Qu’est-ce qu’un agent IA, et que peut-il faire dans une PME ?

Agent IA

Agent IA désigne un système logiciel dans lequel un modèle de langage décide des étapes à suivre et des outils à appeler pour atteindre un objectif.

Workflow avec modèle de langage

Workflow avec modèle de langage désigne un enchaînement d’étapes écrit à l’avance, dans lequel un modèle de langage traite une étape sans en choisir l’ordre.

Outil

Outil désigne une fonction ou une interface de programmation (API) qu’un agent appelle pour lire une information ou agir dans un logiciel, comme un CRM (gestion de la relation client).

Humain dans la boucle

Humain dans la boucle désigne une validation humaine obligatoire avant qu’un agent exécute une action sensible ou irréversible.

Injection de requête

Injection de requête (prompt injection) désigne une instruction placée dans un contenu lu par le modèle (courriel, page web, fichier) qui détourne son comportement.

Quelle est la définition d’un agent IA ?

Les définitions publiées par Anthropic en décembre 2024 et par OpenAI en avril 2025 convergent : dans un agent IA, le modèle de langage pilote lui-même l’exécution de la tâche et le choix des outils. Dans « Building effective agents », publié le 19 décembre 2024, Anthropic définit les agents comme « des systèmes où les modèles de langage dirigent dynamiquement leurs propres processus et leur usage des outils » (traduction RaiseMedia). Le même article décrit les workflows comme des systèmes orchestrés par « des chemins de code prédéfinis ».

Le guide d’OpenAI « A practical guide to building agents », publié en avril 2025, décrit les agents comme « des systèmes qui accomplissent des tâches de manière indépendante en votre nom ». Le guide exclut les applications qui utilisent un modèle de langage sans lui confier le pilotage de l’exécution, comme les chatbots simples ou les classificateurs de sentiment. Le guide retient trois composants : un modèle, des outils et des instructions.

La notion d’agent est antérieure aux modèles de langage. En 1995, dans la préface d’Artificial Intelligence: A Modern Approach, Stuart Russell et Peter Norvig font de l’agent intelligent le thème unificateur de leur manuel. Pour Russell et Norvig, le problème de l’IA consiste à décrire et construire des agents « qui reçoivent des perceptions de leur environnement et accomplissent des actions » (traduction RaiseMedia).

Pour une direction, le critère de distinction tient en une question : qui décide de l’étape suivante, le code écrit à l’avance ou le modèle de langage.

Quelle différence entre un chatbot, une automatisation et un agent IA ?

Un chatbot répond à des questions, une automatisation exécute des règles, un workflow avec modèle de langage suit un chemin fixe et un agent IA choisit son chemin. Le 25 juin 2025, Anushree Verma, analyste chez Gartner, conseillait des agents quand une décision est nécessaire, l’automatisation pour les tâches routinières et des assistants pour la simple recherche d’information.

OpenAI réserve les agents à trois situations : des décisions complexes avec exceptions, des règles devenues difficiles à maintenir et des données non structurées comme des documents. Hors de ces trois situations, le guide d’OpenAI juge qu’un dispositif déterministe peut suffire. Anthropic conseille de partir du système le plus simple et de n’ajouter de la complexité qu’en cas de besoin.

Que peut faire un agent IA dans une PME ?

Un agent IA prend en charge des tâches qui combinent la lecture de contenus non structurés, une décision simple et une action dans un logiciel. Les cinq cas d’usage décrits sont des exemples illustratifs, sans donnée client ni gain mesuré. Chaque cas réserve à un collaborateur les actions qui engagent l’entreprise.

Qualifier les demandes entrantes et les transmettre au CRM

Exemple illustratif. Un agent lit chaque demande reçue, identifie le besoin, la zone et l’urgence, crée la fiche dans le CRM et prépare une première réponse que le commercial relit. L’indicateur naturel est le délai de première réponse, détaillé dans notre article sur le délai de réponse.

Répondre aux appels avec un agent vocal IA

Exemple illustratif. Un agent vocal IA décroche quand l’équipe est occupée, recueille le motif de l’appel et propose un créneau dans l’agenda partagé. Depuis août 2026, l’appelant doit savoir qu’il parle à une machine, en application des règles de transparence de l’AI Act.

