IA agentique : quand l’utiliser, quand l’éviter et jusqu’où lui laisser les commandes

Confier à un agent IA la relance des factures en souffrance, le tri des alertes de fraude ou la préparation d’un dossier de réclamation revient à lui ouvrir vos systèmes et à le laisser agir en votre nom. Dans un secteur encadré, où chaque action peut toucher un client, un dossier réglementé ou la sécurité d’une équipe, une question doit être tranchée avant tout déploiement : jusqu’où laisser les commandes à l’agent ? Trois repères vous aident à y répondre, du choix du cas d’usage jusqu’au réglage de l’autonomie de chaque agent.
Qu’est-ce qui distingue un agent IA d’un modèle d’IA ?
L’IA agentique désigne des systèmes d’IA qui accomplissent des tâches et interagissent avec les systèmes d’une organisation, au-delà de la génération de contenu. Son adoption progresse rapidement, puisque neuf entreprises sur dix l’explorent déjà sous une forme ou une autre, selon BSI, l’organisme de normalisation britannique.
Un modèle d’IA produit une réponse ou une recommandation que vous décidez ensuite d’utiliser, alors qu’un agent poursuit un objectif en exécutant lui-même des actions dans vos systèmes, avec les outils et les accès que vous lui avez accordés. Dans une organisation, l’agent s’inscrit dans un ensemble plus large : des modèles qui lisent et rédigent, des compétences écrites et versionnées qui décrivent la façon de faire une tâche, des accès limités aux systèmes autorisés, une orchestration qui coordonne les étapes et des personnes qui fixent les règles et approuvent les décisions sensibles. Toute la gouvernance d’un agent part donc de son périmètre, c’est-à-dire de ce qu’on lui permet de faire et des systèmes auxquels il peut accéder.
Quand l’IA agentique est-elle le bon choix ?
Un agent apporte le plus de valeur lorsque quatre conditions sont réunies : un travail répétitif à grand volume, des règles écrites et claires, des données disponibles et des erreurs faciles à détecter et à corriger. Plus votre cas d’usage coche de ces cases, plus il est solide, et c’est par cette vérification qu’il vaut la peine de commencer avant de choisir une technologie.
- Un travail répétitif à grand volume. Une équipe comptable peut recevoir des centaines de factures fournisseurs chaque semaine, et c’est ce volume qui justifie d’investir dans un agent plutôt que de laisser vos équipes traiter chaque document à la main.
- Des règles écrites et claires. Une politique de remboursement des frais de déplacement, avec ses plafonds, ses pièces justificatives et ses catégories admissibles, donne à l’agent une base solide sur laquelle s’appuyer, alors que des règles qui existent seulement dans la tête d’un employé d’expérience le privent de tout repère.
- Des données disponibles. Lorsque l’historique des dossiers dort dans des boîtes de courriels personnelles ou sur papier, l’agent reste incapable de s’en servir, peu importe la qualité du modèle.
- Des erreurs détectables et réversibles. Un courriel mal classé dans une file de traitement se repère et se déplace en quelques secondes, tandis qu’un virement envoyé au mauvais compte est beaucoup plus difficile à rattraper.
Comment savoir si vos règles sont assez documentées ?
Un bon test consiste à vous demander si une personne nouvellement embauchée pourrait appliquer la procédure à partir des seuls documents existants, sans devoir questionner un collègue. Si la réponse est non, l’agent se heurtera au même obstacle, et le premier chantier sera alors de mettre ces règles par écrit, ce qui profite autant à vos équipes qu’à vos futurs agents.
À partir de quel volume un agent se justifie-t-il ?
Le seuil se détermine en mettant en balance le temps gagné et le coût d’une erreur. Le volume agit en effet dans les deux sens : il rend l’agent rentable, mais il amplifie aussi ses défauts, puisqu’à mille dossiers par jour, une petite erreur systématique devient rapidement un problème important. C’est pourquoi le volume figure à la fois parmi les conditions de succès et parmi les critères qui servent à fixer le degré d’autonomie d’un agent, comme on le verra plus loin.
