Agent IA : qu'est-ce que c'est, et que peut-il vraiment faire dans une PME ?

« Agent IA » est devenu le mot de l'année. On le voit sur des offres de logiciels, des propositions de prestataires et des démonstrations où un assistant réserve un billet ou trie une boîte mail tout seul. Pour un dirigeant de PME, la vraie question est plus simple : est-ce que ça change quelque chose pour mon travail, et à quelles conditions ? Cette page donne les définitions publiées, trois exemples tirés de projets réels, et les limites qu'on oublie dans les démonstrations.

Qu'est-ce qu'un agent IA ?

Il n'existe pas de définition juridique de l'« agent ». Les éditeurs de modèles en donnent une, assez proche d'un texte à l'autre. Mistral AI le décrit comme un système autonome, fondé sur un grand modèle de langage, qui, à partir d'instructions générales, peut planifier, utiliser des outils, enchaîner des étapes de traitement et agir pour atteindre un objectif. Anthropic, l'éditeur de Claude, fait une distinction utile : dans un workflow, le modèle et les outils sont orchestrés par un chemin écrit d'avance dans le code ; dans un agent, c'est le modèle qui dirige lui-même ses étapes et son usage des outils.

Le droit européen, lui, définit le « système d'IA », dont l'agent est un cas particulier. L'article 3 du règlement (UE) 2024/1689 (l'AI Act) vise un système automatisé « conçu pour fonctionner à différents niveaux d'autonomie », qui déduit, à partir des entrées qu'il reçoit, la manière de générer des sorties : prédictions, contenus, recommandations ou décisions. Le considérant 12 précise que la définition ne couvre pas les systèmes « fondés sur les règles définies uniquement par les personnes physiques pour exécuter automatiquement des opérations ». Les lignes directrices de la Commission européenne sur cette définition (29 juillet 2025, non contraignantes) en donnent des exemples : un tri de base de données selon des critères fixés, un tableur sans fonction d'IA.

Automatisation, assistant, agent : quelle différence ?

La différence tient à qui décide de la suite des opérations : une règle écrite, une personne ou le modèle.

	Automatisation	Assistant IA	Agent IA
Qui décide de l'étape suivante ?	Une règle écrite d'avance	La personne qui l'utilise	Le modèle, dans un cadre donné
Exemple	Une facture générée et envoyée chaque fin de trimestre	Un salarié demande un résumé de compte rendu	Un système qui lit une demande, cherche dans plusieurs outils et prépare la réponse
Résultat d'une fois sur l'autre	Identique	Variable, relu par la personne	Variable, y compris le chemin suivi
Système d'IA au sens de l'AI Act ?	Non, si elle n'applique que des règles fixées par des personnes	Oui	Oui

Entre les deux extrêmes, il existe un cas très courant : un modèle de langage placé à une étape précise d'un circuit fixe, par exemple pour lire un document. C'est ce qu'Anthropic appelle un workflow. Ce n'est pas un agent, et ce n'est pas un défaut.

Que fait un agent dans une PME, concrètement ?

Le plus honnête est de partir de projets réels et de les classer. Aucun des trois cas publiés sur ce site n'est un agent au sens strict, et c'est instructif.

• La facturation trimestrielle d'une association (cas SPP) : les trésoriers déclarent en ligne, les règles métier sont intégrées, le trimestre se clôture à date et les factures partent toutes seules. C'est une automatisation classique : des règles écrites, appliquées sans exception.
• L'organisation d'un championnat (cas Padel Rumble) : un algorithme croise disponibilités, niveaux et créneaux, puis l'application réserve, encaisse et prévient. Là encore, des règles écrites dans le code.
• L'anonymisation d'un contrat avant l'IA (cas du Caviardeur) : un modèle européen repère les données à masquer, un contrôle déterministe vérifie derrière, puis un second modèle ne reçoit que la version anonymisée. Il y a de l'IA, mais à des étapes fixées d'avance : c'est un workflow.

