Agents IA : comment l’expérience agentique transforme la relation client

Un client cherche un billet, compare des offres, remplit un formulaire, demande une facture ou souhaite renégocier un abonnement. Jusqu’ici, ces parcours passaient presque toujours par une personne ou par une succession d’écrans. L’essor des agents d’intelligence artificielle pourrait modifier cette mécanique : un logiciel ne se contenterait plus de répondre à une question, il pourrait exécuter une série d’actions au nom de son utilisateur, tout en dialoguant avec les systèmes de l’entreprise.

Cette perspective, souvent appelée IA agentique, dépasse le chatbot de service après-vente. Elle fait entrer un nouvel interlocuteur dans la relation client : l’agent. Celui-ci peut recevoir un objectif, mobiliser des outils numériques, vérifier des données, puis proposer ou réaliser une action. Pour les marques, la question n’est donc plus seulement de concevoir une expérience agréable pour un visiteur humain. Il faut aussi rendre les services compréhensibles, accessibles et sûrs pour des logiciels agissant avec une délégation limitée.

Du chatbot à l’agent capable d’agir

Le terme « agent IA » recouvre des réalités très diverses. Un assistant conversationnel classique répond à partir d’informations disponibles. Un agent va plus loin lorsqu’il est relié à des outils : moteur de recherche, calendrier, base de données, logiciel de gestion, service de paiement ou interface de réservation. Il peut décomposer une demande en plusieurs étapes, choisir un outil, exploiter son résultat et adapter la suite de sa démarche.

La différence essentielle tient donc moins au fait de discuter qu’à la possibilité d’agir dans un environnement numérique. Cette autonomie doit toutefois être comprise avec prudence. Un agent ne poursuit pas spontanément ses propres intérêts. Il exécute un objectif et des règles définis par un utilisateur ou une organisation, dans les limites techniques des accès qui lui ont été accordés.

Dans une relation commerciale, cette évolution ouvre un scénario nouveau : l’agent du consommateur pourrait analyser des options, lire les conditions d’un service, demander des précisions et sélectionner une offre selon des priorités paramétrées, par exemple le prix, le délai ou les garanties. En face, l’entreprise peut elle aussi utiliser un agent pour retrouver un dossier, contrôler l’éligibilité à une offre ou préparer une réponse personnalisée.

L’interaction ne serait alors plus uniquement humaine. Elle pourrait devenir agent-à-agent, c’est-à-dire un échange entre deux systèmes qui représentent chacun des intérêts et des règles différents. Cette idée ne signifie pas que les clients ou les marques disparaissent de l’équation. Au contraire, leurs préférences, leurs obligations contractuelles et leurs politiques commerciales deviennent les paramètres que ces systèmes doivent respecter.

Manus, un exemple des promesses de l’IA agentique

Parmi les outils mis en avant dans ce domaine figure Manus, cité aux côtés de Monica. Son intérêt tient à la promesse d’exécuter des séquences de travail complexes, plutôt que de produire seulement une réponse textuelle. L’agent peut s’appuyer sur différentes sources d’information et outils, afin de traiter un objectif comportant plusieurs sous-tâches.

L’exemple souvent avancé est celui d’un utilisateur qui déléguerait une recherche ou une opération d’achat. L’agent pourrait comparer plusieurs prestataires, prendre en compte les contraintes indiquées, ajuster ses recommandations et présenter le résultat. Dans un cadre plus sensible, comme des données financières, il pourrait assister l’analyse ou préparer des actions, à condition de disposer des accès nécessaires et de respecter les contrôles prévus.

Manus est présenté comme capable de gérer plus de 50 tâches en simultané. Ce chiffre illustre l’ambition de ces systèmes : traiter de nombreux processus en parallèle, là où un conseiller humain doit nécessairement arbitrer son temps. Il ne faut pas pour autant confondre volume de traitement et qualité garantie. Plus un agent réalise d’étapes, plus il devient important de vérifier la fiabilité des données, la cohérence de son raisonnement et l’exactitude de l’action finale.