Préparer les devis

Exemple illustratif. Un agent retrouve des devis comparables dans l’historique et prépare un brouillon chiffré à partir de la grille tarifaire en vigueur. Le chargé d’affaires vérifie les quantités et les prix avant tout envoi, car un prix engage l’entreprise.

Relancer les devis restés sans réponse

Exemple illustratif. Un agent repère dans le CRM les devis sans réponse après un délai fixé par l’équipe, rédige une relance adaptée à l’échange précédent et la place en file de validation.

Tenir une veille sur le marché

Exemple illustratif. Un agent consulte chaque semaine des sources fixées par la direction, comme les appels d’offres publics ou les sites de concurrents, et produit une synthèse avec les liens d’origine. Une veille automatisée expose l’agent à des contenus externes, donc au risque d’injection de requête.

Combien d’entreprises françaises utilisent l’IA en 2025 ?

En 2025, 18,2 % des entreprises françaises de 10 personnes ou plus utilisaient au moins une technologie d’intelligence artificielle, contre 9,9 % en 2024, selon Eurostat. Le périmètre exclut l’agriculture, la sylviculture, la pêche, les industries extractives et le secteur financier.

L’enquête d’Eurostat compte toute entreprise qui utilise au moins une technologie d’une liste, de l’analyse de texte à l’apprentissage automatique, et ne mesure donc pas l’usage des agents IA en tant que tels.

Sur les agents, les données publiques sont des sondages et des prévisions. Un sondage de Gartner mené en janvier 2025 auprès de 3 412 participants à un webinaire indique que 19 % de leurs organisations avaient investi de façon importante dans l’IA agentique. Dans le même sondage, 42 % déclaraient des investissements prudents et 8 % aucun investissement. L’échantillon ne représente pas les PME françaises.

Gartner prévoit aussi l’abandon de plus de 40 % des projets d’IA agentique d’ici fin 2027, en raison de coûts croissants, d’une valeur métier floue ou de contrôles de risques insuffisants.

Quels sont les risques d’un agent IA ?

Un agent IA présente trois familles de risques : des erreurs qui s’enchaînent, des informations fausses présentées comme exactes et des actions déclenchées par un contenu malveillant. Anthropic écrit que « la nature autonome des agents implique des coûts plus élevés et un risque d’erreurs qui s’accumulent » (traduction RaiseMedia). Dans un agent, une hallucination devient une action, comme un prix inventé dans un devis.

L’OWASP Gen AI Security Project classe l’injection de requête au premier rang de son Top 10 2025 des risques des applications de modèles de langage (LLM01:2025). Selon l’OWASP, l’injection indirecte survient quand le modèle accepte des contenus de sources externes, comme des sites web ou des fichiers.

Le risque LLM06:2025, « Excessive Agency », désigne les actions dommageables exécutées à partir de sorties inattendues, ambiguës ou manipulées du modèle. L’OWASP attribue l’agentivité excessive à trois causes : trop de fonctions, trop de permissions et trop d’autonomie. Dans l’exemple de l’OWASP, un courriel piégé conduit un assistant doté d’une fonction d’envoi à transférer des données sensibles à un attaquant.

Que disent l’AI Act et le RGPD sur les agents IA ?

L’AI Act, règlement (UE) 2024/1689, classe les systèmes d’IA selon le risque de leur usage, sans catégorie dédiée aux agents. Un agent IA relève donc du niveau de risque de la tâche qui lui est confiée. Le règlement général sur la protection des données (RGPD) s’applique en parallèle à toute donnée personnelle qu’un agent lit ou transmet.

• L’AI Act est entré en vigueur le 1er août 2024.
• Les pratiques d’IA interdites et les obligations de maîtrise de l’IA (AI literacy) s’appliquent depuis le 2 février 2025.
• Les obligations des modèles d’IA à usage général s’appliquent depuis le 2 août 2025.
• L’AI Act est applicable depuis le 2 août 2026, sauf exceptions, et ses règles de transparence s’appliquent depuis le même mois.
• L’omnibus IA, entré en vigueur le 27 juillet 2026, reporte au 2 décembre 2027 les règles des usages à haut risque de l’annexe III.
• Les systèmes à haut risque intégrés à des produits réglementés disposent d’une transition jusqu’au 2 août 2028.

