Un agent IA, ce n’est pas un chatbot plus intelligent : c’est une boucle

ByJean-Yves Hemlin

Hier, un test échouait dans un de mes projets. J’ai posé la question, puis je suis allé me faireun café. Pendant ce temps : le fichier a été lu, le test relancé, le message d’erreur observé,une correction appliquée, le test relancé encore une fois. Je suis revenu, c’était vert.

Je n’ai rien fait entre ces étapes. C’est exactement ce qui sépare un agent d’un chatbot — et cen’est pas une question d’intelligence du modèle.

Le chatbot répond, l’agent recommence

Un chatbot fonctionne en un coup : tu demandes, il produit du texte, puis il attend qu’on luidise quoi faire ensuite. Si sa réponse est fausse, il ne le saura jamais — rien dans sa boucle nelui permet d’aller vérifier. C’est toi qui reviens lui dire.

Un agent, lui, tourne. Il ne s’arrête pas à la première réponse : il exécute quelque chose,regarde ce qui s’est passé, et repart avec cette observation en main. La différence n’est pasqu’il « comprend mieux ». C’est qu’il a le droit d’essayer, de rater, et de recommencer sans tedemander la permission à chaque tour.

Les quatre temps de la boucle

Toujours les mêmes, dans le même ordre :

        ┌──────────────────────────────────┐
        │                                  │
   Planifier ──► Agir ──► Observer ──► Ajuster
   (découpe)   (outil)   (résultat)   (re-planifie)
        │                                  │
        └────── jusqu'à l'objectif ────────┘

Planifier — découper l’objectif en étapes. « Trouver pourquoi le test échoue » devient : lirele test, lire le code testé, lancer, comparer.

Agir — utiliser un outil. C’est le point décisif : sans outils, il n’y a pas d’agent, justeun modèle qui parle. Lire un fichier, lancer une commande, appeler une interface externe,naviguer sur une page.

Observer — récupérer le résultat réel de l’action. Pas ce que le modèle imagine qu’il sepasserait : la vraie sortie de la vraie commande, avec sa vraie erreur.

Ajuster — comparer ce résultat à l’objectif et décider de la suite. Continuer, corriger,ou changer d’approche.

Cette boucle porte un nom dans la littérature technique : le pattern ReAct, pourReasoning + Acting — raisonner et agir en alternance, plutôt que raisonner d’abord et agirensuite.

Ce qu’il faut ajouter à un modèle pour en faire un agent

Trois choses, et aucune n’est un meilleur modèle :

  • Des outils. Le modèle doit pouvoir faire, pas seulement dire. Un agent sans accès à tesfichiers ou à un terminal ne peut rien observer, donc rien ajuster.
  • De la mémoire. À court terme, ce qu’il vient de faire dans cette tâche. À plus long terme,ce qu’il a appris de toi et de ton projet — les fichiers de contexte qu’il relit avant mêmeque tu tapes un mot. C’est aussi ce qui distingue un agent utile d’un agent qui redécouvre tonprojet à chaque fois : le harnais qu’on construit autour de lui.
  • Le droit de recommencer. Une boucle qui s’arrête après un tour, ce n’est plus une boucle.C’est là qu’intervient la question de la confiance : tu décides jusqu’où il peut aller seul.

Un agent, c’est donc : un modèle + des outils + une mémoire + une boucle. Retire un seul desquatre et tu retombes sur un assistant conversationnel.

Un ou plusieurs ?

Sur une tâche complexe, un agent unique s’essouffle : il porte tout le contexte, mélange lespréoccupations, et finit par se contredire. La réponse habituelle est de spécialiser — un agentqui analyse, un qui rédige, un qui vérifie —, chacun avec un mandat étroit.

Je l’utilise pour de vrai, et pas seulement en développement : pour préparer les exemples d’unarticle récent, j’ai envoyé deux explorations en parallèle sur deux parties différentes de monpropre système, pendant que je faisais autre chose. Les deux ont fini avant moi.

Ce n’est pas une baguette magique. Plus d’agents veut dire plus de coordination, plus de coût,et plus d’endroits où quelque chose peut mal tourner. Le réflexe raisonnable : commencer par unseul, et n’en ajouter un deuxième que quand le premier sature vraiment.

Pourquoi ce mot est partout en ce moment

Parce que le marché a basculé dessus. En août 2025, Gartner prévoyait que 40 % desapplications d’entreprise intégreraient des agents IA spécialisés d’ici la fin 2026, contremoins de 5 % en 2025 (communiqué Gartner, 26 août2025).

Une prévision reste une prévision — celle-ci porte sur l’année en cours, et je n’ai aucun moyende te dire si elle se réalise. Mais elle explique pourquoi le mot « agent » est collé sur à peuprès tout depuis un an, y compris sur des produits qui sont restés de simples chatbots. D’oùl’utilité d’avoir le test en tête.

Le test en une question

Devant n’importe quel outil qui se présente comme un agent, pose celle-ci :

Est-ce qu’il va vérifier lui-même si ce qu’il vient de faire a fonctionné ?

Si oui, c’est un agent. S’il produit une réponse et attend que tu lui dises qu’elle est fausse,c’est un chatbot — utile, souvent excellent, mais pas la même chose. Ce n’est pas un jugement devaleur : pour reformuler un texte, la boucle ne sert à rien. Pour faire passer un test au vert,elle fait tout le travail.

En résumé

  • Un chatbot répond une fois ; un agent tourne en boucle jusqu’à ce que l’objectif soit atteint.
  • La boucle a quatre temps : planifier, agir, observer, ajuster — c’est le pattern ReAct.
  • Ce qui transforme un modèle en agent, ce n’est pas son intelligence : ce sont des outils, unemémoire et le droit de recommencer.
  • Plusieurs agents spécialisés battent souvent l’agent unique sur les tâches complexes, au prixde plus de coordination — commence par un seul.
  • Gartner prévoyait en août 2025 que 40 % des applications d’entreprise en intégreraient d’icifin 2026, contre moins de 5 % en 2025.
  • Le test qui tranche : est-ce qu’il vérifie lui-même que ça a marché ?

Toi, quand tu as dit à ton IA ce que tu veux, elle s’arrête après sa réponse, ou elle va vérifiersi ça a marché ? Dis-le-moi en commentaire.

Cet article reprend, en version écrite, ma vidéo « un agent IA, c’est une boucle » publiée surTikTok. Si tu veux la version courte, elle est ici.

Abonne-toi au blog pour les autres concepts décodés — et pour les essais, y compris ceux quiratent.

Source : Gartner — Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agentsby 2026(26 août 2025)

Similar Posts