IA agentique : définition simple, et ce qui la distingue de l'IA générative
L'IA agentique, c'est un système d'agents qui agissent sur tes outils, pas un modèle qui répond. Définition CNIL, différence avec l'IA générative, risques.
10 min de lecture
L'IA agentique désigne un ensemble de systèmes qui coordonnent plusieurs agents IA, chacun capable d'agir sur des applications ou des bases de données et d'en modifier l'état, avec des niveaux d'autonomie variables. L'IA générative produit un contenu ; l'IA agentique agit. Ce qu'est un agent pris seul est expliqué dans agent IA : définition, fonctionnement et limites.
L'essentiel à retenir :
- La CNIL définit l'IA agentique comme la coordination de plusieurs agents IA qui lisent, modifient ou suppriment des données et exécutent des actions.
- La différence avec l'IA générative tient en un verbe : l'une produit, l'autre agit sur tes outils.
- Un système agentique se juge à ses règles (accès, validation, trace), pas à la puissance de son modèle.
- Le RGPD s'applique déjà. La CNIL et le CIANum pointent la circulation des données entre services et les mémoires persistantes.
- Pour une personne seule, le bon point de départ reste un agent, une tâche et une validation humaine sur tout ce qui sort.
Ce guide présente la définition officielle, la différence avec l'IA générative et avec un agent IA, le fonctionnement d'un système agentique, un exemple réel dans une petite activité, ce que dit la CNIL sur les données personnelles et les risques pour un solo.
Qu'est-ce que l'IA agentique, en une phrase ?
En une phrase, l'IA agentique est un système où plusieurs agents IA se coordonnent pour agir sur un environnement numérique, au lieu de seulement répondre à une question.
La définition la plus nette en français vient de la CNIL : l'IA agentique « désigne couramment un ensemble de systèmes qui reposent sur la coordination de plusieurs sous-systèmes appelés agents IA ». Ces agents sont « souvent constitués d'un modèle d'IA générative », capables d'agir sur des applications tierces, des bases de données ou des postes de travail, et d'en modifier l'état : « lecture, modification, suppression de données, exécution d'actions », « avec des niveaux variables d'autonomie ».
Cette définition n'est pas la seule. Le LINC, le laboratoire d'innovation de la CNIL, rappelle dans « IA agentique : de quoi parle-t-on ? » (Romain Darous, 2 septembre 2026) qu'il « n'existe pas de définition unanimement adoptée ». L'article cite le recensement par l'OCDE, dans un rapport de février 2026, d'une dizaine de définitions différentes.
Le même article reprend la définition du CIANum (Conseil de l'IA et du Numérique), plus large : « Un agent IA est un programme informatique capable de prendre des décisions ou de réaliser des actions, y compris de les coordonner entre elles, en s'appuyant sur des modèles d'intelligence artificielle. »
Le point commun de toutes ces formulations est l'action. Un système devient agentique quand il peut changer quelque chose dans tes outils.
Quelle différence entre IA agentique et IA générative ?
L'IA générative produit un contenu à partir d'une demande, alors que l'IA agentique poursuit un objectif et agit sur des outils pour l'atteindre.
| IA générative | IA agentique | |
|---|---|---|
| Ce qu'elle fait | Produit un texte, une image, du code | Agit : lit, modifie, envoie, range |
| Point de départ | Une demande | Un objectif |
| Accès à tes données | Ce que tu colles dans la conversation | Les outils auxquels on l'a branchée |
| Après la réponse | S'arrête | Enchaîne l'étape suivante |
| Risque principal | Un contenu faux | Une action réelle mal faite |
Les deux ne s'opposent pas. Un agent utilise presque toujours un modèle génératif pour lire et décider. La CNIL le dit dans sa définition : les agents sont « souvent constitués d'un modèle d'IA générative ». La différence est ce qu'on branche autour du modèle : des outils, des droits, une mémoire.
La dernière ligne du tableau compte le plus. Un texte faux se relit et se jette. Une ligne supprimée dans une base, un message parti chez un client ou un fichier écrasé ne se rattrapent pas toujours. C'est pour ça qu'un système agentique se juge à ses règles.
IA agentique et agent IA : est-ce la même chose ?
Pas exactement : un agent IA est une pièce, et l'IA agentique désigne le plus souvent le système qui en coordonne plusieurs.
Les institutions ne tracent pas toutes la frontière au même endroit. La CNIL réserve le terme « IA agentique » à la coordination de plusieurs agents. Le CIANum, cité par le LINC, ne fait pas la distinction entre agent IA et IA agentique, et recommande de privilégier le second terme. Le LINC note que les institutions semblent s'accorder sur une idée : l'IA agentique consiste en un système multi-agents, orchestré par des modèles de fondation.