Selon la Commission européenne, une personne qui utilise un chatbot doit savoir qu’elle échange avec une machine, ce qui vaut pour un agent conversationnel ou vocal. Un agent qui trie des CV relève des usages à haut risque liés à l’emploi, cités par la Commission. La Commission classe la grande majorité des systèmes d’IA utilisés dans l’Union en risque minimal ou nul, sans règle spécifique.

Dans ses questions-réponses du 18 juillet 2024 sur l’IA générative, la CNIL juge généralement plus sûr un déploiement « sur site » pour les données personnelles ou les documents sensibles. La CNIL demande un contrat de sous-traitance pour toute infrastructure externe. La CNIL recommande aussi d’éviter autant que possible la saisie de données personnelles, d’encadrer l’usage par une charte interne et de s’opposer à la réutilisation des données d’usage par le fournisseur.

Comment cadrer un premier agent IA ?

Un premier agent IA se cadre sur une seule tâche située au goulot de l’entreprise, avec un indicateur fixé avant le déploiement et une validation humaine des actions sensibles. Le choix des premiers usages est traité dans notre article sur par où commencer avec l’IA dans une PME.

La théorie des contraintes, formulée par Eliyahu Goldratt dans The Goal en 1984, pose que l’opération la plus lente fixe la vitesse maximale de toute la production. Selon le Theory of Constraints Institute, un système n’augmente sa production qu’en augmentant la capacité de ses goulots. Pour une PME, un agent placé hors du goulot accélère une étape qui ne limitait pas le volume traité. Dans une PME de services, le délai de réponse aux demandes et la production des devis sont les deux premiers candidats à examiner.

Chaque action qu’un agent peut exécuter seul est une décision de la direction.

1. 01

   Choisir une tâche répétitive, mesurable et située au goulot

   La direction et l’équipe concernée listent les tâches hebdomadaires et retiennent celle qui ralentit le plus le flux de dossiers. La tâche retenue a un début, une fin et un résultat vérifiable, par exemple une demande qualifiée et saisie dans le CRM.

2. 02

   Vérifier l’accès aux données et aux outils

   Un agent agit seulement sur les données qu’il peut lire et sur les logiciels dotés d’une API. L’étape recense les sources, les droits nécessaires et les données personnelles concernées, puis écrit le périmètre de données de l’agent.

3. 03

   Fixer l’indicateur avant le déploiement

   L’indicateur se mesure avant toute configuration : délai de première réponse, temps de préparation d’un devis ou taux d’erreur sur un échantillon de dossiers. La valeur de départ, la période et l’outil de relevé sont écrits, faute de quoi aucun progrès n’est démontrable.

4. 04

   Placer un humain dans la boucle

   Chaque action qui engage l’entreprise passe par une validation humaine : envoi à un client, prix, paiement, suppression. Le guide d’OpenAI recommande aussi d’arrêter l’agent après un nombre d’échecs fixé à l’avance et de transmettre le cas à une personne.

5. 05

   Mettre en production sur un périmètre restreint

   L’agent démarre sur un flux limité, avec des droits minimaux, un journal de ses actions et l’information des personnes qui échangent avec lui. Pour un agent de messagerie, l’OWASP cite l’accès en lecture seule comme exemple de droits minimaux.

6. 06

   Revoir à date fixe et décider

   Quatre semaines après la mise en production, par exemple, la revue compare l’indicateur à sa valeur de départ et classe les erreurs du journal. La direction choisit alors d’étendre l’autonomie, de corriger le périmètre ou d’arrêter l’agent.

Ce que nous ne savons pas encore

• L’enquête d’Eurostat n’isole pas les agents : la part des PME françaises qui utilisent un agent IA reste non mesurée à ce jour.
• Aucune source vérifiée pour cet article ne publie le taux d’erreur des agents IA en production dans des PME.
• Les modalités de contrôle des règles de transparence de l’AI Act, applicables depuis août 2026, restent à observer pour les agents vocaux.
• Cet article ne publie aucun résultat client, faute de résultat validé par écrit à la date de publication.

RaiseMedia révise cet article à chaque publication de données d’Eurostat sur l’IA en entreprise et à chaque modification de l’AI Act. Prochaine révision prévue : 23 avril 2027.