L'IA générative s'est installée dans les entreprises : selon le baromètre France Num 2026 de la Direction générale des Entreprises, 40 % des TPE et PME l'utilisent désormais, et 53 % des PME. Un nouveau terme s'impose pourtant dans les salons et les offres commerciales : l'IA « agentique », ou les « agents IA ». Il ne s'agit pas d'une technologie concurrente, mais d'une autre façon de se servir des mêmes modèles. L'une produit un contenu ; l'autre agit.
L'IA générative produit un contenu
La CNIL la définit ainsi : l'intelligence artificielle dite « générative » désigne « les systèmes capables de créer des contenus (texte, code informatique, images, musique, audio, vidéos, etc.) ». ChatGPT, Le Chat de Mistral, Claude, Gemini ou Copilot en sont les exemples les plus connus.
Son fonctionnement est simple : vous formulez une demande, elle répond, et c'est vous qui décidez de ce que vous faites du résultat. Rédiger un e-mail, résumer un compte rendu, traduire une fiche produit, préparer un premier jet de devis ou créer un visuel : ce sont aujourd'hui les usages les plus répandus. D'après France Num, 34 % des TPE et PME s'en servent pour générer du texte, de la voix ou des images, et 24 % utilisent des assistants ou des outils de recherche d'information.
L'IA agentique enchaîne des actions
Dans une note publiée en juillet 2026, la CNIL et le Conseil de l'IA et du numérique décrivent l'IA agentique comme « un ensemble de programmes informatiques reposant sur des modèles d'IA générative, capables de prendre des décisions de manière autonome, d'orchestrer des actions complexes et d'interagir avec des services tiers, avec ou sans validation humaine ».
Concrètement, un agent reçoit un objectif plutôt qu'une simple question. Il découpe la tâche en étapes, choisit les outils dont il a besoin (messagerie, agenda, CRM, logiciel de gestion, recherche sur le web) et les utilise l'un après l'autre. Il peut aussi garder en mémoire ce qu'il a appris d'une tâche à l'autre.
L'entreprise Anthropic, qui conçoit le modèle Claude, propose une distinction utile. Les « workflows » suivent un chemin défini à l'avance par le développeur, même s'ils font appel à l'IA à certaines étapes. Les « agents » décident eux-mêmes de leur démarche et des outils à utiliser. Les premiers sont plus prévisibles, les seconds plus souples.
Un exemple concret
Prenons un atelier de chaudronnerie du pays de Lorient qui reçoit une demande de devis par e-mail (exemple fictif).
Avec l'IA générative, la personne chargée des devis copie la demande dans l'assistant, avec la grille tarifaire. L'IA rédige un brouillon de devis et un e-mail d'accompagnement. La personne vérifie, corrige et envoie.
Avec un agent, la lecture de l'e-mail déclenche le travail : l'agent retrouve le client dans le CRM, vérifie la disponibilité des matières dans le logiciel de gestion, calcule le devis à partir de la grille, le prépare dans l'outil de facturation et le soumet pour validation avant envoi. La personne n'intervient qu'à la fin, pour valider.
Les différences, point par point
Ce qu'elle produit. L'IA générative livre un contenu : un texte, une image, un résumé. L'IA agentique livre un résultat : une tâche réalisée de bout en bout.
Qui pilote. Avec l'IA générative, vous déclenchez chaque étape. Avec un agent, c'est lui qui enchaîne les étapes, dans le cadre que vous avez fixé.
Ce à quoi elle accède. L'IA générative travaille sur ce que vous lui donnez dans la conversation. Un agent se connecte à vos outils et à vos données, parfois à des services extérieurs.
Le risque principal. Une erreur de l'IA générative reste dans un texte que vous relisez. Une erreur d'agent peut se propager d'une étape à l'autre et produire un effet réel : un e-mail envoyé, une commande modifiée, une donnée transmise. Anthropic souligne d'ailleurs que les systèmes agentiques coûtent plus cher, sont plus lents et exposent à des « erreurs qui se cumulent ».
