Agentique & émergent
IA agentique (agentic AI)
L'IA agentique désigne les systèmes d'IA qui planifient, choisissent des outils et agissent vers un objectif. Fonctionnement, différences et limites.
Qu'est-ce que l'IA agentique ?
L'IA agentique désigne les systèmes d'intelligence artificielle capables de poursuivre un objectif avec une supervision limitée : ils planifient les étapes, choisissent des outils, agissent puis vérifient le résultat. Elle s'oppose à l'IA qui se contente de répondre à une question.
Le terme se diffuse en 2024, porté notamment par le chercheur Andrew Ng, qui préfère parler de systèmes « plus ou moins agentiques » plutôt que de trancher entre agent et non-agent. Il recouvre aussi bien un agent IA isolé qu'un ensemble d'agents coordonnés. En décembre 2025, la Linux Foundation crée l'Agentic AI Foundation pour héberger les standards du secteur, dont le protocole MCP.
Aussi connu sous : agentic AI, IA agentive, systèmes agentiques, IA autonome.
Pourquoi l'IA agentique compte pour les marketeurs
Selon Gartner, plus de 40% des projets d'IA agentique seront abandonnés d'ici fin 2027, à cause de coûts en hausse, d'une valeur mal démontrée ou de risques mal maîtrisés (communiqué de Gartner, juin 2025).
Le chiffre ne condamne pas l'approche, il fixe une méthode. Les éditeurs de CRM, de régies publicitaires et d'outils marketing ajoutent tous des fonctions « agentiques ». Savoir ce que recouvre le terme permet de distinguer une vraie autonomie d'un simple chatbot renommé, et de choisir des tâches où l'autonomie rapporte plus qu'elle ne coûte.
Comment fonctionne l'IA agentique
Un système agentique combine quatre briques.
Le modèle qui raisonne
Un LLM comme Claude, ChatGPT, Gemini ou Mistral est le moteur du système. Il découpe l'objectif en étapes, décide de l'action suivante et interprète les résultats.
Les outils
Le système agit grâce à des outils : recherche web, lecture de fichiers, exécution de code, accès à un CRM ou à une régie via un connecteur IA. Sans outils, un modèle ne fait que produire du texte.
La mémoire et le contexte
Le système garde la trace des étapes passées, des consignes et des préférences. Une mémoire persistante lui permet de reprendre une tâche sur plusieurs jours, ce qui augmente aussi les données personnelles conservées.
L'orchestration
Pour une tâche complexe, un agent principal répartit le travail entre des sous-agents spécialisés, puis rassemble leurs résultats. Le protocole Agent-to-agent (A2A) permet à des agents d'éditeurs différents de collaborer.
IA agentique, IA générative et automatisation
L'IA agentique se situe au bout d'une échelle d'autonomie.
| Approche | Ce qu'elle fait | Exemple marketing |
|---|---|---|
| IA générative | produit un contenu à la demande | rédiger un post LinkedIn |
| Automatisation classique | suit un chemin fixé à l'avance | copier chaque lead dans le CRM |
| Workflow agentique | suit un chemin prévu, avec un LLM à certaines étapes | résumer et noter chaque lead avant le CRM |
| IA agentique autonome | choisit elle-même ses étapes et ses outils | auditer un site et proposer un plan d'actions |
L'autonomie se règle par degrés. La plupart des usages en production restent des workflows agentiques, plus prévisibles et moins coûteux.
Cas d'usage marketing
- Une veille concurrentielle qui parcourt des sites, compare les offres et rédige une synthèse sourcée.
- Un audit SEO qui explore un site, repère les problèmes techniques et propose des corrections classées.
- Une analyse de campagnes qui croise régie, CRM et analytics pour expliquer une baisse de conversions.
- Une préparation de rendez-vous qui rassemble l'historique d'un compte et l'actualité de l'entreprise.
Limites de l'IA agentique
- Chaque étape peut produire une hallucination, et une erreur au début d'une longue chaîne d'actions fausse toute la suite.
- Un système qui agit seul peut supprimer, envoyer ou dépenser au mauvais endroit. Les actions sensibles gagnent à rester soumises à une validation humaine.
- Les contenus lus par l'agent (pages web, emails) peuvent contenir une prompt injection qui détourne ses actions.
- Une boucle mal réglée consomme beaucoup de tokens et fait grimper la facture.
- La circulation des données entre de nombreux services complique le respect du RGPD et l'identification des responsabilités. L'AI Act européen encadre aussi certains usages selon leur niveau de risque.
Comment démarrer avec l'IA agentique
Le plus simple est de partir d'une tâche répétitive et bien définie, puis d'ajouter de l'autonomie par étapes. Les agents IA de Join Médicis proposent des agents prêts à l'emploi, les automatisations des workflows agentiques à importer. Les guides MCP donnent des outils à l'IA, et les Skills sa méthode.
Questions fréquentes
Quelle différence entre IA agentique et agent IA ?
L'agent IA est un programme qui accomplit une tâche. L'IA agentique désigne la catégorie entière, du simple agent au système de plusieurs agents coordonnés.
Quelle différence entre IA agentique et IA générative ?
L'IA générative produit un contenu en réponse à une demande. L'IA agentique utilise ce contenu pour agir : elle appelle des outils et enchaîne des étapes vers un objectif.
L'IA agentique remplace-t-elle les automatisations ?
Non. Une automatisation classique reste moins chère et plus fiable pour une tâche toujours identique. L'IA agentique sert quand la tâche demande du jugement.
Faut-il savoir coder pour utiliser l'IA agentique ?
Non pour les agents intégrés aux assistants et aux outils marketing. Concevoir un système de plusieurs agents demande en revanche des compétences techniques.
Une erreur, un lien cassé, un souci de sécurité ? Dis-le-nous, on corrige.
Dernière mise à jour : 12 novembre 2026