Agent IA ou automatisation classique : lequel choisir ?
Lorsqu’un processus suit des règles fixes et prévisibles, une automatisation classique ou un logiciel bien conçu fait mieux qu’un agent, puisque cette solution coûte moins cher, donne toujours le même résultat et se vérifie plus facilement. L’agent se justifie plutôt lorsque la tâche réunit les quatre conditions décrites plus haut, et quatre situations appellent en pratique une autre réponse.
- Le processus suit des règles fixes. Calculer des taxes, transférer un fichier chaque nuit ou envoyer un rappel de paiement à date fixe relève d’une automatisation classique, alors qu’y ajouter un agent introduirait de l’incertitude sans le moindre gain.
- Le jugement humain ou la relation est en jeu. Annoncer une mauvaise nouvelle à un client de longue date, négocier le renouvellement d’un contrat ou accompagner une personne en détresse sont des moments où la confiance se construit ou se perd, et si un agent peut préparer la rencontre, une personne reste aux commandes.
- L’historique et les données manquent. Avec des dossiers incomplets, éparpillés ou de mauvaise qualité, l’agent produit des résultats qui ont l’air convaincants mais qui reposent sur du vide, et votre meilleur investissement porte alors d’abord sur la collecte et la qualité des données.
- L’action est irréversible et son impact, important. Résilier une police d’assurance, mettre fin à un emploi ou rappeler un produit du marché sont des gestes dont l’erreur ne s’efface pas, et c’est donc à une personne de trancher.
Comment comparer les coûts des deux approches ?
La question des coûts va dans le même sens, puisque confier à un agent une tâche qu’une règle simple accomplit revient à payer plus cher pour un résultat moins stable, puisque chaque exécution sollicite un modèle dont le coût varie avec le volume et dont la réponse peut légèrement changer d’une fois à l’autre. Pour les tâches prévisibles, les règles codées et les automatisations classiques restent donc le choix le plus économique et le plus facile à auditer, et en somme, quand un seul outil peut régler votre enjeu, un logiciel classique suffit.
Peut-on combiner les deux dans un même processus ?
Les deux approches cohabitent d’ailleurs très bien : dans un même processus, les étapes prévisibles peuvent reposer sur des règles codées pendant que l’agent se charge de rassembler l’information, de trier les dossiers ou de rédiger un premier jet. Le choix se fait ainsi étape par étape, au moment de concevoir la solution, en fonction de ce que chaque étape exige réellement.
À quoi ressemble l’IA agentique en finance, en assurance et dans le secteur manufacturier ?
Dans les secteurs réglementés, les cas d’usage les plus solides reposent sur un même principe : l’agent prépare le dossier, et la personne décide. Les tâches de préparation, comme le tri, la collecte d’information et la vérification qu’un dossier est complet, constituent ainsi un bon point de départ, parce qu’elles réunissent souvent les quatre conditions de succès tout en laissant la décision à vos équipes.
- En finance, pour les alertes de fraude. Les agents trient les alertes, rassemblent l’historique du client et documentent le dossier, si bien que l’analyste n’a plus à chercher l’information dans cinq systèmes différents et peut se concentrer sur sa décision.
- En assurance, pour les réclamations. Les agents classent les dossiers entrants, détectent qu’il manque une facture de réparation ou un rapport de police et envoient une alerte à l’expert en sinistres, de sorte que le dossier lui arrive complet, sans allers-retours avec l’assuré.
- Dans le secteur manufacturier, pour les anomalies d’équipement. Lorsqu’un capteur signale une vibration anormale sur une ligne de production, les agents proposent des diagnostics, retrouvent l’historique d’entretien et rassemblent le tout pour le technicien avant même qu’il arrive sur le plancher.
Comment plusieurs agents travaillent-ils ensemble ?
Reprenons l’exemple de la fraude pour observer cette collaboration, à partir d’un scénario fictif, soit une transaction de 4 800 $ effectuée à l’étranger, à 3 h du matin, sur la carte d’une cliente qui n’a jamais voyagé : ce paiement suspect déclenche le processus, et trois agents entrent en jeu, chacun avec un rôle et des accès qui lui sont propres.