La mise en place. L'IA générative demande surtout des règles d'usage et de la formation. Un agent demande en plus de cadrer les données accessibles, les droits d'action et les étapes de validation humaine.
Où en sont les entreprises
Les agents progressent vite dans les grandes organisations. Selon l'étude annuelle de McKinsey publiée en août 2026, menée auprès de 1 719 personnes dans 97 pays, environ deux répondants sur dix déclarent déployer des agents IA à l'échelle de leur organisation. La proportion atteint 40 % dans les entreprises de plus d'un milliard de dollars de chiffre d'affaires, contre 22 % dans les plus petites.
Le cabinet Gartner anticipe qu'en 2028, 33 % des logiciels d'entreprise intégreront de l'IA agentique, contre moins de 1 % en 2024. Mais il prévient aussi que plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027, en raison de coûts croissants, d'une valeur mal établie ou d'une maîtrise des risques insuffisante. Il dénonce enfin l'« agent washing » : des assistants, des chatbots ou des outils d'automatisation classiques rebaptisés « agents ». Selon ses estimations, seuls 130 environ des milliers de fournisseurs qui se présentent comme spécialistes de l'IA agentique le seraient vraiment. Ces chiffres sont des projections d'analystes, à lire comme des tendances.
Dans les TPE et PME françaises, l'usage reste plus modeste : France Num ne mesure pas encore les agents, mais 11 % des entreprises interrogées utilisent l'IA pour automatiser des tâches.
Ce que recommande la CNIL
La CNIL rappelle que le RGPD et le règlement européen sur l'IA s'appliquent déjà aux agents. Elle relève toutefois que le passage de l'IA générative à l'IA agentique « renouvelle et amplifie les risques » : des données qui circulent entre de nombreux services, une mémoire qui conserve davantage d'informations, des responsabilités plus difficiles à établir et une surface d'attaque plus large pour la cybersécurité.
Parmi les pistes de sa note : garder une trace de chaque tâche (données utilisées, services appelés, actions réalisées), limiter les données auxquelles l'agent a accès, classer les actions possibles selon leur niveau de risque, exiger une validation humaine avant toute action critique et prévoir un moyen d'arrêter l'agent à tout moment.
Par où commencer
Pour la plupart des TPE et PME, la bonne première marche reste l'IA générative, appliquée à des besoins identifiés. C'est aussi ce que conseille la CNIL : partir de besoins concrets, définir les usages autorisés et interdits, et former les équipes.
Viennent ensuite les automatisations à étapes fixes, plus prévisibles. Anthropic recommande d'ailleurs de chercher « la solution la plus simple possible » et de n'ajouter de la complexité que lorsqu'elle est nécessaire. Un agent se justifie pour des tâches répétitives mais variables, dont on ne peut pas prévoir toutes les étapes à l'avance.
Si vous franchissez le pas, commencez par une seule tâche bien délimitée, donnez à l'agent les droits d'accès strictement nécessaires, gardez une validation humaine avant tout envoi ou toute modification, et mesurez le temps réellement gagné avant d'étendre.
Sur MORBIHAN.AI, la fiche projet IA aide à chiffrer un premier projet, la rubrique Charte et conformité IA à encadrer les usages, et l'annuaire recense les agences vérifiées du Morbihan qui accompagnent ces démarches.
Sources : baromètre France Num 2026, Direction générale des Entreprises, 28 septembre 2026 ; CNIL, « Comment déployer une IA générative ? La CNIL apporte de premières précisions », 18 juillet 2024 ; CNIL et Conseil de l'IA et du numérique, note exploratoire « IA agentique et données personnelles », juillet 2026 ; Anthropic, « Building effective agents », 19 décembre 2024 ; McKinsey, « The state of AI in 2026 : On the road to ROI », 25 août 2026 ; Gartner, communiqué du 25 juin 2025 sur les projets d'IA agentique.