Une IA agentique est un système d'intelligence artificielle relevant de l'intelligence artificielle distribuée, capable d'agir de manière autonome pour prendre des décisions ou enchaîner des opérations afin d'atteindre un objectif.. Elle le fait en s'appuyant sur des modèles d'IA, et en coordonnant divers agents intelligents (Agent IA), c'est‑à‑dire des composants logiciels exécutant chacun une tâche définie, souvent limitée et dans un cadre contrôlé, sans supervision humaine constante. ; en cela elle appartient à la classe des « systèmes multi-agents ».
L'agent IA est généralement intégré à une suite applicative (logiciel agentique). Ayant accès à Internet et éventuellement à d'autres sources de données, il peut décomposer un processus, analyser son environnement, planifier, raisonner, comparer plusieurs solutions, s'adapter au contexte et enchaîner plusieurs étapes pour accomplir une tâche complexe dans un environnement réel, numérique ou hybride.. Il est en général plutôt conçu pour l'aide à la décision ou la prise de décision, pour rechercher, coder et créer des applications ou des sites web, créer des diaporamas ou générer du contenu vidéo de manière autonome, au delà de la simple génération de contenu en réponse à un prompt.
Contrairement aux modèles d'intelligence artificielle générative purement conversationnels, une IA agentique orchestre en fonction de ses besoins plusieurs « agents intelligents » spécialisés ; à ce titre, elle est rattachée à la famille des systèmes multi‑agents. Ce type de système se diffuse auprès du grand public à partir du milieu des années 2020, à la faveur du développement des grands modèles de langage et de leur intégration dans des chaînes de traitement complexes..
Elle émerge, pour le grand public au milieu des années 2020. Un rapport, mi 2025, considère que de nombreuses « IA agentiques » ne sont en réalité que des rebrandings de produits déjà publiés (évoquant un « lavage d'agent »).
Vocabulaire En 2026, le « Conseil français de l'IA et du numérique » explique que :
Selon le Conseil français de l'IA et du numérique, l'accolement du qualificatif « agentique » à un système informatique a été proposé dès les années 1960, pour le robot « Shakey », créé par le Stanford Research Institute avec la DARPA (qui fut classé comme le premier robot mobile autonome doté d'une intelligence artificielle rudimentaire, doté de systèmes de vision par ordinateur, de planification automatique (STRIPS), de traitement du langage naturel et de navigation autonome, lui permettant d'exécuter des tâches relativement complexes pour l'époque ( déplacer des objets ; éviter des obstacles). Ce robot . Le Conseil rappelle que l’IA agentique n’est pas un modèle, mais une architecture dont le déploiement implique une transformation en profondeur des processus et des responsabilités. Il souligne aussi que les coûts d’inférence (par jeton) sont en baisse rapide, ce qui favoriser une augmentation des usages..
Le qualificatif « agentique » semble ensuite avoir été oublié pour retrouver un usage au milieu de l'année 2024, quand Andrew Ng, un des pionniers des réseaux de neurones, l'a remis au goût du jour, lors de l'explosion des modèles d'IA génératives, fin 2022.
À partir du milieu des années 2020, l'IA agentique est adoptée par un nombre croissant d'organisation. Certaines analyses prospectives estiment que ce marché devrait croître considérablement (atteignant 199,05 milliards de dollars d'ici 2034, avec donc un taux de croissance annuel de près de 44 %.
On parle notamment de LLM‑MAS où l'acronyme MAS signifie Multi‑Agent System, c'est‑à‑dire « système multi‑agents ».
Généralités L'IA agentique fonctionne comme un super-agent qui utiliserait lui-même plusieurs (de deux à plusieurs centaines ou milliers) d'agents intelligents possédant chacun quelques attributs et compétences-clés.
Elle dispose de mécanismes internes de structuration d'objectifs complexes, pilotés par des outils logiciels dédiés et/ou un système interne de planification et de coordination d'un nombre plus ou moins élevé d'agents intelligents.
Comme l'IA générative (IAg), elle dispose d'une interface en langage naturel et d'outils internes, mais elle a, en plus, une capacité d'agir plus indépendamment de la supervision de l'utilisateur. Son contrôle de flux est fréquemment piloté par un ou plusieurs grands modèles de langage (LLM). Ses performances sont augmentées, quand ses agents intelligents disposent, ce qui est de plus en plus le cas, de systèmes de mémoire pour se souvenir de leurs interactions précédentes (avec l'utilisateur ou avec d'autres entités), sous l'égide d'un « logiciel d'orchestration » qui organise les composants de l'IA agentique..
Les agents intelligents, comme les IA agentiques n'ont pas encore de définition standardisée..., mais selon le « Conseil français de l'IA et du numérique », début 2026, la littérature spécialisée . : Automatisation basique : l'IA applique des règles fixes, et exécute des tâches répétitives ( Automatisation robotisée des processus (ARP), régulateur de vitesse) ; Automatisation intelligente : l'IA analyse des données ou des documents grâce à des capacités perceptives ( reconnaissance optique de caractères (OCR) ; aides à la conduite) ; Flux agentiques : plusieurs agents enchaînent des étapes d'un processus, généralement avec validation humaine à chaque phase clé ; Agents semi autonomes : l'IA devient proactive, comprend le contexte et propose des décisions soumises à validation humaine ; Agents entièrement autonomes : auto dirigés et apprenants en continu, ils exécutent des missions « de bout en bout » sans supervision — un niveau encore théorique aujourd'hui. Le concept d'IA agentique de niveau 5 a été comparé au personnage fictif Jarvis..
Coordination interne Les architectures multi‑agents reposent sur un « moteur de planification et de gestion des objectifs», et sur une architecture cognitive distribuée (souvent inspirées des modèles mentaux humains) construite sur une plateforme d'exécution autonome (éventuellement située dans le Cloud), permettant l'action continue, et des cadres d'apprentissage et d'adaptation assurant l'amélioration dynamique des performances.