En pratique, la nuance change peu de choses pour toi. Un seul agent branché sur ta boîte mail pose déjà les questions de l'IA agentique : ce qu'il peut lire, ce qu'il peut modifier, ce qui attend ta réponse. Les cinq pièces d'un agent (modèle, instructions, outils, mémoire, planification) sont détaillées dans agent IA : définition, fonctionnement et limites.
Comment fonctionne un système d'IA agentique ?
Un système d'IA agentique fonctionne avec un objectif commun, des agents qui ont chacun un rôle, des outils branchés, une mémoire partagée et une validation humaine sur les actions qui ne se défont pas.
1 - Un objectif
Le système reçoit un résultat à obtenir, pas une liste de gestes. C'est ce qui le distingue d'une automatisation, qui suit un chemin écrit d'avance.
2 - Des agents à rôle unique
Chaque agent fait un métier : chercher, rédiger, relancer, relire. Le LINC décrit ce principe pour les agents qui communiquent entre eux : leur attribuer à chacun un rôle qu'ils doivent respecter. Un agent qui fait tout devient impossible à surveiller.
3 - Des outils
Les outils sont les accès réels : une base de données, une messagerie, un tableur, un navigateur. Le LINC cite le protocole MCP (Model Context Protocol), développé par Anthropic, qui « s'impose largement dans la majorité des cas d'usage » pour relier un modèle à des applications tierces. Chaque outil ajouté élargit ce que le système peut casser.
4 - Une mémoire partagée
Les agents lisent et écrivent au même endroit, pour ne pas dépendre de ce qu'un autre a gardé en tête. Une table bien tenue suffit souvent.
5 - Une validation humaine
Le système prépare jusqu'au dernier geste, puis s'arrête sur ce qui engage : envoyer, publier, payer, supprimer. Le LINC le mentionne dans sa description du fonctionnement : certaines opérations « peuvent nécessiter une validation intermédiaire » de l'utilisateur.
La façon de répartir les rôles et de faire lire une mémoire commune à plusieurs agents est détaillée dans créer une équipe d'agents IA.
À quoi ressemble l'IA agentique dans une petite activité ? ★
*Section signée par Ilyass BM.*
Dans une petite activité, l'IA agentique ressemble à une équipe de bots qui ont chacun un poste, une mémoire commune et une liste écrite de ce qu'ils ne font pas sans moi. C'est ce qui fait tourner mon activité.
Depuis le 25 septembre 2026, toutes mes opérations tournent sur une équipe de bots Grok Bot. Un chef de cabinet route les demandes et tient la mémoire. Sous lui, des responsables (YouTube, contenu, SEO), un bot newsletter, et des spécialistes sous les responsables. La mémoire commune est une base Airtable, source de vérité depuis la même date. Chaque tâche lancée y est inscrite.
Un exemple concret : l'agent « Dispatch Tâches ». Depuis le 9 octobre 2026, il lit la table Tâches d'Airtable à intervalle régulier. Il repère les tâches sans owner, en retard ou bloquées, et relance la bonne personne. Il passe par deux outils, Airtable et la messagerie entre agents.
Ce qui en fait un système agentique, ce n'est pas son modèle. C'est qu'il agit sur une base partagée et sur d'autres agents. Ce qui le rend supportable, ce sont ses règles :
- il lit et il annote ;
- il ne passe jamais une tâche en « Terminé » à la place de son owner ;
- il ne publie rien et n'envoie rien à l'extérieur ;
- dans tout mon système, une publication, un envoi externe ou un merge attend mon GO écrit.
Les bots préparent jusqu'au dernier geste. Le geste qui ne se défait pas reste à moi.
Que dit la CNIL de l'IA agentique et des données personnelles ?
La CNIL dit que l'IA agentique amplifie les risques pour les données personnelles, et que le RGPD comme les règles européennes sur l'IA s'y appliquent déjà.
Dans une note exploratoire coécrite avec le CIANum, publiée le 20 juillet 2026, la CNIL décrit le passage de l'IA générative à l'IA agentique comme « un changement d'échelle ». Elle relève trois mécanismes.
1 - Les données circulent entre services
Un système agentique se connecte à plusieurs sources et agit dessus. Les données personnelles passent donc d'un service à l'autre. La CNIL note que ces flux « peuvent être difficiles à appréhender par l'utilisateur », avec un risque réel de perte de maîtrise.
