiques, service par service, avec le niveau d'autonomie qu'on leur accorde en général au départ.

Ce niveau va de N0, où l'agent observe et signale, à N4, où il choisit seul ses actions sur un périmètre ouvert, ce qui est rarement justifié en entreprise. Au démarrage, les actions qui engagent l'entreprise envers un client, un fournisseur ou dans sa comptabilité restent validées par un humain.

Prenons une PME qui reçoit, dans une même boîte, des demandes de devis, des questions sur des commandes et des réclamations. Une règle récupère chaque nouvel e-mail et ses pièces jointes. Le modèle lit le message, identifie le client, l'objet de la demande et son urgence, et justifie son classement en une phrase.

Selon l'objet, l'agent cherche ce qu'il faut pour répondre : l'état de la commande dans l'ERP, le tarif applicable, le bon document. Il prépare ensuite le brouillon de réponse et la tâche dans le CRM. Un membre de l'équipe relit et valide en un clic, ou corrige. Les cas ambigus, ou ceux que l'agent signale comme incertains, arrivent directement chez un humain. Chaque décision est écrite dans un journal.

Ce découpage réserve le modèle aux étapes qui demandent de lire, et confie le reste à des règles. Il limite le coût, rend le système plus prévisible et permet de mesurer, semaine après semaine, la part des brouillons validés sans correction. C'est cette mesure qui justifie, ou non, de donner plus d'autonomie à l'agent.

Gartner prévoit que plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027, à cause de coûts qui dérapent, d'une valeur métier floue ou de contrôles des risques insuffisants. Ces trois causes se traitent avant de lancer le projet, pas après.

Les risques propres aux agents viennent de ce qu'ils agissent. L'OWASP, la référence en sécurité des applications, place en tête des risques des applications à base de LLM l'injection de consignes (prompt injection) : un texte lu par l'agent, un e-mail ou une page web, peut contenir des instructions cachées qui tentent de le détourner. Elle décrit aussi l'autonomie excessive : un agent qui dispose de plus d'outils, de droits ou de liberté que sa mission n'en demande.

Le règlement européen sur l'IA, l'AI Act, ne crée pas de catégorie « agent » : les obligations dépendent de l'usage. Un agent qui échange directement avec des personnes, un client sur votre site par exemple, doit être conçu pour leur indiquer qu'elles s'adressent à une IA, sauf si c'est évident (article 50, applicable depuis le 2 août 2026).

Certains usages sont classés à haut risque. C'est le cas du recrutement, du tri des candidatures et de l'évaluation des salariés (annexe III, point 4). Depuis le règlement « omnibus » (UE) 2026/1744, les obligations de ces systèmes s'appliquent à partir du 2 décembre 2027 : documentation, contrôle humain, surveillance. Un agent qui trie des CV n'est donc pas un bon premier projet.

Côté RGPD, la CNIL rappelle l'essentiel : ne transmettre au modèle que les données nécessaires, conclure un contrat de sous-traitance avec l'hébergeur et, le cas échéant, avec le fournisseur du modèle, encadrer les transferts hors de l'Union européenne, et associer le délégué à la protection des données (DPO). Ces repères ne remplacent pas l'avis d'un juriste.

Selon l'INSEE, en 2025, 15 % des entreprises de 10 à 49 salariés utilisent au moins une technologie d'IA, contre 31 % de celles de 50 à 249 salariés et 58 % de celles de 250 salariés ou plus. Pour une petite structure, la question n'est pas d'accéder à la technologie : c'est de savoir par où commencer. La démarche tient en six étapes.

L'autonomie se règle ensuite action par action, pas pour l'agent dans son ensemble. Le même agent peut classer des e-mails seul et n'envoyer une réponse qu'après validation.