Agents d’IA : pourquoi ils pourraient devenir les tableurs du XXIe siècle

Un tableur n’a pas remplacé les financiers, les comptables ou les dirigeants. Il a toutefois changé leur manière de calculer, de comparer des scénarios et de décider. À la fin de 2024, les agents d’intelligence artificielle pourraient amorcer une mutation comparable : moins visible qu’un robot dans une usine, mais susceptible de s’insérer dans une foule de tâches administratives, informationnelles et organisationnelles.

L’idée centrale est simple. Les assistants conversationnels ont familiarisé le public avec des outils capables de rédiger, résumer ou répondre à des questions. Les agents d’IA ambitionnent d’aller plus loin : recevoir un résultat à atteindre, organiser les étapes nécessaires, mobiliser des outils numériques puis ajuster leur action selon les informations obtenues. Cette promesse nourrit autant l’intérêt des entreprises que les interrogations sur l’emploi, la protection des données et la place du jugement humain.

Qu’est-ce qu’un agent d’IA ?

Un agent d’IA est un logiciel conçu pour accomplir une tâche ou poursuivre un objectif avec une certaine autonomie opérationnelle. Il s’appuie généralement sur un grand modèle de langage, ou LLM, pour comprendre des instructions exprimées en langage courant et générer du texte, du code ou des requêtes.

La différence essentielle avec un simple chatbot tient à l’enchaînement des actions. Plutôt que de répondre une seule fois à une question, l’agent peut décomposer une demande vague en sous-tâches. Pour préparer un dossier, par exemple, il pourrait identifier les documents pertinents, en extraire les éléments importants, établir un plan, signaler les données manquantes et produire une première synthèse. Dans un environnement connecté, il peut aussi utiliser des logiciels autorisés par son utilisateur.

Cette apparente autonomie ne signifie pas qu’il « comprend » le monde comme un humain. Un modèle de langage calcule des réponses plausibles à partir des données sur lesquelles il a été entraîné et du contexte qui lui est fourni. Il peut commettre des erreurs, inventer une référence ou mal interpréter une instruction. La supervision reste donc déterminante, surtout lorsqu’une décision engage des finances, des droits ou la sécurité de personnes.

Pourquoi 2025 est présenté comme un tournant

À l’horizon 2025, les agents sont présentés comme une évolution importante des modèles d’IA actuels. Leur intérêt ne réside pas seulement dans la qualité de leurs réponses, mais dans leur capacité théorique à transformer une intention en séquence d’actions. Cela répond à une frustration fréquente avec les chatbots : obtenir un texte convaincant est utile, mais ne suffit pas toujours à faire avancer un dossier réel.

Sarah Friar, directrice financière d’OpenAI, a indiqué que ces agents pourraient devenir des assistants précieux pour le grand public. La perspective évoquée est celle d’outils capables d’alléger des contraintes quotidiennes, notamment pour les personnes qui doivent concilier responsabilités professionnelles et personnelles. L’enjeu n’est donc pas uniquement de produire un courriel ou un résumé plus vite : il s’agit de réduire la fragmentation des tâches, des rappels, des recherches et des décisions de faible ampleur.

Dans les organisations, les promesses sont comparables. Un agent pourrait aider à retrouver l’information dispersée entre documents, messages et bases internes, puis la présenter dans le contexte d’un projet. Les grands groupes, où circulent des masses de données difficiles à exploiter, y voient un moyen de rendre l’information plus accessible aux équipes qui en ont besoin.

Pour autant, les usages les plus utiles ne seront pas forcément les plus spectaculaires. La valeur pourrait venir de milliers de petites améliorations : mieux préparer une réunion, repérer une incohérence dans un dossier, réduire le temps passé à chercher une procédure ou produire une première version d’un document répétitif.

Des investissements à transformer en usages concrets

L’essor des agents répond aussi à une pression économique. L’industrie technologique consacre des sommes considérables aux infrastructures informatiques, aux données et à l’entraînement de modèles de langage avancés. La publication d’origine évoque, à l’échelle du secteur, des investissements exprimés en milliers de milliards de dollars. Ces montants renforcent l’attente de retours économiques tangibles.

Les LLM ont déjà montré leur utilité dans les métiers fortement fondés sur le langage : rédaction, traduction, programmation, service client ou synthèse documentaire. Mais leur intégration dans d’autres secteurs reste plus délicate. Une entreprise n’adopte pas une technologie seulement parce qu’elle est impressionnante : elle doit identifier un problème précis, vérifier la qualité des résultats, intégrer l’outil aux logiciels existants et définir qui reste responsable en cas d’erreur.

Les agents constituent une tentative de répondre à cette difficulté. En associant un modèle de langage à des règles, des sources de données et des outils métier, ils pourraient prendre en charge des séquences de travail, plutôt qu’une seule interaction isolée. La promesse est celle d’une efficacité accrue, mais cette efficacité dépendra de la qualité des processus existants. Automatiser une procédure confuse ne la rend pas automatiquement pertinente.

Les agents d’IA seront-ils les nouveaux tableurs ?