Ce que ces exemples montrent : une grande partie de ce qu'on appelle « agent » dans les offres est en réalité une automatisation, avec ou sans modèle de langage. Un agent devient utile quand la tâche ne peut pas être découpée d'avance : une demande client formulée librement qui oblige à chercher dans plusieurs sources, un dossier dont les pièces changent d'un cas à l'autre. Anthropic recommande d'ailleurs de chercher d'abord la solution la plus simple, et de n'ajouter de la complexité que si elle améliore vraiment le résultat.

Quelles sont les limites d'un agent ?

Un agent se trompe, coûte plus cher à faire tourner, et doit rester sous surveillance. Les éditeurs et l'ANSSI le disent eux-mêmes.

• Les erreurs s'additionnent. Anthropic note que l'autonomie d'un agent entraîne des coûts plus élevés et un risque d'erreurs qui s'accumulent d'une étape à l'autre. La CNIL rappelle de son côté qu'un modèle génératif peut produire des résultats inexacts qui paraissent pourtant plausibles.
• Le coût et le délai augmentent. Selon le même éditeur, les systèmes agentiques échangent souvent du délai et du coût contre une meilleure performance. Chaque étape décidée par le modèle est un appel de plus.
• Certaines actions ne doivent pas être automatiques. L'ANSSI recommande qu'un système d'IA ne puisse pas exécuter seul des actions critiques, y compris côté métier : transactions bancaires, contenu publié, impact direct sur des personnes (recommandation R9). Elle recommande aussi de limiter, voire de proscrire, les actions automatiques déclenchées à partir d'entrées non maîtrisées, comme des mails ou des pages web (R27), et de journaliser ce que fait le système (R29).
• Il faut des points de contrôle. Anthropic conseille de tester longuement l'agent dans un environnement isolé et prévoit qu'il s'arrête pour demander l'avis d'une personne à des étapes clés ou quand il bloque.

Pour une PME, cela se traduit par une règle simple : un agent peut préparer, chercher, proposer ; une personne valide avant que quelque chose parte chez un client, un fournisseur ou une banque.

Ce que ça veut dire pour vous

Avant de parler d'agent, il faut savoir quelles tâches vous coûtent du temps et si une règle simple suffit à les traiter. C'est l'objet de l'audit décrit dans la méthode : on regarde comment le travail circule vraiment, puis on dresse la liste des tâches automatisables, avec le coût et le risque de chacune. Le pilote sur vos cas réels sert ensuite à mesurer le taux d'erreur et à décider de ce qui reste à la main. Et quand une tâche ne peut pas être traitée automatiquement, elle revient à une personne avec une alerte.

Si un prestataire vous propose un agent, demandez-lui ce que ferait une simple automatisation à la place, et où se situe la validation humaine. Les autres questions à lui poser sont dans le guide Choisir un prestataire IA pour sa PME.

Sources

• Règlement (UE) 2024/1689 sur l'intelligence artificielle, article 3, point 1, et considérant 12, Journal officiel de l'Union européenne (PDF de l'Office des publications), consulté le 1er novembre 2026.
• Commission européenne, Guidelines on the definition of an artificial intelligence system, C(2025) 5053 final du 29 juillet 2025, points 26, 46 et 47, consulté le 1er novembre 2026.
• Anthropic, Building effective agents, 19 décembre 2024, consulté le 1er novembre 2026.
• Mistral AI, Agents : introduction, documentation, consulté le 1er novembre 2026.
• CNIL, Les questions-réponses de la CNIL sur l'utilisation d'un système d'IA générative, 18 juillet 2024, question 2, consulté le 1er novembre 2026.
• ANSSI, Recommandations de sécurité pour un système d'IA générative (ANSSI-PA-102, 29 avril 2024), recommandations R9, R27 et R29, consulté le 1er novembre 2026.