Le terme « agent IA » est-il galvaudé en 2026 ? Audit critique des usages

En 2024-2026, le marché tech a basculé. Tout est devenu agent. Les éditeurs SaaS ajoutent un agent à leur produit. Les plateformes no-code se rebaptisent agentic platforms. Les startups lèvent sur des slides où le mot revient une fois par bullet. Et les utilisateurs, eux, ne savent plus distinguer ce qui mérite vraiment cette étiquette de ce qui s'en pare opportunistement. Cet article propose un audit méthodique : on prend les principales catégories de produits qui se réclament d'agent IA, et on les confronte aux quatre propriétés posées par Wooldridge en 1995.

Rappel des quatre critères

Pour qu'un système mérite le nom d'agent au sens fort, il doit cumuler quatre propriétés : autonomie (il décide sans intervention humaine directe), réactivité (il perçoit et réagit à son environnement), pro-activité (il prend l'initiative pour atteindre son objectif), capacité sociale (il interagit avec d'autres agents). Si une seule de ces propriétés manque, le système peut être très utile, mais il n'est pas un agent au sens académique.

Catégorie 1, Les wrappers LLM (custom GPTs, prompts longs)

C'est la catégorie la plus large et la plus naïve. Un custom GPT, un prompt système long, un assistant Claude personnalisé : tous fonctionnent sur le même schéma. L'utilisateur tape une requête, le LLM répond en suivant les instructions de son prompt système. Il peut éventuellement appeler quelques outils (recherche web, exécution de code) pour enrichir sa réponse.

Vérifions. Autonomie : non, chaque tour requiert une nouvelle requête utilisateur. Réactivité : limitée, le système ne réagit qu'à ce que l'utilisateur lui envoie, pas à des changements dans un environnement extérieur. Pro-activité : absente, il ne prend jamais l'initiative. Capacité sociale : limitée à l'utilisateur unique qui l'interroge. Verdict : ce sont des assistants conversationnels, pas des agents.

Catégorie 2, Les plateformes workflow (Make, n8n, Zapier)

Avec l'essor de l'IA, ces plateformes ont introduit des nodes IA et se positionnent désormais sur le marché des agents. Un workflow type : un trigger (nouveau mail), un node IA qui analyse le contenu, un node de décision, des nodes d'action (créer une entrée dans une base, envoyer un message Slack). L'argumentaire commercial parle volontiers d'agents qui automatisent vos tâches.

Vérifions. Autonomie : partielle, le workflow s'exécute sans humain une fois déclenché, mais le périmètre d'autonomie est étroit (les branches du workflow). Réactivité : oui, réagit aux triggers. Pro-activité : non, ne s'auto-déclenche jamais hors d'un trigger défini. Capacité sociale : très limitée, pas de communication entre instances de workflow. Verdict : ce sont des automatisations sophistiquées avec une couche IA. Le terme agent est utilisé pour le marketing.

Catégorie 3, Les code assistants (Cursor, Cline, Aider, Claude Code)

Ce sont les produits les plus avancés du marché grand public. Cursor en mode composer, Cline, Aider en mode autopilot, Claude Code : tous peuvent recevoir une instruction de haut niveau (« implémente cette feature »), explorer le code, modifier plusieurs fichiers, exécuter des tests, itérer en cas d'erreur, et livrer un résultat exploitable.

Vérifions. Autonomie : oui pendant la session, le code assistant prend des décisions techniques sans demander à chaque pas. Réactivité : oui, il réagit aux erreurs de compilation, aux échecs de tests. Pro-activité : oui en partie, il peut décider d'ajouter une dépendance, de refactorer, sans que l'humain l'ait explicitement demandé. Capacité sociale : faible, pas de communication structurée avec d'autres agents.

Verdict : oui, ce sont des agents au sens Wooldridge. Mais des agents mono-tâche, sans persistence, sans organisation. La session se termine, l'agent disparaît avec elle. Et surtout : leur autonomie n'a aucune borne architecturale. Ils peuvent en théorie modifier n'importe quel fichier, lancer n'importe quelle commande. C'est précisément ce qui les rend puissants, et risqués en production.

