12 exemples d’agents IA qui montrent ce qu’ils font réellement
MarkdownDécouvrez 12 exemples d’agents IA, des données financières et du support client au codage et à l’automatisation de l’écran, et apprenez en quoi les agents diffèrent des chatbots et des workflows.
Les agents IA apparaissent dans une grande variété de produits, mais cette appellation peut rendre difficile de comprendre ce qu’ils font. Ces 12 exemples montrent comment les agents fonctionnent dans les entreprises et sur les ordinateurs personnels, et dans quels cas un agent, un chatbot ou une automatisation classique peut convenir à une tâche.
Points clés à retenir
- Un agent IA exécute des tâches en concevant un workflow à l’aide des outils dont il dispose, ce qui le distingue d’un chatbot qui répond uniquement par du texte.
- Les agents peuvent gérer des tâches précises : par exemple, répondre à des questions financières dans Slack et ouvrir des brouillons de pull requests à partir de tâches de codage.
- Un cadre courant décrit cinq types d’agents : les agents réflexes simples, les agents réflexes fondés sur un modèle, les agents fondés sur des objectifs, les agents fondés sur l’utilité et les agents apprenants. Ces types peuvent être combinés dans un système multi-agents.
- Les agents personnels peuvent aider à accomplir des tâches courantes, comme vider une boîte de réception ou classer des reçus, ainsi que des tâches d’entreprise, comme l’analyse.
Qu’est-ce qu’un agent IA, en une phrase ?
Un agent IA est un système qui perçoit son environnement, décide de ce qu’il doit faire et utilise des outils ou des API pour effectuer une tâche en plusieurs étapes. IBM décrit un agent comme un système qui accomplit des tâches de manière autonome en concevant des workflows à l’aide des outils disponibles. Les outils et la capacité d’agir sont au cœur du concept.
En quoi un agent diffère-t-il d’un chatbot ?
Un chatbot vous répond ; un agent peut agir. Les chatbots dépourvus d’outils, de mémoire ou de raisonnement restent réactifs, tandis qu’un agent peut combiner ces capacités pour agir. Pour les distinguer, on peut se demander si le système est capable d’accomplir une tâche sans revenir vers vous à chaque étape. S’il s’arrête et attend après chaque réponse, il fonctionne comme un chatbot.
Les éléments communs à tous les agents
Les agents comportent généralement trois éléments : la perception, une boucle de prise de décision et des actions réalisées à l’aide d’outils. Le système lit l’état actuel, choisit une action, l’exécute avec un outil, vérifie le résultat et recommence jusqu’à ce que la tâche soit terminée. Cette boucle se retrouve dans tous les types d’agents. Sans outils ni boucle de décision, un système se rapproche davantage d’un chatbot.
Les principaux types d’agents IA (avec un exemple rapide pour chacun)
Un cadre courant distingue cinq types d’agents : les agents réflexes simples, les agents réflexes fondés sur un modèle, les agents fondés sur des objectifs, les agents fondés sur l’utilité et les agents apprenants. Leur degré de sophistication varie et plusieurs peuvent être combinés dans un système multi-agents.
Les agents réflexes simples et fondés sur un modèle
Un agent réflexe simple suit des règles fixes de type « si… alors… » et n’a pas de mémoire. Un thermostat en est un exemple classique : lorsque la température passe sous le seuil défini, le chauffage se met en marche. Un agent réflexe fondé sur un modèle possède en plus une représentation interne du monde, qui lui permet de suivre les changements survenus depuis l’étape précédente. La différence tient au fait que certains agents ne suivent que des règles, tandis que d’autres conservent un état.
Les agents fondés sur des objectifs, sur l’utilité et les agents apprenants
Ces agents planifient au lieu de se contenter de réagir. Un agent fondé sur des objectifs part de la cible et remonte les étapes pour choisir quoi faire, comme une application GPS qui calcule un itinéraire. Un agent fondé sur l’utilité évalue les compromis pour choisir entre plusieurs options, au lieu de sélectionner n’importe quelle option qui atteint l’objectif. Un agent apprenant s’améliore au fil du temps grâce aux retours d’expérience. Ces trois types font partie du cadre des cinq types d’agents.
Les systèmes multi-agents
Un système multi-agents se compose de plusieurs agents qui collaborent à une tâche, souvent sous la direction d’un agent principal qui répartit le travail entre des sous-agents. La fonctionnalité Research d’Anthropic, décrite ci-dessous, illustre ce modèle.