Le politologue Henry Farrell rapproche cette évolution de l’impact des tableurs. La comparaison mérite d’être prise au sérieux, à condition de ne pas y voir une prédiction mécanique. Les premiers tableurs, dont VisiCalc lancé en 1979, se sont largement diffusés dans les années 1980. Ils ont permis de modifier rapidement des hypothèses, de recalculer des budgets et de tester des scénarios. Ils ont surtout changé les habitudes de travail et la circulation de l’information dans les entreprises.

Les agents d’IA pourraient jouer un rôle analogue pour les tâches intellectuelles et organisationnelles. Là où le tableur a rendu le calcul et la modélisation financière accessibles à un grand nombre de professionnels, l’agent pourrait aider davantage de salariés à interroger des corpus complexes, à coordonner des démarches numériques ou à exploiter l’information disponible.

La transformation serait probablement graduelle. Les organisations devront créer de nouvelles routines de contrôle, adapter leurs procédures et former leurs équipes. Certains métiers évolueront vers la formulation des bonnes questions, la validation des résultats et la gestion des exceptions, c’est-à-dire des situations que l’outil ne peut pas traiter de manière sûre.

La proactivité, une promesse qui doit rester maîtrisée

Les utilisateurs ne recherchent pas seulement un outil qui attend une instruction. Ils attendent des systèmes capables de signaler une information utile, de recommander une étape suivante ou de suggérer une amélioration. Cette proactivité peut rendre le travail plus fluide, mais elle introduit aussi une difficulté : un conseil automatisé peut orienter une décision sans que ses limites soient clairement perçues.

Un bon déploiement suppose donc de définir ce que l’agent a le droit de faire. Peut-il préparer un document ? Peut-il envoyer un message ? Peut-il modifier une donnée dans un outil de gestion ? Peut-il engager une dépense ? Plus l’action est sensible, plus les autorisations doivent être limitées et les validations humaines explicites.

Les entreprises prudentes ont une raison de l’être. Beaucoup d’outils sont encore présentés comme des solutions générales avant même que le problème concret à résoudre soit identifié. Or un déploiement utile commence souvent par un périmètre étroit : une tâche fréquente, mesurable, documentée et réversible. Cette approche permet de comparer le gain de temps annoncé avec la réalité, y compris le temps consacré aux vérifications.

Vie privée, biais et responsabilité : les conditions d’une adoption durable

L’arrivée de ces systèmes soulève des questions éthiques concrètes. Pour être efficace, un agent peut avoir besoin d’accéder à des informations professionnelles, parfois confidentielles. Les organisations doivent donc savoir quelles données sont traitées, où elles sont stockées, qui peut y accéder et combien de temps elles sont conservées. Les informations personnelles ou sensibles exigent une vigilance renforcée.

Le risque de biais compte également. Si un modèle reproduit des stéréotypes présents dans ses données ou ses instructions, ses recommandations peuvent désavantager certains groupes. Dans les ressources humaines, l’assurance, le crédit ou les services publics, une décision influencée par un système d’IA doit pouvoir être expliquée, contestée et corrigée.

Le cadre réglementaire prend de l’importance. Dans l’Union européenne, le règlement sur l’intelligence artificielle, couramment appelé AI Act, est entré en vigueur le 1er août 2024. Son application s’échelonnera selon les catégories de systèmes et de risques. Pour les entreprises, l’enjeu dépasse la conformité : il s’agit d’installer des règles internes de transparence, de contrôle et de responsabilité avant que les agents ne deviennent trop intégrés aux opérations quotidiennes.

La publication d’origine évoque aussi la blockchain et l’Internet des objets, ou IoT, parmi les technologies susceptibles de compléter les agents. Elles ne sont pas nécessaires à tous les projets. Des capteurs connectés peuvent alimenter un système en données du terrain, tandis que des mécanismes de traçabilité peuvent aider à suivre certaines opérations. Mais leur utilité dépend toujours du cas d’usage, et non de la seule association de technologies à la mode.

Ce qu’il faut surveiller en 2025

La question décisive ne sera pas de savoir si les agents peuvent produire une démonstration impressionnante. Il faudra observer s’ils sont capables de fonctionner de manière fiable dans la durée, avec des données imparfaites, des règles métier nombreuses et des situations inattendues. Les critères les plus utiles seront concrets : temps réellement gagné, nombre d’erreurs évitées ou introduites, qualité des contrôles et satisfaction des utilisateurs.

Leur impact sur l’emploi dépendra aussi de la manière dont ils seront déployés. Ils peuvent automatiser une partie des tâches répétitives et créer un besoin de compétences nouvelles, notamment pour paramétrer, contrôler et intégrer ces systèmes. Mais les gains de productivité ne déterminent pas à eux seuls les choix d’organisation : ils peuvent servir à alléger certaines charges, à augmenter les volumes traités ou à redéfinir des postes.

La formule attribuée à Marshall McLuhan par John Culkin résume l’enjeu : « Nous façonnons nos outils, puis nos outils nous façonnent ». Les agents d’IA ne dessineront pas seuls l’avenir du travail. Ce sont les règles fixées par les employeurs, les pouvoirs publics et les utilisateurs, ainsi que la capacité à préserver un contrôle humain réel, qui détermineront s’ils deviennent des outils d’émancipation, de surveillance ou de simple complexité supplémentaire.