Dans les équipes produit comme dans les directions informatiques, une même idée s’impose depuis quelques mois : l’intelligence artificielle n’est plus cantonnée à répondre à une requête, elle commence à exécuter des objectifs. Cette bascule vers des agents intelligents — capables d’enchaîner des actions, d’orchestrer des outils et de tenir un contexte — redessine la promesse des logiciels intelligents. En 2025, l’accélération s’est matérialisée autant dans le grand public, avec la nouvelle génération de modèles de création multimédia, que dans les usages professionnels, où l’automatisation ne se limite plus à des macros et des règles fixes. Les entreprises cherchent désormais des systèmes capables de planifier, d’exécuter et de contrôler des tâches de bout en bout, tout en s’intégrant à des environnements complexes.
Le mouvement ne se limite pas à la bureautique. Des plateformes de collaboration, des outils d’identité numérique et même certaines tendances du Web3 ont commencé à se structurer autour d’architectures « agentiques ». Derrière l’effet d’annonce, une question devient centrale : pourquoi ces agents s’imposent-ils comme la nouvelle couche logicielle, et qu’apportent-ils vraiment par rapport aux assistants fondés sur l’apprentissage automatique ? De la technologie cognitive appliquée aux opérations jusqu’à l’interaction homme-machine qui se transforme, l’innovation logicielle suit une trajectoire claire : passer de la génération de contenu à l’action contrôlée.
Des assistants aux agents IA : la bascule vers l’action dans les logiciels intelligents
La première rupture tient à la différence entre génération et exécution. L’IA générative popularisée par ChatGPT, Claude ou Gemini sait produire du texte, du code ou des images, mais elle reste fondamentalement dépendante d’une sollicitation : elle répond, sans agir par elle-même. Les agents IA, eux, ajoutent une couche de planification et de coordination : ils peuvent, à partir d’un objectif, sélectionner des outils, organiser des étapes et effectuer des actions dans des systèmes tiers.
Dans les entreprises, cette évolution reconfigure l’automatisation. Là où des approches type RPA reposaient sur des scripts fragiles, un agent peut adapter son parcours en fonction des données disponibles et du résultat attendu, sans être « recâblé » à chaque exception. Cette logique s’observe notamment dans les environnements de productivité où des assistants deviennent des opérateurs de tâches, capables de suivre un dossier, relancer un interlocuteur ou synthétiser une réunion avec une mémoire de contexte. Ce passage de l’outil passif au système actif marque un tournant : l’agent ne se contente plus de produire, il « fait ».
Des cas d’usage qui s’installent dans les flux de travail
Les annonces autour de Webex illustrent cette montée en puissance dans la collaboration. Cisco a mis en avant des fonctionnalités d’agent au sein de sa suite, avec des promesses centrées sur l’assistance en réunion, la génération de comptes rendus et la gestion d’interactions côté expérience client. L’enjeu, pour les entreprises, n’est pas seulement de gagner du temps sur la prise de notes : il s’agit d’insérer un agent dans le flux de décision, là où se jouent les arbitrages et les suivis.
Sur cette même logique, plusieurs acteurs intègrent des agents à des plateformes d’automatisation de processus ou d’intégration applicative, afin de connecter messageries, outils de ticketing et bases de connaissances. Le point d’attention reste la fiabilité : quand un agent déclenche des actions, une erreur ne se limite plus à une réponse approximative, elle peut entraîner une opération incorrecte. C’est là que la supervision, les garde-fous et la traçabilité deviennent aussi importants que la performance.
Cette dynamique est suffisamment forte pour irriguer d’autres secteurs numériques. Dans l’écosystème crypto, certaines tendances émergent autour d’agents et de tokens dits « agentiques », un signe que l’idée d’exécution autonome dépasse les seuls logiciels d’entreprise. Plusieurs analyses sectorielles évoquent ce mouvement, notamment autour des agentic tokens et de l’intelligence artificielle, où la notion d’agent sert de récit technologique autant que de brique fonctionnelle.
OpenAI, Cisco, Okta : une course aux agents, entre productivité et sécurité
La séquence 2025 a été marquée par une concentration d’annonces qui ont mis les agents sur le devant de la scène. La sortie de Sora 2 par OpenAI, présentée comme une génération vidéo et audio plus réaliste, a contribué à populariser l’idée d’IA capables de produire des contenus quasi finalisés. Dans le même temps, l’apparition d’applications sociales inspirées de formats courts a montré à quelle vitesse ces modèles pouvaient se traduire en produits orientés usages.
