Depuis le lancement de ChatGPT en novembre 2022, l’intelligence artificielle générative s’est diffusée à une vitesse que peu d’outils ont connue. Aujourd’hui, disposer d’un accès à un LLM (Large Language Model) n’est plus un avantage concurrentiel : c’est un minimum.
La tendance suivante, celle qui touche l’organisation du travail plutôt que la production de contenu, est l’IA agentique. C’est ce qu’explique Édouard de Mézerac, PDG d’Artefact, dans l’entretien Inside the layers of the agentic revolution accordé au TCG Summit. Et c’est pourquoi des entreprises comme Samsung, Google, OLX, Workday ou Perplexity, avec son outil Computer, intègrent déjà des agents dans leurs offres.
L’IA générative : une première révolution déjà dépassée ?
Ce qu’est l’IA générative
L’IA générative désigne une famille de modèles consacrés à la création de données : du texte, des images, de la vidéo, de l’audio. Elle s’appuie sur de grands modèles de base, entraînés sur des corpus massifs, pour produire des synthèses, des réponses à des questions ou tout autre contenu prêt à l’emploi.
Cette puissance a une limite structurelle : l’IA générative agit sur instruction. Elle répond à un prompt, propose une solution, génère un résumé. Mais c’est l’humain qui demande, valide et exécute. Pour une direction achats qui reçoit chaque semaine des devis, des BPU, des DPGF, des factures et des contrats cadres, ce modèle conversationnel montre vite ses limites : personne ne va « demander » à un modèle de vérifier chaque ligne de chaque document.
Les outils génératifs les plus connus, par domaine
- Texte : ChatGPT, Claude, Gemini.
- Image : Midjourney, DALL·E.
- Vidéo : Lumen5, Runway, Sora.
- Audio : Beatoven, ElevenLabs, Suno.
L’IA agentique : l’autonomie au service d’une tâche définie
Ce qu’est l’IA agentique
L’IA agentique est le prolongement de l’IA générative. Elle ne se contente pas de produire du contenu : elle poursuit un objectif, enchaîne les étapes d’un workflow, s’adapte à ce qu’elle lit dans son environnement, avec un degré d’autonomie élevé sur les cas standards. Là où l’IA générative répond, l’IA agentique agit.
Pour cela, elle s’appuie sur les modèles génératifs comme sur des briques, et y ajoute des règles, des outils et une mémoire, afin de construire un programme capable d’agir sur un environnement réel et délimité. Cette autonomie a un cadre : elle porte sur des tâches définies à l’avance. Ce qui engage de l’argent ou une relation reste une décision humaine : c’est en tout cas la ligne que nous tenons chez Zylio, décrite sur la page Zylio IA.
Les six types d’agents
- Agents basés sur des objectifs. Ils alignent chaque décision sur les objectifs fixés en amont. Adaptés à la gestion de projets ou de processus où la précision et l’efficacité comptent.
- Agents basés sur des modèles. Ils tiennent une représentation de leur environnement, ce qui leur permet de repérer des anomalies, de mieux planifier et de réduire les risques dans des contextes partiellement connus ou changeants.
- Agents réactifs. Ils automatisent les tâches répétitives et réduisent les erreurs humaines. La validation d’alertes ou de seuils financiers peut leur être confiée.
- Agents basés sur l’apprentissage. Ils améliorent progressivement un processus, s’adaptent aux changements du marché et réduisent les erreurs au fil du temps.
- Agents basés sur l’utilité. Ils arbitrent entre des objectifs concurrents (coût, délai, qualité) et optimisent l’allocation des ressources dans des décisions complexes.
- Agents de collaboration. Ils coordonnent d’autres agents entre eux dans des environnements interdépendants, et limitent l’intervention humaine aux cas qui l’exigent.
Quelle est la différence entre IA générative et IA agentique ?
La différence principale est la capacité d’automatisation. Elle se lit sur six aspects :
- Création de contenu. L’IA générative produit articles, résumés ou réponses à la demande ; l’IA agentique ne produit du contenu que s’il sert l’action.
- Analyse et contexte. L’une analyse des données quand on le lui demande ; l’autre corrèle informations et contexte pour décider de la suite.
