Un chatbot classique, c'est un employé qui répond à vos questions par téléphone, mais qui ne peut rien faire d'autre que parler. Un agent IA, c'est ce même employé, mais on lui a donné les clés du bureau, l'accès à l'imprimante, au logiciel de compta, et la permission d'aller chercher lui-même l'information dont il a besoin avant de vous répondre. La différence n'est pas dans ce qu'il sait dire, mais dans ce qu'il peut faire.
Si vous avez suivi l'actualité IA récemment, un mot revient dans absolument tous les lancements : agentique. Claude Sonnet 5 se présente comme "le Sonnet le plus agentique jamais sorti". GPT-5.6 mise sur ses modes de raisonnement pour l'agentique. LongCat-2.0 est taillé pour l'agentique. Le mot est devenu tellement omniprésent qu'il finit par ne plus rien dire de précis. Remettons-le sur des rails clairs.
La définition simple
Un agent IA est un système qui ne se contente pas de répondre à une question en un seul échange, mais qui peut planifier plusieurs étapes, utiliser des outils externes (un navigateur, un terminal, une base de données), observer le résultat de ses actions, et ajuster sa stratégie en conséquence, jusqu'à accomplir une tâche complète, souvent sans intervention humaine à chaque étape.
La différence avec un chatbot classique tient en une image : un chatbot répond, un agent agit. Demandez à un chatbot de vous aider à réserver un billet de train, il vous expliquera comment faire. Demandez la même chose à un agent bien équipé, et il ouvrira lui-même le site, remplira le formulaire, vérifiera les horaires, et reviendra vers vous seulement s'il a besoin d'une décision (comme choisir entre deux trains).
Le mécanisme : la boucle agentique
Techniquement, un agent fonctionne selon un cycle qui se répète : observer, planifier, agir, vérifier. Il regarde la situation actuelle (le code qu'il doit corriger, la page web qu'il doit lire), décide de la prochaine étape, exécute une action concrète via un outil, puis observe le résultat pour décider de la suite. Ce cycle peut tourner pendant quelques secondes ou pendant plusieurs heures, selon la complexité de la tâche.
C'est exactement ce que décrivait un testeur de Claude Sonnet 5 dans notre article sur son lancement : demandé d'investiguer un bug, le modèle a, sans qu'on le lui demande explicitement, écrit un test pour reproduire le problème, implémenté un correctif, puis vérifié que le bug ne revenait pas. Trois étapes enchaînées, décidées par le modèle lui-même, en une seule requête initiale.
Deux progrès techniques expliquent l'explosion des agents cette année. D'abord, l'usage d'outils (tool use) : les modèles savent désormais appeler des fonctions externes de façon fiable, plutôt que de simplement générer du texte. Ensuite, des fenêtres de contexte bien plus larges, qui permettent à un agent de garder en tête tout ce qui s'est passé pendant une tâche longue, sans perdre le fil au bout de quelques minutes. Sans ces deux ingrédients, l'agentique resterait un concept de laboratoire.
Pourquoi ce n'est pas sans risque
Donner à une IA la capacité d'agir, et pas seulement de parler, change fondamentalement la nature du risque. Une IA qui se trompe dans une réponse produit une phrase fausse. Une IA agentique qui se trompe peut exécuter une commande destructrice, envoyer un email à la mauvaise personne, ou dépenser de l'argent réel. C'est exactement le terrain qu'exploite l'agentjacking, cette attaque qui piège les agents de codage en leur glissant de fausses instructions dans des données qu'ils croient légitimes.
C'est aussi pour cette raison que les laboratoires appliquent des garde-fous différents selon le niveau d'autonomie accordé. Plus un agent a de pouvoir d'action, plus les mécanismes de sécurité qui l'entourent doivent être stricts, un principe qu'on retrouve dans la manière dont Anthropic a construit des niveaux de sécurité différents entre Sonnet 5, Opus 4.8 et Mythos.
Ce qu'il faut retenir
Derrière le mot à la mode, il y a une transformation réelle : l'IA est passée du statut d'assistant qui répond à celui de collaborateur qui exécute. C'est ce basculement qui explique pourquoi 2026 est unanimement décrite comme "l'année de l'agentique". La prochaine fois qu'un laboratoire vous vante son modèle "agentique", la vraie question à se poser n'est pas "est-ce qu'il répond bien ?", mais "jusqu'où peut-il agir seul, et qui vérifie ce qu'il fait pendant ce temps ?".