Catégorie 4, Les frameworks d'orchestration (LangChain, CrewAI, AutoGen, LangGraph)

Ces frameworks proposent de construire des systèmes multi-agents en assemblant des LLM qui se parlent, se passent des tâches, votent, débattent. CrewAI introduit la notion de crew (un manager, des workers). AutoGen propose des conversations entre agents avec un human-in-the-loop optionnel. LangGraph modélise tout en graphe d'états.

Vérifions. Autonomie : oui, chaque agent du système prend des décisions. Réactivité : oui. Pro-activité : oui. Capacité sociale : oui, c'est même le point central. Verdict : ce sont des agents au sens Wooldridge. Mais, et c'est un mais important, ce ne sont pas des systèmes multi-agents au sens de Ferber. Pourquoi ? Parce qu'il leur manque la dimension organisationnelle.

Catégorie 5, Les plateformes commerciales (Salesforce Agentforce, Microsoft Copilot Agents)

Salesforce Agentforce, lancé en 2024, propose des agents préconfigurés pour des tâches commerciales : qualification de leads, planification de rendez-vous, support client. Microsoft a suivi avec Copilot Agents intégré dans la suite Office et Dynamics. Ces plateformes promettent des agents sur étagère, configurables sans code, et déployables en quelques clics.

Vérifions. Autonomie : oui dans un périmètre étroit, l'agent peut envoyer un mail, créer une opportunité, planifier un appel. Réactivité : oui. Pro-activité : limitée, l'agent attend généralement des triggers (nouveau lead entrant, demande client). Capacité sociale : faible, peu d'interaction inter-agents structurée. Verdict : techniquement des agents Wooldridge, mais à très faible profondeur. La promesse marketing dépasse souvent la réalité fonctionnelle.

Le test simple qui tranche

Au-delà de ces critères académiques, il existe un test pragmatique qui résume le tout : « L'agent peut-il refuser de répondre à un humain pour finir sa tâche en cours ? » Cette question saisit les quatre propriétés Wooldridge en une seule. Un agent autonome a une tâche assignée. Un agent réactif perçoit qu'un humain l'interroge. Un agent pro-actif décide en fonction de son objectif. Un agent socialement compétent négocie sa réponse avec l'humain (« je termine d'abord ceci, je reviens vers vous »).

Appliquons ce test aux cinq catégories. Wrapper LLM : non, il répond systématiquement. Plateforme workflow : non, ne tient pas de tâche persistante. Code assistant : parfois, il peut refuser un changement utilisateur s'il viole un test. Framework orchestration : techniquement oui, mais l'humain reste la couche d'arbitrage. Plateforme commerciale : non, l'agent priorise toujours l'humain. Conclusion : à peine 5 % des produits dits agents IA en 2026 passent ce test.

Conclusion : galvaudé, oui, mais pas inutilisable

Le terme agent IA est galvaudé. Une part écrasante des produits qui s'en réclament n'en sont pas, au sens académique. Cela ne veut pas dire que ces produits sont mauvais, beaucoup sont excellents pour leur usage. Mais ils ne sont pas des agents. Ce sont des assistants, des automatisations, des wrappers, des orchestrateurs.

Que faire ? Deux options. Soit on accepte que le mot ait perdu son sens et on l'utilise comme synonyme d'« IA qui fait quelque chose », ce qui est commercialement pratique mais intellectuellement creux. Soit on précise systématiquement à quel niveau d'autonomie on parle, et on garde la rigueur de Wooldridge pour les cas où elle compte vraiment, c'est-à-dire en production critique, sur des décisions à conséquence, dans des secteurs régulés.

C'est cette deuxième voie que nous recommandons. Et c'est aussi pour ça que nous avons publié une cartographie des cinq degrés d'autonomie possibles pour un agent IA, qui permet de positionner précisément un produit sur le spectre du wrapper LLM au système Wooldridge complet.