Un système GCDM (Group Choice Decision‑Making) sert à coordonner plusieurs agents LLM quand ils doivent sélectionner collectivement une action. Il s'appuie généralement sur des mécanismes inspirés de la théorie du choix social. Contrairement au vote pondéré (qui agrège des préférences individuelles), le GCDM intègre des justifications textuelles produites par les agents, pour plus de transparence et de robustesse des décisions. Par rapport au consensus, qui exige l’accord unanime et peut être lent ou instable, le GCDM permet de trancher même en présence de désaccords persistants, ce qui le rend plus adapté aux systèmes LLM‑MAS à grande échelle. Par rapport à la négociation multi‑agents (où chaque agent optimise ses propres intérêts), le GCDM vise une décision collective globalement optimale, ce qui réduit les risques de conflits ou de comportements stratégiques dans les systèmes agentiques avancés. Selon les cas, il faut que l'IA ou l'humain prenne une décision : des protocoles de consensus permettent à des humains et des machines de collectivement construire des choix de décisions communes...
Domaines d'application L'IA agentique englobe des systèmes autonomes capables d'agir dans des environnements physiques ou numériques, des agents cognitifs orientés vers le raisonnement et la résolution de problèmes, des agents dédiés aux processus d'entreprise visant l'automatisation intelligente des , des les agents scientifiques et de recherche mobilisés pour l'exploration, la simulation ou la découverte, et bien d'autres.
L'application la plus courante de l'IA agentique est l'automatisation des tâches, éventuellement ..
En 2024, elle permet à un utilisateur de faire des réservations et de préparer un voyage... Parmi les exemples d'IA agentique notables début 2026, Devin AI, AutoGPT et SIMA.. D'autres agents, publiés depuis 2025, incluent OpenAI Operator., ChatGPT Deep Research., Manus., Quark (basé sur Qwen)., AutoGLM Rumination et Coze (de ByteDance). Les permettant de créer des agents d'IA comprennent LangChain. et des outils logiciels tels que CAMEL.., Microsoft AutoGen., et OpenAI Swarm.. Des GAFAM telles que Google, Microsoft et Amazon Web Services ont eux-mêmes proposé des plateformes pour le déploiement d'agents d'IA pré-construits.. a créé , une plateforme sociale qui est en quelque sorte l'équivalent d'un réseau social (théoriquement exclusivement réservé à des agents intelligents autonomes), où ces derniers peuvent créer et animer eux mêmes des communautés pour interagir entre pairs. La communication inter-agents est standardisée, par des protocoles qui comprennent l'Agent Protocol (de LangChain), le Model Context Protocol (d'Anthropic), AGNTCY., Gibberlink., Internet des agents., Agent2Agent (de Google). et l'Agent Network Protocol.. Certains de ces protocoles servent aussi à connecter les agents à des applications externes. Des logiciels permettent d'assurer la fiabilité des agents, dont par exemple : AgentSpec, ToolEmu, GuardAgent, Agentic Evaluations et les modèles prédictifs de H2O.ai.. En , a lancé , une version open source d.. Hugging Face a aussi publié un agent gratuit pour navigateur web, similaire à OpenAI Operator.. Galileo AI a publié sur Hugging Face un tableau de bord des agents, qui classe leurs performances en fonction de leurs modèles linéaires sous-jacents.. En décembre 2025, la Fondation Linux a annoncé la création de l''' – une fondation neutre et ouverte visant à garantir une évolution transparente et collaborative de l'IA agentique... Les systèmes de mémoire pour agents comprennent Mem0.., MemGPT., et MemOS..
Utilisateurs Ils se répartissent dans des domaines aussi variés que la conduite autonome, la santé et les sciences de la vie, la finance et la banque, la défense et l'aérospatiale, les technologies logicielles, l'éducation et la formation, ainsi que dans divers domaines émergents où l'autonomie logicielle devient un levier stratégique.
Modes de déploiement Ils varient entre des systèmes agents installés sur site (souvent pour des raisons de souveraineté et/ou de sécurité) à des solutions entièrement basées sur le cloud (favorisant l'élasticité et l'orchestration à grande échelle, mais nécessitant d'importantes ressources en datacenters, coûteuses en énergie et en empreinte carbone) ; en avril 2026, pour atténuer ces dépenses, Meta (ex-Facebook) annonce intégrer plusieurs dizaines de millions de cœurs AWS Graviton5 pour alimenter ses systèmes d’IA agentiqueYahoo (2026) Meta signe un accord avec AWS pour faire fonctionner son IA agentique à partir des puces Graviton d’AWS (25 avril 2026) .. Des architectures hybrides peuvent combiner ces deux approches.
Histoire L'IA agentique a des racines dans les recherches faites dans les années 1990, mais, selon le professeur Milind Tambe de Harvard, sans avoir (à cette période) de définition claire.
Le chercheur Andrew Ng est considéré comme ayant récemment (2024) popularisé le terme « agentique » auprès d'un public plus large..
À partir de 2025, la montée en puissance de l'IA agentique reconfigure les typologies historiques d'agents IA, en les inscrivant dans un nouveau cadre unifié, distribué et modulable, qui restructure l'évolution des systèmes autonomes et des environnements socio‑techniques. Elle coordonne : des agents réactif (limités à des réponses immédiates aux stimuli, qui forment la strate la plus élémentaire de l'autonomie, et servent de base à des tâches simples ou fortement contraintes) ; des agents délibératifs aux capacités explicites de planification (ils introduisent une représentation interne de l'environnement et une possibilité de raisonner sur des séquences d'actions) ;