IA agentique en entreprise : assistant, copilote ou agent IA ? Définitions et niveaux d'autonomie

L'IA agentique désigne des systèmes d'IA qui ne se contentent plus de répondre à une demande : ils poursuivent un objectif en enchaînant plusieurs étapes, en choisissant les outils à utiliser (rechercher, lire un document, rédiger, mettre à jour un logiciel) et en ajustant leur démarche selon ce qu'ils obtiennent. Un agent IA est le programme qui exécute ce travail. Ce qui le distingue d'un assistant IA ou d'un copilote n'est pas l'intelligence du modèle, mais le niveau d'autonomie qu'on lui accorde pour agir.

Le mot « agent » est devenu un argument commercial, et la confusion a un coût. Le cabinet Gartner prévoyait en juin 2025 que plus de 40 % des projets d'IA agentique seraient abandonnés d'ici fin 2027, faute de valeur claire, à cause de coûts croissants ou de contrôles de risque insuffisants, et dénonçait l'« agent washing » : des assistants, des chatbots ou des automatisations rebaptisés « agents » (communiqué Gartner, 25 juin 2025). Ce guide pose des définitions stables, propose une grille de cinq niveaux d'autonomie et explique comment choisir le bon niveau tâche par tâche, en particulier dans les organisations qui manipulent des informations sensibles ou réglementées. Il fait partie de notre série sur le deuxième cerveau, l'IA agentique et la gestion de la connaissance.

Qu'est-ce que l'IA agentique ? Définition et vocabulaire

Définition courte. Un système d'IA est dit agentique lorsqu'il reçoit un objectif plutôt qu'une instruction unique, décompose cet objectif en étapes, appelle des outils pour les réaliser et décide lui-même de l'étape suivante en fonction des résultats. Les « outils » sont concrets : un moteur de recherche, une messagerie, un agenda, un CRM, un espace documentaire, une API.

Workflow ou agent. Une distinction technique aide à y voir clair. Dans un guide de référence publié fin 2024, Anthropic sépare les workflows, où un modèle d'IA et des outils sont orchestrés selon des chemins définis à l'avance dans le code, et les agents, où le modèle dirige lui-même son processus et le choix de ses outils (Anthropic, Building effective agents). Les deux relèvent des « systèmes agentiques », mais ils ne présentent ni les mêmes coûts, ni les mêmes risques.

Ce que dit le droit européen. Le règlement européen sur l'intelligence artificielle ne définit pas l'« agent », mais sa définition du système d'IA intègre déjà la question : un système « conçu pour fonctionner à différents niveaux d'autonomie » (article 3 du règlement (UE) 2024/1689, dit AI Act). L'autonomie n'est donc pas une propriété binaire : c'est un curseur, que l'organisation qui déploie le système doit régler.

Vocabulaire retenu dans cette série. Pour rester précis d'un article à l'autre :

• IA agentique : l'approche générale, qui confie à l'IA l'enchaînement d'étapes et l'usage d'outils ;
• agent IA : un programme donné, doté d'un objectif, d'outils, de droits et d'un niveau d'autonomie ;
• autonomie : la part des décisions que l'agent prend sans intervention humaine ;
• deuxième cerveau : la mémoire d'organisation sur laquelle les agents s'appuient (voir notre définition du deuxième cerveau d'entreprise).

Assistant IA, copilote, agent IA : quelle différence ?

Les trois termes sont souvent employés l'un pour l'autre. Ils décrivent pourtant trois façons distinctes de répartir le travail entre la personne et la machine.

L'assistant IA répond. Il travaille dans une conversation : on pose une question, il produit une réponse, un résumé ou un brouillon. Il ne touche à rien dans les systèmes de l'organisation ; c'est l'utilisateur qui copie, colle, envoie. Son périmètre est celui de la demande.

Le copilote suggère. Il est intégré à un logiciel métier (messagerie, traitement de texte, CRM) et propose des suggestions dans le contexte de la tâche en cours : compléter un email, résumer un fil, remplir un champ. L'utilisateur accepte, corrige ou ignore. L'initiative reste humaine, mais l'IA voit le contexte immédiat.

L'agent agit. Il reçoit un objectif (« préparer le rendez-vous de jeudi », « relancer les dossiers incomplets »), planifie les étapes, va chercher l'information dans plusieurs outils et produit un résultat, voire exécute une action. Selon le niveau d'autonomie choisi, il s'arrête pour faire valider ou va jusqu'au bout.