- L’agent de détection analyse la transaction et n’a accès qu’au flux des transactions.
- L’agent d’enquête rassemble l’historique de la cliente, comme ses habitudes de dépenses et ses avis de voyage, et a accès au dossier client.
- L’agent de conformité vérifie que les règles applicables sont respectées et a accès aux politiques et aux règlements.
Au centre, l’orchestrateur coordonne le travail et suit les étapes, les erreurs et les approbations : si l’agent d’enquête ne trouve pas le dossier, il le détecte et le signale. Au bout de la chaîne, l’analyste reçoit un dossier complet et décide lui-même de bloquer la carte ou non.
Vous remarquerez que chaque agent dispose d’accès différents, et ce choix est délibéré. En limitant chacun aux seules données dont il a besoin, vous réduisez les risques de fuite et d’usage non prévu, un principe qui relève de l’approche Zero Trust et qui devient essentiel au moment de passer en production.
Jusqu’où laisser les commandes à un agent IA ?
L’autonomie d’un agent se règle sur une échelle à quatre niveaux, et le bon niveau se fixe selon le risque de chaque tâche, ce qui vous permet de placer le curseur différemment d’une étape à l’autre :
- L’agent recommande, et une personne décide et agit.
- L’agent prépare et demande une approbation avant d’agir.
- L’agent agit, puis une personne révise son travail.
- L’agent agit seul, dans un périmètre préautorisé et surveillé.
Ce curseur représente un compromis, puisqu’au premier niveau, vous gardez la main, mais le processus reste plus lent et dépend de la disponibilité de vos équipes, tandis qu’au quatrième niveau, vous gagnez en vitesse et en volume, à condition d’avoir confiance dans l’agent et dans les garde-fous qui l’entourent.
Ce qui change surtout d’un bout à l’autre de l’échelle, c’est le rôle de la personne : au premier niveau, elle fait le travail avec l’aide de l’agent, alors qu’au quatrième, elle supervise ce que fait l’agent. « Ce sont deux compétences différentes, et vos équipes doivent y être préparées », souligne Gabriel Mongeon.
Quels critères utiliser pour fixer le niveau d’autonomie ?
Le niveau d’autonomie doit rester proportionnel au risque, et six critères vous aident à l’évaluer :
- La réversibilité de la tâche. Un document mal classé se reclasse facilement, alors qu’un paiement déjà parti s’annule beaucoup plus difficilement.
- L’impact. Mesurez les conséquences réelles d’une erreur de l’agent pour vos clients, vos opérations et votre organisation.
- Le volume. Plus une tâche se répète, plus une erreur systématique se multiplie, comme on l’a vu plus haut.
- La fiabilité démontrée de l’agent. Un agent qui a eu raison sur 500 dossiers révisés mérite plus de confiance qu’un agent déployé la semaine dernière.
- Les impacts humains et éthiques. Refuser un prêt ou une couverture d’assurance touche directement la vie de quelqu’un.
- Les exigences légales et contractuelles qui s’appliquent à votre secteur et à vos ententes avec vos clients.
Plusieurs niveaux peuvent-ils cohabiter dans un même processus ?
Oui, et c’est une façon efficace de répartir le risque. Si l’on reprend l’exemple de la fraude, l’agent de détection peut signaler une transaction suspecte de façon autonome, alors que la décision de geler le compte reste humaine. De la même façon, un agent peut être autorisé à préparer 100 remboursements sans pouvoir les envoyer avant qu’une personne les approuve. Chaque étape reçoit ainsi le niveau qui correspond à son propre risque.
Comment faire monter un agent dans l’échelle ?
Vous pouvez très bien démarrer aux premiers niveaux et monter avec le temps, à mesure que l’agent démontre sa fiabilité sur des dossiers révisés. Le mouvement fonctionne dans les deux sens, puisque vous pouvez aussi redescendre d’un niveau si le contexte change, par exemple après une mise à jour du modèle ou une modification de vos règles. Pour prendre ces décisions sur des bases solides, vous avez besoin d’une trace de ce que l’agent a fait, d’où l’importance d’un journal de ses actions, qui permet de mesurer sa fiabilité à partir de faits.
