Un agent IA est un programme qui poursuit un objectif en boucle : il décide d'une action, l'exécute avec un outil, observe le résultat et recommence. C'est ce qui le distingue d'un assistant conversationnel, qui répond et s'arrête. La différence n'est pas la qualité du modèle, c'est le fait d'agir, avec tout ce que cela implique de conséquences réelles.

Nous exploitons des agents en production, avec 643 outils exposés au 18 août 2026. Voici ce que ça change, où ça marche, et ce qui casse.

La définition, et pourquoi elle compte

Un assistant reçoit une question, produit une réponse, s'arrête. L'humain fait le reste.

Un agent reçoit un objectif, choisit une action, l'exécute, observe, et décide de la suivante, jusqu'à atteindre l'objectif ou un plafond.

Cette différence a trois conséquences immédiates, et ce sont elles qui structurent tout le reste.

Le coût n'est pas comparable. Une tâche à quinze étapes coûte bien plus que quinze questions, parce que chaque étape traîne tout ce qui précède.

L'erreur ne se rattrape pas de la même façon. Une mauvaise réponse se relit ; une mauvaise action est partie.

La confiance devient un sujet d'ingénierie. Ce n'est plus « la réponse est-elle juste » mais « qu'est-ce que ce programme a le droit de faire, et comment le prouve-t-on ».

Les cinq usages où ça marche vraiment

La veille et la détection de signaux. Surveiller des sources, repérer ce qui correspond à des critères, alerter. Une machine ne se lasse pas, c'est son avantage structurel sur un humain, et il est décisif.

La préparation de travail. Rassembler le contexte, produire un brouillon, préparer une décision qu'un humain tranchera. C'est l'usage le plus rentable aujourd'hui, et le plus sous-exploité.

Les tâches à étapes bornées. Enrichir une fiche, vérifier une donnée à plusieurs sources, reformater un lot. Objectif clair, résultat vérifiable, nombre d'étapes prévisible.

La régularité. Un agent ne saute pas le mardi parce qu'il y avait une urgence client. Sur des processus qui échouent par irrégularité, la prospection en est l'exemple type, c'est le gain principal.

Le développement outillé. Lire un dépôt, proposer un correctif, lancer les tests. Domaine borné, retour immédiat, erreur peu coûteuse.

Les usages où ça ne marche pas encore : les décisions engageantes sans validation, les conversations à forte charge émotionnelle, et tout ce dont la vérification coûte plus cher que l'exécution.

Les six garde-fous, appris en production

1. Un plafond d'itérations et un plafond de coût. Un agent peut boucler. Sans ces deux limites, les deux, pas une,, une seule exécution mal partie consomme un budget mensuel.

2. L'idempotence sur toute action externe. Un agent réessaie ; c'est son comportement normal. Sans clé d'idempotence, un rejeu envoie deux messages ou crée deux contacts.

3. Un plafond que l'agent ne peut pas relever. Chez nous : 20 invitations, 30 messages et 80 actions d'engagement par jour et par compte, avec une montée en charge sur sept jours. L'augmentation exige un humain administrateur et ne prend effet que le lendemain. Un agent qui peut relever son propre plafond finit toujours par le faire.

4. La validation humaine avant l'irréversible. Les brouillons sont générés, la mise en file est automatique, l'envoi est validé par une personne. C'est notre comportement par défaut, et le coût est de quelques minutes par jour.

5. Un journal de la décision, pas seulement de l'exécution. Savoir _qu'_une action a eu lieu ne sert à rien sans savoir pourquoi l'agent l'a choisie. Sans cela, un incident est inanalysable.

6. Des erreurs écrites pour être lues par une machine. Un agent lit vos messages d'erreur et agit dessus. Une erreur précise corrige le comportement en un tour ; une erreur vague fait boucler jusqu'au plafond.

Ce qui coûte, et où ça se voit

Trois postes, dans l'ordre.

Le contexte qui s'accumule. À chaque tour, l'historique est renvoyé au modèle. C'est le premier poste de coût, et il croît plus vite que le nombre d'étapes. Tronquez ou résumez explicitement.

Les outils. Chaque appel a un coût propre, interface tierce, base, service payant. Sur un agent qui enrichit des données, ce poste dépasse souvent celui du modèle.

La reprise après erreur. Un agent qui échoue et recommence paie deux fois. C'est ce qui rend les messages d'erreur précis rentables : ils divisent le nombre de tentatives.

Ce qui coûte moins qu'annoncé : le modèle lui-même. C'est le poste qu'on regarde en premier et rarement celui qui domine.

Par où commencer

Choisissez une tâche que vous faites déjà à la main, chaque semaine, et que vous détestez. Pas la plus stratégique, la plus répétitive. C'est celle dont vous saurez juger le résultat.

Bornez-la. Un objectif, un résultat vérifiable, un nombre d'étapes prévisible.

Mettez l'humain à la fin, pas au milieu. L'agent prépare, vous validez. Vous inverserez plus tard si la confiance vient, et elle ne viendra que par les journaux.

Mesurez le temps humain remplacé, pas le nombre d'exécutions. Beaucoup d'agents très actifs ne remplacent rien.

Notre limite, avouée : nous n'exploitons pas d'agent vocal, et nous n'avons donc rien à en dire de première main. Sur les agents qui agissent, prospection, contenu, données, nous parlons de ce que nous opérons nous-mêmes.

Questions fréquentes

Quelle est la différence entre un agent IA et un chatbot ? Le chatbot répond et s'arrête. L'agent poursuit un objectif en boucle, en appelant des outils. La différence n'est pas le modèle, c'est la capacité d'agir.

Un agent IA peut-il remplacer un salarié ? Il remplace des tâches, pas des postes. Sur les cinq usages ci-dessus, le gain est réel ; sur la décision, la relation et le jugement, il n'y a pas de transfert.

Comment mesurer si un agent est rentable ? Comparez le temps humain réellement remplacé au coût total, modèle, outils, reprises après erreur. Comptez aussi le temps de supervision, qui est réel et qu'on oublie systématiquement.

Faut-il construire ou acheter ? Achetez tant que votre besoin ressemble à celui des autres. Construisez quand l'agent doit se déclencher seul, être journalisé et respecter des plafonds que vous fixez, c'est-à-dire quand il agit au nom de votre entreprise.

Quel protocole pour connecter ses outils ? Le MCP s'est imposé comme standard de fait. Nous en détaillons les leçons de production dans notre article MCP : le protocole qui donne des mains aux agents.

---

Nous exploitons nos propres agents, avec plafonds non contournables, journaux de décision et validation humaine. Pour en discuter, écrivez-nous.