Analyse. La frontière la plus importante n'est pas entre l'assistant et le copilote, mais entre proposer et exécuter. Tant que l'IA propose, l'erreur coûte une relecture. Dès qu'elle exécute, l'erreur peut sortir de l'entreprise : un email envoyé, une donnée écrasée, un engagement pris. Dans le métier du patrimoine, nous avons détaillé cette frontière dans notre guide des agents IA pour cabinets patrimoniaux.

Les 5 niveaux d'autonomie d'un agent IA

Autonomie n'est pas capacité. Un cadre publié en 2025 par le Knight First Amendment Institute de l'université Columbia propose de décrire l'autonomie d'un agent par le rôle laissé à l'utilisateur, plutôt que par la puissance du modèle (Feng, McDonald et Zhang, Levels of Autonomy for AI Agents). Son idée centrale est utile à tout décideur : l'autonomie est un choix de conception, indépendant des capacités. Un agent très performant peut, et souvent doit, fonctionner à un niveau d'autonomie bas.

Le tableau ci-dessous reprend les cinq niveaux du cadre. Les exemples de la dernière colonne sont des illustrations que nous proposons pour une organisation de conseil ; ils ne proviennent pas de l'étude.

Comment lire cette grille. Le niveau ne qualifie pas un outil, mais une tâche. Un même agent peut travailler au niveau 3 pour rédiger une synthèse interne et au niveau 4 pour tout ce qui part vers un client. Les auteurs proposent d'ailleurs des « certificats d'autonomie » indiquant le niveau maximal auquel un agent est autorisé à opérer : une idée directement transposable dans une politique interne d'usage de l'IA.

Workflow automatisé ou agent IA : quand l'autonomie est-elle utile ?

Le réflexe à éviter. Parce que le mot « agent » est à la mode, on a tendance à en voir partout. Or beaucoup de besoins sont mieux servis par un workflow : un enchaînement fixe, prévisible, testable. Anthropic recommande d'ailleurs de chercher d'abord la solution la plus simple, et de n'ajouter de la complexité agentique que lorsqu'elle améliore réellement le résultat, car l'autonomie se paie en coût, en latence et en risque d'erreurs cumulées.

Quatre questions pour trancher. Pour chaque tâche candidate, posez-vous :

1. Le chemin est-il connu d'avance ? Si les étapes sont toujours les mêmes (réception d'un document, classement, notification), un workflow suffit. Si elles varient selon le dossier, un agent peut apporter de la valeur.
2. L'action est-elle réversible ? Un brouillon se jette ; un email envoyé ne se rattrape pas. Plus l'action est irréversible, plus le niveau d'autonomie doit être bas.
3. Qui supporte l'erreur ? Une erreur interne coûte du temps. Une erreur visible par un client, un régulateur ou un partenaire engage la responsabilité de l'organisation.
4. Le contexte est-il disponible et fiable ? Un agent qui ne voit qu'une partie de l'information prendra des décisions sur une partie de l'information. C'est la question de la mémoire, traitée plus bas.

Analyse. Dans la plupart des organisations, les gains les plus sûrs viennent des tâches de préparation : rassembler, résumer, rédiger un premier jet, signaler ce qui mérite attention. Ce sont des tâches à forte valeur de temps et à faible risque, car leur résultat passe par une personne avant d'avoir un effet. Notre article sur les 7 tâches à automatiser avec un deuxième cerveau IA en donne une liste appliquée au cabinet de conseil.

Les risques propres à l'IA agentique : l'« agence excessive »

Définition. L'OWASP, fondation de référence en sécurité applicative, classe l'agence excessive (excessive agency) parmi les dix principaux risques des applications fondées sur des modèles de langage. Elle la définit comme la vulnérabilité qui permet à un système d'exécuter des actions dommageables en réponse à une sortie inattendue, ambiguë ou manipulée du modèle (OWASP Top 10 for LLM Applications 2025, LLM06).

Trois causes, trois garde-fous. L'OWASP identifie trois causes racines, qui se traduisent chacune par une règle de conception :

Pourquoi c'est plus sérieux qu'une réponse fausse. Un agent lit des contenus qu'il ne contrôle pas : des emails entrants, des pièces jointes, des pages web. Un texte malveillant glissé dans l'un d'eux peut tenter de détourner ses instructions (on parle d'injection de prompt). Un assistant détourné produit une mauvaise réponse ; un agent détourné, s'il dispose d'une messagerie et de droits larges, peut envoyer des messages ou modifier des données. La meilleure protection n'est pas seulement technique : c'est de ne jamais donner à l'agent le pouvoir d'engager l'organisation sans qu'une personne ait vu le texte exact.