Dans le service client, une tâche agentique complète pourrait suivre cette logique :

• identifier la demande et les contraintes du client ;
• consulter les informations utiles dans les systèmes autorisés ;
• comparer les options ou vérifier les conditions applicables ;
• proposer une action, ou l’exécuter si la délégation le permet ;
• conserver une trace exploitable de l’opération et de ses décisions.

Cette chaîne paraît fluide sur le papier, mais chaque étape soulève une question concrète. L’agent a-t-il reconnu correctement le client ? Ses informations sont-elles à jour ? A-t-il interprété les règles commerciales comme prévu ? Peut-il annuler une action, ou la faire valider avant son exécution ? La relation client ne se résume pas à la rapidité : elle repose aussi sur la capacité à expliquer, corriger et assumer une décision.

Qu’est-ce que l’expérience agentique ?

L’Agent Experience, ou AX, désigne la manière dont un service numérique est conçu pour être utilisé non seulement par des humains, mais aussi par des agents. Dans l’expérience utilisateur traditionnelle, l’entreprise soigne les menus, les boutons, les formulaires et le vocabulaire affiché à l’écran. Avec l’AX, elle doit également prévoir comment un logiciel identifiera une offre, demandera une autorisation, comprendra une règle de prix ou transmettra une commande sans ambiguïté.

Un site agréable à parcourir n’est pas forcément simple à utiliser pour un agent. Une information essentielle peut être cachée derrière des éléments visuels, un formulaire peut nécessiter des manipulations fragiles, ou une politique tarifaire peut être difficile à interpréter automatiquement. Les entreprises ont donc intérêt à proposer des données structurées, des parcours stables et des interfaces de programmation, les API, clairement documentées.

Il ne s’agit pas d’ouvrir sans discernement l’ensemble du système d’information. Une API est une porte d’échange entre logiciels, qui peut permettre à un agent de demander une information ou de déclencher une action selon des règles précises. L’enjeu consiste à offrir les fonctions utiles sans exposer des données personnelles, des opérations internes ou des droits excessifs.

La sécurité, condition de la confiance

Confier une action à un agent introduit un risque particulier : le système ne manipule pas seulement du texte, il peut accéder à des comptes, préparer des commandes, modifier une réservation ou transmettre des informations. Une erreur de paramétrage, une instruction mal interprétée ou un accès détourné peut avoir des conséquences immédiates pour le client comme pour l’entreprise.

Les protocoles d’autorisation tels qu’OAuth 2.0 jouent ici un rôle central. Ils permettent à un utilisateur d’autoriser une application à accéder à certaines ressources sans communiquer son mot de passe à chaque service. Mais OAuth 2.0 ne règle pas tout. Un jeton d’accès trop large, trop durable ou attribué au mauvais agent demeure un problème de sécurité, même si le protocole est correctement mis en œuvre.

Une architecture adaptée aux agents doit notamment prévoir :

• des droits limités au strict nécessaire, selon le principe du moindre privilège ;
• une authentification forte lorsque l’action est sensible ;
• des limites de montant, de fréquence ou de type d’opération ;
• une confirmation explicite avant un achat, une résiliation ou un transfert important ;
• des journaux permettant de retracer les actions et de comprendre une anomalie ;
• une possibilité simple de suspendre l’agent ou de révoquer ses autorisations.

Les entreprises doivent aussi anticiper les tentatives de manipulation. Un agent qui lit des pages web ou des documents peut être exposé à des instructions malveillantes dissimulées dans un contenu. Il faut donc séparer les données consultées des consignes de confiance, contrôler les outils que l’agent est autorisé à utiliser et ne jamais considérer une information externe comme un ordre automatique.

Des gains potentiels, mais pas une disparition des conseillers

L’attrait économique est clair. Des agents peuvent traiter des demandes simples à toute heure, réduire le temps consacré à retrouver une information, assurer un suivi plus régulier et accélérer certains parcours. Dans le commerce de détail, ils pourraient aider à coordonner les stocks, les prix et le service après-vente. Dans la finance, ils pourraient assister la collecte d’informations, la préparation de dossiers ou certaines opérations autorisées en temps réel.