- Résolution de problèmes. L’une propose des solutions ou des bonnes pratiques ; l’autre diagnostique et traite les cas qui entrent dans ses règles.
- Prise de décision. L’une soutient la décision humaine ; l’autre prend des décisions opérationnelles selon des règles définies, et remonte le reste.
- Autonomie. L’une agit sur prompt, avec une autonomie faible ; l’autre agit de façon indépendante sur les objectifs qu’on lui a fixés.
- Personnalisation. L’une se fonde sur le contexte immédiat ; l’autre sur l’historique et des préférences de long terme.
Quels sont les avantages de l’IA agentique en entreprise ?
Les bénéfices apparaissent surtout quand l’IA agentique est intégrée aux processus internes, là où des tâches répétitives se répètent chaque jour sur des volumes importants. Elle peut s’intégrer à la plupart des services : relation client, achats, après-vente, finance, marketing. Dans chaque cas, le gain est le même : des tâches qui n’avaient pas besoin d’être manuelles cessent de l’être, et les équipes gardent la main sur ce qui demande leur jugement.
Dans quels domaines l’IA agentique est-elle stratégique ?
Les agents peuvent en théorie s’intégrer à toutes les fonctions. Certains domaines se distinguent par un retour sur investissement rapide :
- Le service client, par des capacités d’auto-assistance qui désengorgent les équipes.
- Le marketing et la communication, par l’adaptation automatique des campagnes aux langues, aux marchés et aux produits.
- L’IT, par la supervision des opérations, le suivi des coûts et le traitement proactif des erreurs.
- Les achats et la finance, par l’analyse des contrats, la comparaison des devis et la détection des anomalies de facturation.
Ce dernier domaine est particulièrement stratégique, parce que le volume documentaire y est élevé et que chaque écart non détecté a un coût direct. Les directions achats qui automatisent le contrôle des écarts et la fiabilisation des données rendent aux équipes de 15 à 45 % de leur temps, par ETP, selon le périmètre et la maturité des données : du temps qui va à la négociation, à la stratégie et à la relation fournisseur. Notre page sur les agents IA décrit ce que chaque agent lit et vérifie.
Comment déployer l’IA agentique dans votre organisation : cinq étapes
Une stratégie d’IA agentique ne s’improvise pas. Cinq étapes, non exhaustives, structurent une mise en œuvre solide.
- Définir le problème à résoudre. Identifiez les processus les plus chronophages et les services où l’automatisation créerait le plus de valeur. Interrogez les équipes : ce sont elles qui connaissent les irritants du quotidien.
- Assurer la qualité des données. C’est le prérequis. Un agent n’est performant que si les données qu’il traite sont fiables, structurées et exploitables. La gouvernance des données n’est pas une contrainte technique, c’est ce qui permet au système de comprendre votre environnement et de construire un historique solide. Un référentiel unique reliant contrats, commandes et factures en est la base.
- Choisir les outils. Une fois le problème et les données cadrés, décidez quels agents intégrer. Développement interne ou solution prête à l’emploi ? Le choix dépend de vos ressources, de votre maturité technologique et de vos délais.
- Intégrer les outils. Une adoption réussie passe par un accompagnement humain. Les agents ne remplacent pas les équipes, ils les augmentent : former, communiquer sur les avancées, intégrer les retours du terrain. La conformité RGPD et les exigences de sécurité s’anticipent dès cette phase ; notre page sécurité et conformité détaille ce que nous appliquons.
- Tester, surveiller, mesurer. Les premiers mois sont déterminants : suivez les indicateurs (temps rendu, écarts détectés, cas remontés), ajustez les paramètres et mesurez les résultats sur un périmètre défini.
L’IA agentique appliquée aux achats
Chez Zylio, les agents sont spécialisés dans la vérification des documents d’achat : Capture extrait les données de chaque document en gardant le lien avec l’endroit où elles ont été lues, Compare met les devis sur une base commune, Compliance confronte chaque facture aux prix négociés, Matching rapproche facture, commande et réception, Exception instruit les écarts. Aucun agent ne décide à votre place : il montre l’écart avec sa preuve, et vous tranchez.
Si vous voulez voir ces agents travailler sur vos propres documents plutôt que sur une démonstration générique, réservez une démo sur le périmètre de votre choix.
