Découvrez Le Brief de l'IT, la newsletter thématique gratuite d'Archimag dédiée aux professionnels des data, de l'IT, de la digitalisation et de la transformation numérique !
Dans la famille de l’intelligence artificielle (IA), elle fait figure de "petite dernière" sur laquelle on fonde beaucoup d’espoirs. L’IA agentique est à ce jour bien moins connue que l’IA générative, mais elle est pleine de promesses, en particulier dans l’environnement professionnel.
Elle présente en effet une particularité : elle est en mesure d’automatiser certaines tâches grâce à un "agent" capable de raisonner et d’agir de façon autonome pour exécuter des actions. Contrairement à l’IA générative, qui nécessite une instruction humaine pour répondre à une question, l’IA agentique peut prendre des initiatives à partir de règles préétablies ou de modèles d’apprentissage automatique.
Si l’IA agentique n’a pas besoin d’une supervision humaine constante, elle nécessite en revanche une définition claire des objectifs qui lui sont assignés. De même, les paramètres qui lui sont confiés doivent être les plus précis possibles pour qu’elle atteigne les objectifs fixés. Après avoir analysé ces règles, l’IA agentique produit des modèles prédictifs qui guident ses actions. Elle exécute alors les tâches répétitives, naguère réalisées par des humains. Elle est certes autonome, mais pas repliée sur elle-même ! L’IA peut en effet communiquer ses décisions, ses actions ou ses besoins via des interfaces utilisateur, des rapports ou des notifications.
Une IA qui s’adapte aux nouvelles données
Mieux, l’IA agentique est presque plus sage que les humains, car elle apprend de ses erreurs. Elle recueille des retours sur ses actions et utilise ces informations pour améliorer ses modèles et ses processus décisionnels au fil du temps. Elle s’adapte également aux changements dans son environnement ou aux nouvelles données.
Si le monde professionnel mise aujourd’hui sur l’IA agentique, c’est parce qu’elle a le potentiel d’accroître la productivité des experts métiers et d’automatiser des processus en plusieurs étapes dans toutes les fonctions de l’entreprise. C’est notamment le cas de la conformité réglementaire, qui impose à certains secteurs (services financiers, santé…) de procéder à des examens périodiques de conformité. En raison de l’accroissement des réglementations (on pense ici au RGPD et au règlement sur la résilience opérationnelle numérique, dite Dora), les organisations sont de plus en plus dépassées par les charges qui pèsent sur elles.
Des solutions d’IA agentique sont en cours de conception pour analyser ces réglementations ainsi que les documents d’entreprise. Objectif : déterminer si l’entreprise est conforme. L’agent peut citer des réglementations spécifiques et fournir de manière proactive des analyses et des conseils aux professionnels humains de la conformité.
Lire aussi : Documation 2025 : l'IA à tous les étages
Capacité de "chaînement"
Autre apport, la capacité de "chaînement", qui permet à l’IA agentique de réaliser une séquence d’actions en réponse à une requête unique. Pour Red Hat, éditeur de solutions open source à destination des entreprises, ce chaînement montre toute sa pertinence dans certaines situations : "par exemple, si un utilisateur demande à un agent d’IA de "créer un site web", celui-ci va effectuer toutes les étapes nécessaires afin de mener à bien cette tâche. À partir d’une seule instruction générative, l’agent d’IA peut donc écrire le code de la structure du site, remplir les pages avec du contenu, concevoir les éléments visuels et tester la réactivité."
En revanche, certains observateurs soulignent que l’IA agentique mobilise beaucoup de ressources de calcul. Un avertissement à prendre en compte en matière de stockage et de traitement. Sans oublier son impact environnemental.
Selon le cabinet Deloitte, 25 % des entreprises qui utilisent actuellement l’IA générative lanceront des projets pilotes ou des preuves de concept (PoC) d’IA agentique dès cette année. Ce chiffre devrait atteindre 50 % en 2027.