Exemples concrets d’agents IA dans les entreprises
Ces exemples montrent des agents qui utilisent des outils pour accomplir des tâches précises. Chacun illustre une façon différente dont un agent peut fonctionner.
Finch, l’agent d’Uber pour les données financières
Finch est un agent interne d’Uber dans Slack qui transforme des questions formulées en langage courant en requêtes de données financières. L’équipe d’ingénierie d’Uber décrit Finch comme un système qui convertit les questions en langage naturel en recherches structurées de données et fournit des réponses financières sécurisées en temps réel. Au lieu d’écrire du SQL pour plusieurs systèmes, un analyste financier peut simplement poser une question.
La fonctionnalité multi-agents de recherche d’Anthropic
La fonctionnalité Research d’Anthropic fait appel à un agent principal qui lance plusieurs sous-agents pour effectuer des recherches en parallèle. Anthropic indique que l’agent principal peut exécuter 3 à 5 sous-agents en parallèle et que cette conception a réduit de jusqu’à 90% le temps de recherche pour des requêtes complexes lors de son évaluation interne. Ces résultats sont ceux rapportés par Anthropic et ne proviennent pas d’une évaluation indépendante ; l’architecture constitue un exemple de système multi-agents.
L’agent de base de connaissances produit de Delivery Hero
Delivery Hero a créé un pipeline agentique pour organiser son catalogue de produits. Son équipe technique décrit un système qui automatise l’extraction des attributs des produits et la normalisation des titres grâce à l’IA agentique et aux modèles de langage. Un agent extrait les attributs structurés et un autre rédige des titres standardisés, automatisant ainsi un travail de catalogage auparavant effectué manuellement.
Fin, l’agent de support et vocal d’Intercom
Fin est l’agent de support client d’Intercom, disponible par chat, e-mail et voix. Intercom rapporte des résultats de résolution autonome, notamment une étude de cas client faisant état d’un taux de résolution de 50%. Ce chiffre est rapporté par le fournisseur et ne constitue pas une moyenne sectorielle auditée ; l’exemple illustre un agent qui résout des conversations avec des clients sans intervention humaine.
Les agents de codage qui ouvrent des pull requests
Les agents de codage peuvent prendre en charge une tâche et ouvrir une pull request. L’agent de codage Copilot de GitHub est devenu généralement disponible en septembre 2025. Selon GitHub, les utilisateurs peuvent déléguer une tâche pendant que Copilot travaille en arrière-plan dans son propre environnement et ouvre un brouillon de pull request. Une personne examine et fusionne toujours la modification.
Exemples d’agents IA pour le quotidien et l’usage personnel
Les agents personnels peuvent prendre en charge des tâches répétitives sur un ordinateur. Certains interagissent avec des applications en cliquant, en tapant et en naviguant à l’écran, au lieu d’interroger un entrepôt de données.
Les agents d’automatisation de l’écran sur votre ordinateur
Les agents d’automatisation de l’écran utilisent un ordinateur en contrôlant le curseur, en cliquant sur des boutons et en tapant du texte. Anthropic a présenté Computer Use en octobre 2024, une fonctionnalité expérimentale permettant d’utiliser des outils standard et des logiciels conçus pour les personnes. OpenAI a présenté Operator, un agent de navigateur dont les fonctionnalités sont désormais intégrées au mode agent de ChatGPT.
Agents IA et automatisation des workflows : dans quels cas chacun est-il le plus adapté ?
L’automatisation des workflows suit un script fixe, tandis qu’un agent peut décider des étapes à suivre au fur et à mesure. L’automatisation classique, avec Zapier ou macOS Shortcuts par exemple, peut être rapide, peu coûteuse et fiable lorsqu’une application expose une API et que les étapes restent stables. Elle peut être mal adaptée si un workflow implique une application sans intégration ou une disposition d’écran qui change. TechTarget établit une distinction similaire : les chatbots et les règles fixes partagent des informations, tandis qu’un agent IA peut entreprendre des actions complexes en plusieurs étapes sans sollicitation humaine.
Le choix dépend de la tâche. Utilisez une automatisation par script pour une tâche stable, compatible avec les API et exécutée de la même façon à chaque fois. Envisagez un agent lorsqu’une tâche s’étend à plusieurs applications, nécessite du jugement ou évolue assez souvent pour qu’une macro fixe soit difficile à maintenir.