Ces usages restent toutefois conditionnés par les règles sectorielles, les obligations de conformité et la nature des opérations. Plus une décision a un impact sur le patrimoine, les droits ou la situation personnelle d’un client, moins une automatisation sans contrôle paraît adaptée. Une recommandation erronée, une décision de crédit mal expliquée ou une exécution non souhaitée ne se résolvent pas par une réponse plus rapide.

L’effet sur l’emploi doit lui aussi être analysé avec nuance. Les tâches répétitives, de recherche ou de mise en forme sont celles que les agents peuvent le plus facilement absorber. Les conseillers humains peuvent alors consacrer davantage de temps aux situations complexes : litiges, négociations, accompagnement de personnes vulnérables, explication d’une règle difficile ou gestion d’une émotion légitime. Cela suppose toutefois de former les équipes, de leur donner des outils de contrôle et de ne pas utiliser l’IA comme un prétexte à dégrader la qualité de service.

La responsabilité reste un point décisif. Si un agent commet une erreur, il faut pouvoir déterminer l’origine du problème : une donnée inexacte, un modèle mal paramétré, une API défaillante, une règle métier ambiguë ou une autorisation trop large. Sans traçabilité, il devient difficile pour le client d’obtenir une explication et pour l’entreprise de corriger durablement le processus.

Pourquoi les standards comme A2A comptent

Le potentiel des interactions agent-à-agent dépend aussi de l’interopérabilité. Un agent utile ne devrait pas fonctionner uniquement dans l’écosystème fermé d’un seul fournisseur. Pour organiser un voyage, gérer une commande ou résoudre un problème, il peut devoir échanger avec différents services, chacun ayant ses propres données, règles et systèmes d’authentification.

C’est l’objectif du protocole A2A, pour Agent2Agent, présenté par Google en avril 2025. En juin 2025, le projet a été confié à la Linux Foundation. L’ambition est de fournir un cadre ouvert permettant à des agents de découvrir les capacités d’autres agents, d’échanger sur une tâche et de coordonner leur travail.

A2A ne remplace pas les API ni les mécanismes d’autorisation. Il vise plutôt à établir un langage commun pour la collaboration entre agents. Son intérêt potentiel est de limiter la multiplication d’intégrations sur mesure et de rendre les échanges plus prévisibles. Mais un protocole ne garantit pas, à lui seul, ni la qualité d’un agent ni la protection des clients. Les entreprises doivent toujours définir leurs politiques d’accès, leurs règles de responsabilité et leurs exigences de sécurité.

Ce qu’il faut surveiller dans les prochains mois

L’IA agentique peut faire évoluer la relation client d’une logique de réponse vers une logique d’exécution encadrée. Cette transformation sera moins visible qu’un nouveau chatbot : elle se jouera dans les coulisses, au niveau des systèmes d’information, des données, des API et des contrôles d’identité. Les organisations les mieux préparées ne seront pas nécessairement celles qui automatisent le plus vite, mais celles qui identifient avec précision les tâches où l’autonomie apporte une valeur réelle sans faire disparaître le contrôle.

Trois éléments seront particulièrement déterminants. D’abord, la maturité des outils : un agent doit être capable de reconnaître ses limites et de signaler une incertitude plutôt que d’agir avec assurance à tort. Ensuite, l’adoption de standards réellement interopérables, comme A2A, sans verrouiller les utilisateurs dans un environnement unique. Enfin, la confiance : les clients doivent savoir quand ils s’adressent à une IA, comprendre ce qu’elle peut faire et conserver la possibilité de joindre une personne lorsqu’une situation l’exige.

L’approche hybride s’impose ainsi comme la plus crédible. L’agent peut accélérer les opérations répétitives et structurées. L’humain conserve sa valeur là où comptent l’écoute, le jugement, l’explication et la responsabilité. Dans la relation client, l’enjeu n’est pas de choisir entre la machine et le conseiller, mais de concevoir une coopération qui reste utile, lisible et sûre.