Agent IA : la définition, et la ligne qui le sépare d'un assistant

En une phrase. Un agent IA est un système qui reçoit un objectif, décide lui-même des étapes pour l'atteindre, utilise des outils pour agir, puis vérifie son résultat. Un assistant, lui, répond à une demande et s'arrête. La différence tient dans qui décide de la suite.

La définition légale, qui est plus large qu'on ne croit

Le règlement européen sur l'intelligence artificielle, règlement (UE) 2024/1689, définit à son article 3 un système d'IA comme « un système automatisé qui est conçu pour fonctionner à différents niveaux d'autonomie », qui « peut faire preuve d'une capacité d'adaptation après son déploiement » et qui, « pour des objectifs explicites ou implicites, déduit, à partir des entrées qu'il reçoit, la manière de générer des sorties telles que des prédictions, du contenu, des recommandations ou des décisions » susceptibles d'influencer des environnements physiques ou virtuels.

Retenez les trois mots « différents niveaux d'autonomie ». Le texte ne distingue pas l'agent de l'assistant : il place les deux sur une même échelle. Vos obligations ne changent donc pas selon que vous appelez votre outil un agent ou un assistant, ce qui réduit à néant l'intérêt du débat de vocabulaire dans une discussion de conformité.

La distinction technique, qui elle change tout

Anthropic, qui conçoit les modèles Claude, a posé la distinction la plus nette dans un article d'ingénierie publié le 19 décembre 2024. Elle tient en deux catégories.

Les enchaînements déterminés. Un modèle et des outils sont orchestrés selon un chemin écrit à l'avance. Vous savez par quelles étapes le système va passer, dans quel ordre, et combien il y en a. C'est le cas de la quasi-totalité des automatisations qu'on appelle improprement des agents.

Les agents. Le modèle dirige lui-même son déroulé et son usage des outils. Il garde la main sur la manière d'accomplir la tâche. Le nombre d'étapes n'est pas connu à l'avance.

La recommandation qui accompagne cette distinction mérite d'être citée telle quelle, parce qu'elle contredit tout ce que le marché raconte : chercher la solution la plus simple possible, et n'ajouter de la complexité que lorsqu'elle améliore le résultat de façon démontrable. Parfois, un seul appel au modèle bien formulé suffit.

Quand un agent se justifie, et quand il coûte pour rien

Trois critères séparent les deux cas, et aucun ne porte sur la technologie disponible.

Le nombre d'étapes est-il prévisible ? Si vous pouvez écrire la suite des opérations sur une feuille, écrivez-la. Un enchaînement déterminé sera plus rapide, moins cher et surtout reproductible. L'agent se justifie quand le chemin dépend de ce qu'on trouve en route.

L'erreur se voit-elle ? L'autonomie fait s'accumuler les erreurs : une décision fausse à l'étape trois contamine les étapes suivantes, et personne ne s'en aperçoit avant la fin. Un agent dont la sortie part directement chez un client appelle un dispositif de vérification qui coûte souvent plus cher que le gain.

Le volume justifie-t-il le dispositif ? Un agent demande des tests en environnement isolé et des garde-fous. Sur trois dossiers par mois, ce travail ne sera jamais rentabilisé. Sur trois cents, la question se pose.

Ce que les entreprises déploient réellement

L'Insee a publié le 21 juillet 2026, à partir d'une enquête menée auprès de 11 000 entreprises de dix salariés ou plus, la diffusion des technologies d'IA en France. La catégorie « automatisation ou aide à la décision », celle qui recouvre les agents, arrive en sixième position avec 35 % des effectifs salariés concernés.

Devant elle, quatre technologies de langage : l'analyse de langage écrit à 48 %, la génération de langage à 45 %, la génération d'images, de vidéos ou d'audio à 42 %, la conversion du langage parlé à 41 %.

Autrement dit, le marché parle d'agents pendant que les entreprises déploient de la lecture et de l'écriture. Ce n'est pas une critique des agents, c'est un ordre de passage : les cas d'usage de langage se mettent en service en quelques jours, les agents demandent un projet. Le classement complet figure dans notre article sur les cas d'usage.

Les quatre questions à poser à un prestataire

Quand on vous propose un agent, quatre questions suffisent à savoir si vous achetez un agent ou une automatisation rebaptisée. Aucune des quatre n'est technique.

• Combien d'étapes ce système exécute-t-il, et le nombre est-il fixe ? Si la réponse est un nombre, c'est un enchaînement déterminé, et c'est très bien.
• Que se passe-t-il quand il se trompe ? Qui le voit, à quel moment, et que devient le travail déjà produit.
• Sur quelles données agit-il, et lesquelles sortent de votre système d'information.
• Qui valide la sortie avant qu'elle serve, et jusqu'à quand.

Les deux dernières relèvent des arbitrages décrits dans la gouvernance IA, et la question des données sortantes rejoint celle du shadow IA.

Par où commencer

Un agent se construit après deux choses : une liste de cas d'usage triée, et des équipes qui savent déjà travailler avec un modèle sur des tâches simples. Sauter ces deux étapes produit des démonstrations impressionnantes qui ne passent jamais en production.

L'ordre des chantiers relève de la feuille de route IA. Pour les agents eux-mêmes, leurs cas d'usage et leurs coûts, la page agents IA en entreprise détaille ce que couvre une intégration. Et si la liste de départ reste à établir, c'est le périmètre de l'audit IA.