IA agentique en environnement réglementé : cinq garde-fous

Les professions qui manipulent des informations sensibles (conseil patrimonial, expertise comptable, assurance, santé, droit) ajoutent une contrainte : elles doivent pouvoir justifier ce qui a été fait, par qui et sur quelle base. L'IA agentique n'y est pas interdite, mais elle doit s'inscrire dans ce cadre.

1. Supervision humaine proportionnée. Pour les systèmes à haut risque, l'article 14 de l'AI Act exige qu'ils puissent être « effectivement supervisés » par des personnes physiques. La plupart des agents de bureau ne relèvent pas de cette catégorie, mais le principe est une bonne boussole : plus l'action est engageante, plus la validation doit être explicite. Voir notre analyse de l'AI Act pour les CGP.
2. Pas de décision individuelle entièrement automatisée sur une personne. L'article 22 du RGPD encadre les décisions produisant des effets juridiques ou significatifs fondées exclusivement sur un traitement automatisé. Un agent peut préparer une recommandation ; c'est une personne qui la porte.
3. Des réponses sourcées. Une affirmation que l'on ne peut pas rattacher à un document, un échange ou un texte officiel n'a pas sa place dans un dossier client. L'agent doit citer ses sources, et dire quand il ne sait pas.
4. Des droits d'accès réels, pas cosmétiques. L'agent ne doit voir que ce que l'utilisateur pour lequel il travaille est autorisé à voir, et cette restriction doit s'appliquer aux données elles-mêmes, pas seulement à l'affichage.
5. Une trace complète. Qui a demandé quoi, ce que l'agent a proposé, qui a validé, quand. Sans journal, il est impossible de répondre à une réclamation ou à un contrôle. Pour les enjeux de confidentialité, voir notre guide de la sécurité des données en cabinet.

Analyse. Ces cinq garde-fous ont un point commun : ils ne dépendent pas du modèle d'IA utilisé, mais de l'architecture qui l'entoure. C'est une bonne nouvelle pour les organisations prudentes : elles peuvent exiger ces garanties de n'importe quel fournisseur, et les vérifier avant de déployer.

Par où commencer : la mémoire avant l'agent, l'autonomie par paliers

Le prérequis oublié. Un agent n'est jamais meilleur que le contexte auquel il accède. Un agent chargé de préparer un rendez-vous qui ne voit ni les derniers emails ni la décision prise le mois précédent produira une note soignée et incomplète. Avant de parler autonomie, il faut donc une mémoire d'organisation reliée, sourcée et soumise aux droits d'accès : c'est le rôle du deuxième cerveau d'entreprise.

Une méthode en cinq étapes. Voici la démarche que nous recommandons, quelle que soit la solution retenue :

1. Cartographier les sources : où vit l'information utile (messagerie, agenda, documents, CRM), et ce qui est techniquement connectable.
2. Relier deux ou trois sources qui portent l'essentiel du contexte, pas davantage au départ.
3. Vérifier sur des dossiers réels que les réponses sont justes et sourcées, avant tout usage à grande échelle.
4. Commencer aux niveaux 1 à 3 : synthèses, brouillons, alertes. Tout ce qui sort de l'organisation passe par une validation (niveau 4 au maximum pour les actions engageantes).
5. Élargir tâche par tâche, sur la base de résultats observés, en documentant pour chaque tâche le niveau d'autonomie autorisé.

Où se situe Brain. Cette démarche est celle de la méthode Brain : audit, cartographie des sources, périmètre initial de deux ou trois sources, connexion validée sur des dossiers réels jusqu'à des réponses justes et sourcées, puis point de décision avant tout élargissement. Côté usage, Brain prépare (brief du matin, synthèse avant rendez-vous, brouillons de comptes rendus et de relances) et propose des actions sous forme d'alertes suggérées ; selon la page produit, « rien ne part sans votre accord ». Côté sécurité, Majors indique des droits granulaires par collaborateur et par périmètre, une traçabilité des usages, un hébergement en Europe chez Scaleway et des modèles d'IA interchangeables, la mémoire restant la propriété du cabinet (page sécurité de Brain). Autrement dit, Brain assume un niveau d'autonomie volontairement borné pour tout ce qui engage l'organisation.

Illustration. Prenons un cabinet fictif de quatre personnes. Il commence par relier sa messagerie, son agenda et son espace documentaire. Pendant un mois, il n'utilise l'IA qu'en niveau 1 et 2 : questions sur les dossiers, synthèses avant rendez-vous, relues par le conseiller. Une fois la fiabilité constatée, il active les relances préparées automatiquement, au niveau 4 : l'agent rédige, le conseiller valide chaque envoi. Aucune action ne passe au niveau 5. L'autonomie a progressé, la maîtrise aussi.