Quelles décisions doivent rester humaines ?
Les décisions irréversibles qui touchent directement une personne, ses droits ou sa sécurité doivent rester entre les mains d’une personne, peu importe le niveau d’autonomie accordé à l’agent. Chaque secteur a ses propres règles, mais la logique reste la même d’un secteur à l’autre : repérer ces décisions sensibles, puis régler l’autonomie de vos agents en conséquence, selon votre tolérance au risque.
- En assurance, refuser une réclamation. L’agent monte le dossier, mais c’est une personne qui dit non à l’assuré.
- En finance, geler un compte. L’agent peut signaler une transaction suspecte, et l’analyste décide de la suite.
- En défense, donner accès à une donnée contrôlée. L’agent ne doit jamais être celui qui ouvre la porte.
- Dans le secteur manufacturier, autoriser la remise en service d’un équipement après un incident. La sécurité des travailleurs est en jeu, et cette décision revient à une personne qualifiée.
Ces exemples servent d’illustration, car chaque organisation compte ses propres décisions sensibles, qu’il vaut la peine de recenser avant de déployer un premier agent.
Quels cadres s’appliquent à votre secteur ?
Le cadre réglementaire évolue rapidement, et les institutions financières canadiennes font face à deux échéances rapprochées, alors que les autres secteurs s’appuient sur des cadres déjà établis :
- Assurance et services financiers au Québec. L’Autorité des marchés financiers a publié en avril 2026 la version définitive de sa ligne directrice sur l’utilisation de l’intelligence artificielle, qui prendra effet le 1er mai 2027 et s’appliquera notamment aux assureurs autorisés, aux coopératives de services financiers et aux sociétés de fiducie et aux institutions de dépôt autorisées.
- Institutions financières fédérales. La ligne directrice E-23 du BSIF sur la gestion du risque de modèle entrera en vigueur le 1er mai 2027 pour toutes les institutions financières fédérales, et sa définition de modèle inclut expressément les méthodes d’IA et d’apprentissage automatique.
- Défense. Le Programme des marchandises contrôlées encadre l’accès aux biens et aux données techniques sensibles.
- Manufacturier. La norme ISO 9001, les normes sectorielles et la Loi sur la santé et la sécurité du travail balisent les décisions qui touchent la qualité et la sécurité.
- Tous secteurs. Au Québec, la Loi 25 oblige à informer une personne d’une décision fondée exclusivement sur un traitement automatisé et à lui permettre de la faire réviser, et l’AI Act européen s’applique dès qu’un système d’IA ou ses résultats sont utilisés dans l’Union européenne.
Comment documenter l’imputabilité ?
Quel que soit le degré d’autonomie de l’agent, une personne reste imputable de ses décisions, ce qui suppose de pouvoir expliquer après coup ce qui a été fait, par qui, sur quelle base et avec quel résultat. C’est le rôle du journal des actions de l’agent, qui permet aussi de répondre à une personne qui demande, en vertu de la Loi 25, les raisons d’une décision automatisée. La conception de ce journal et des autres contrôles techniques qui encadrent un agent en production fera l’objet d’un prochain article.
Ce qu’il faut retenir
Avant de confier un processus à un agent IA, trois repères structurent la décision. D’abord, choisissez un cas d’usage qui réunit un volume important, des règles écrites, des données disponibles et des erreurs réversibles, en gardant l’automatisation classique pour les étapes prévisibles. Ensuite, réglez l’autonomie de chaque agent en fonction du risque de sa tâche et de votre tolérance à ce risque, quitte à commencer bas pour monter à mesure qu’il fait ses preuves. Enfin, encadrez cette autonomie par des règles et par des contrôles techniques, en gardant toujours une personne imputable des décisions qui comptent.
En pratique, un bon premier pas consiste à dresser la liste des décisions sensibles de votre organisation, puis à choisir un processus de préparation de dossier où un agent peut faire ses preuves au premier ou au deuxième niveau d’autonomie, avec un journal de ses actions dès le départ.