Dans les entreprises, l’adoption passe souvent par des suites déjà en place. Chez Cisco, l’intégration d’agents dans Webex s’inscrit dans une logique de plateforme : ajouter une couche d’IA qui comprend le contexte d’une réunion, prépare des actions et automatise des suivis. Du côté de l’identité et de la cybersécurité, Okta a, de son côté, communiqué sur des mécanismes visant à mieux sécuriser les interactions impliquant des agents, en traitant l’agent comme un acteur à part entière dans les flux d’accès et d’autorisation.
Quand l’identité numérique devient un sujet pour les agents
L’arrivée d’agents qui manipulent des données ou déclenchent des actions pose une question simple : qui agit réellement dans le système ? Les organisations ont déjà des politiques de droits pour les humains et des comptes de service pour les applications. Les agents, eux, se situent entre les deux, car ils opèrent au nom d’un utilisateur tout en prenant des initiatives dans un périmètre donné.
C’est précisément ce qui fait de l’identité un chantier prioritaire : limiter les privilèges, journaliser les actions et éviter que des agents deviennent des portes d’entrée involontaires. Dans les projets pilotes, les équipes sécurité demandent souvent des capacités d’audit plus fines et une séparation stricte des environnements de test et de production. À mesure que les agents deviennent des composants standards, cette discipline conditionne leur déploiement à grande échelle, bien plus que la seule qualité des modèles.
La logique de course se lit aussi dans la manière dont les récits technologiques circulent. Sur les marchés crypto, les « narratives » jouent un rôle d’accélérateur, en focalisant l’attention des investisseurs sur certaines promesses. Le thème des agents, déjà présent dans les logiciels, s’y retrouve également, comme le montre l’analyse des narratives crypto et cycles de marché, où l’agent devient une étiquette structurante pour des projets très hétérogènes.
Agent IA, IA agentique, AGI : des frontières encore floues dans le futur de l’informatique
La montée des agents alimente une confusion persistante : celle qui consiste à rapprocher agents opérationnels et intelligence artificielle générale. Un agent IA, même autonome sur le plan pratique, reste généralement orienté vers un objectif défini, et fonctionne dans un cadre d’outils et de données prédéterminés. Cette autonomie est surtout procédurale : l’agent sait planifier des étapes, appeler des services et ajuster une séquence, mais il ne s’affranchit pas de son domaine.
À l’inverse, l’AGI renvoie à une intelligence comparable à celle d’un humain, capable de transférer des connaissances entre domaines, d’apprendre de manière générale et de raisonner au-delà d’un périmètre d’application. La distinction est décisive, car elle conditionne les attentes, les budgets et la régulation. Pourquoi l’amalgame progresse-t-il ? Les démonstrations sont spectaculaires, le discours de certains acteurs entretient l’ambiguïté, et l’accélération médiatique fait le reste.
La prise de décision autonome, nouvelle interface entre humains et systèmes
Ce qui change réellement, c’est l’interaction homme-machine. L’utilisateur ne décrit plus seulement une tâche : il formule une intention, puis supervise l’exécution. Dans les équipes marketing, un agent peut préparer une veille, synthétiser des tendances, proposer des variantes de messages et déclencher des tests, tout en s’appuyant sur des données d’analytics. Dans une équipe support, il peut classer des tickets, suggérer des réponses et préparer des escalades, en s’imbriquant dans des workflows existants.
Cette évolution rapproche les agents d’une forme de prise de décision autonome, même si elle reste encadrée. Les débats portent alors sur la responsabilité, l’explicabilité et le contrôle : comment vérifier qu’un agent a bien respecté une politique interne, ou qu’il n’a pas extrapolé à partir d’un signal incomplet ? Dans les secteurs régulés, ces questions deviennent des critères d’achat aussi importants que les performances.
Le mouvement esquisse le futur de l’informatique : une couche logicielle où la technologie cognitive ne se contente plus d’assister, mais pilote des actions sous supervision. Les organisations qui s’y engagent découvrent vite que l’enjeu n’est pas seulement le modèle, mais l’architecture : outils connectés, droits, journalisation, et capacité à interrompre proprement une séquence. C’est sur ces fondations que les agents intelligents cessent d’être une démonstration pour devenir des logiciels intelligents réellement déployables.