2 - La mémoire garde plus de choses
L'historique des échanges et les « mémoires persistantes » augmentent les données conservées par ces systèmes. Pour toi, la question est simple : qu'est-ce que ton agent garde d'un passage à l'autre, et où ?
3 - Les responsabilités se diluent
Quand un système agit au nom de son utilisateur auprès de plusieurs applications, il devient plus difficile de savoir qui est responsable de quoi. La note ajoute que ce fonctionnement étend les risques de cybersécurité à l'ensemble des services connectés.
La CNIL conclut que les principaux textes européens sur la protection des données et sur l'IA sont déjà applicables. Ce sont leurs modalités de mise en œuvre qui doivent s'adapter. Si ton agent lit des données clients, le RGPD s'applique à ce qu'il en fait.
Quels sont les risques de l'IA agentique pour un solo ?
Pour un solo, le premier risque de l'IA agentique est qu'une erreur devienne une action réelle, et le second est de payer un système plus complexe que le besoin.
Le premier risque a un nom chez l'OWASP : « Excessive Agency », dans son Top 10 for LLM Applications 2025. La fiche en donne trois causes : trop de fonctions, trop de permissions, trop d'autonomie. Un agent qui doit résumer tes mails n'a besoin que de les lire. S'il peut aussi en envoyer ou en supprimer, une erreur ou un contenu piégé devient un geste réel.
Le second risque est économique. Gartner prévoyait, dans son communiqué du 25 juin 2025, que plus de 40 % des projets d'IA agentique seraient abandonnés d'ici fin 2027, à cause de coûts qui grimpent, d'une valeur floue ou de contrôles de risque insuffisants. Un système à plusieurs agents demande du réglage, de la surveillance et de la relecture.
Trois réglages réduisent ces deux risques :
- donner à chaque agent les seuls accès dont sa tâche a besoin ;
- écrire la liste de ce qui attend ta validation avant de brancher quoi que ce soit ;
- garder une trace de ce que chaque agent a fait.
Jusqu'où laisser un agent agir seul est détaillé dans agent IA autonome : ce qui tourne sans toi, et ce qui attend ton GO.
Faut-il passer à l'IA agentique quand on travaille seul ?
Pas tout de suite : quand on travaille seul, il vaut mieux commencer par un seul agent sur une tâche répétée, et ne coordonner plusieurs agents que lorsque ce premier tourne.
Un système agentique a du sens quand le travail est assez varié pour être réparti, et quand une mémoire commune existe déjà. Avant ça, chaque agent ajouté est un point de plus à surveiller. Si ta tâche suit toujours la même règle, une automatisation simple fait le travail pour moins cher et sans risque de décision imprévue.
Pose-toi trois questions :
- Ta tâche demande-t-elle une décision à chaque passage ?
- As-tu un endroit unique où les agents liront et écriront ?
- As-tu écrit ce qui attend ta réponse ?
Si une réponse est non, commence par là. Les cas où un agent n'est pas la bonne réponse sont détaillés dans quand ne pas utiliser un agent IA.
J'utilise déjà ChatGPT tous les jours : est-ce de l'IA agentique ?
Pas tant que tu l'utilises pour écrire ou répondre dans une conversation. C'est de l'IA générative : tu demandes, il produit, tu décides quoi en faire. Ça devient agentique quand l'outil est branché sur tes applications et agit lui-même, par exemple quand il range un fichier ou met à jour une base sans que tu fasses le geste.
Mon outil d'automatisation se dit « agentique » : comment vérifier ?
Regarde qui choisit l'étape suivante. Si chaque cas suit un scénario que tu as dessiné, c'est une automatisation, même avec une étape IA au milieu. Si l'outil décide lui-même quelle action faire et sur quel outil, il est agentique. Dans ce cas, demande-toi aussi quels droits tu lui as donnés.
Un client me demande si j'utilise de l'IA agentique : que lui répondre ?
Réponds avec ce que les agents font concrètement sur ses données, pas avec le mot. Dis ce qu'ils lisent, ce qu'ils peuvent modifier, et ce qui attend ta validation avant de partir chez lui. La note CNIL du 20 juillet 2026 insiste justement sur la circulation des données entre services : c'est ce que ton client voudra savoir.
Je veux tester un agent sur ma boîte mail : quel accès lui donner en premier ?
Donne-lui la lecture seule. Laisse-le trier et préparer des brouillons, sans droit d'envoi ni de suppression. N'ouvre un droit de plus que lorsque ses brouillons ne demandent plus de correction, et garde l'envoi pour toi.