Conclusion
Les agents IA vont des thermostats qui suivent des règles « si… alors… » aux systèmes de recherche multi-agents qui lancent des sous-agents. Parmi les exemples précis, citons Finch dans Slack, Fin qui résout des conversations de support, Copilot qui ouvre des pull requests et les agents d’écran qui naviguent dans des applications. Choisissez l’outil le plus simple qui convient à la tâche : une automatisation par script pour les tâches stables et des agents pour celles qui nécessitent des outils, du jugement ou plusieurs étapes.
Foire aux questions
Quels sont des exemples concrets d’agents IA ?
Voici quelques exemples réels :
- La fonctionnalité Research d’Anthropic coordonne des sous-agents qui effectuent des recherches en parallèle et combine leurs résultats.
- Le pipeline de Delivery Hero lit les données des produits et rédige des titres de catalogue standardisés.
- Fin d’Intercom gère les conversations avec les clients par chat, e-mail et voix.
- Les agents d’automatisation de l’écran cliquent et saisissent du texte dans des applications sur un ordinateur, y compris celles qui ne disposent pas d’API.
Chacun accomplit une tâche précise à l’aide d’outils, ce qui le distingue d’un chatbot qui se contente de répondre.
Quels sont les 5 types d’agents IA ?
Les cinq types sont les agents réflexes simples, les agents réflexes fondés sur un modèle, les agents fondés sur des objectifs, les agents fondés sur l’utilité et les agents apprenants. Les agents réflexes réagissent à la situation actuelle ; les agents fondés sur un modèle suivent l’état ; les agents fondés sur des objectifs et sur l’utilité planifient et évaluent les compromis ; les agents apprenants s’améliorent grâce aux retours d’expérience. Choisissez un type adapté à la tâche : une règle fixe peut convenir lorsqu’une tâche ne change jamais.
ChatGPT est-il un agent IA ?
Pas par défaut. La version standard de ChatGPT est un chatbot qui répond aux prompts. Avec des outils, il peut agir de manière similaire à un agent. Le mode agent de ChatGPT d’OpenAI peut naviguer sur le Web, remplir des formulaires et accomplir des tâches en plusieurs étapes sur un ordinateur virtuel. Une distinction simple : un chatbot répond, tandis qu’un agent utilise des outils et une boucle pour agir.
Copilot est-il un agent IA ?
Cela dépend du produit Copilot dont vous parlez. Microsoft décrit l’interface Copilot comme un assistant IA et les agents comme des outils spécialisés pour les processus. Dans cette présentation, Copilot est l’interface et les agents sont les applications. Les agents Copilot créés dans Copilot Studio peuvent récupérer des données, entreprendre des actions et exécuter des processus métier ; ils correspondent donc à la définition d’un agent.
Quel est un exemple d’agent IA à usage personnel ?
Un agent d’automatisation de l’écran peut gérer des tâches répétitives sur un ordinateur personnel, comme trier une boîte de réception ou classer des reçus. Il utilise les applications affichées à l’écran et peut s’arrêter à des points de contrôle avant d’effectuer une action, comme envoyer quelque chose. La disponibilité, les tarifs et la prise en charge des plateformes varient selon les produits.
Découvrez l’API d’embeddings d’Ailoot. Avec une seule clé API émise par Ailoot, vous avez accès à 1 284 modèles et variantes dans 15 catégories. Ce catalogue place Ailoot parmi les plus grands routeurs d’IA au monde par le nombre de modèles. Associez GPT-6.2 Astra ou Qwen4 Max pour le code à Nano Banana pour les photos, Veo pour la vidéo, Scribe pour la transcription, Suno pour la musique et Tripo3D pour la 3D. La même API prend en charge les embeddings et le reclassement des résultats.
Pour votre projet avec une API de recherche web pour agents IA, Ailoot prépare une synthèse sourcée à partir des résultats de recherche datés que vous lui transmettez depuis votre fournisseur de données. Classez-les par thème ou par langue et conservez les URL nécessaires pour vérifier chaque constat.
Ajoutez les embeddings BGE et Cohere Rerank via Ailoot pour effectuer des recherches dans les collections que vous gérez. Avec le même solde, votre application peut classer les sources par pertinence et générer des réponses claires.
Les nouveaux modèles phares sont disponibles sur Ailoot dès leur lancement. Un seul abonnement donne accès à tout le catalogue. Les abonnements et les codes promo permettent d’économiser jusqu’à 50 % sur les tarifs officiels des API des fournisseurs de modèles. Retrouvez vos offres en cours sur https://ailoot.ai/.