L'intelligence artificielle peut répondre à une question, rédiger un texte ou analyser des données. Un agent IA va plus loin lorsqu'il est capable de poursuivre un objectif en utilisant les informations et les outils mis à sa disposition : consulter des données, choisir les étapes nécessaires, utiliser une fonction, préparer une opération et, lorsque cela est autorisé, l'exécuter.
Dans un commerce, cela peut permettre de passer d'une question comme :
« Quels produits risquent d'être en rupture cette semaine ? »
à :
« Prépare le réassort des références concernées. »
La différence importante n'est donc pas simplement que l'IA « parle » ou « agit ». Elle tient à sa capacité à mobiliser des données et des outils pour accomplir une tâche en plusieurs étapes.
Qu'est-ce qu'un agent IA ?
Un agent IA est un système capable de poursuivre un objectif en combinant un modèle d'intelligence artificielle avec des données, des outils et des règles d'exécution. Selon sa configuration, il peut notamment :
- comprendre une demande formulée en langage naturel ;
- rechercher les informations nécessaires ;
- analyser une situation ;
- déterminer les étapes utiles ;
- utiliser un ou plusieurs outils ;
- vérifier certains résultats ;
- préparer ou exécuter une action.
Prenons une demande simple :
« Quels produits dois-je probablement recommander cette semaine ? »
Pour y répondre correctement, l'agent peut devoir consulter le stock, analyser les ventes récentes, vérifier les commandes déjà en cours et tenir compte des délais fournisseurs. S'il dispose ensuite d'un outil de gestion des achats, il peut également préparer une proposition de commande. L'intérêt de l'agent vient donc de sa capacité à enchaîner plusieurs opérations autour d'un même objectif.
Agent IA, assistant IA et chatbot : quelle différence ?
Ces termes sont souvent utilisés de manière imprécise.
Un chatbot
Un chatbot désigne avant tout une interface conversationnelle. Il reçoit un message et fournit une réponse. Cela ne dit pas, à lui seul, quelles capacités techniques se trouvent derrière.
Un assistant IA
Un assistant IA aide un utilisateur à réaliser une tâche. Il peut rédiger, expliquer, analyser et, selon le produit, utiliser certains outils. Un assistant moderne peut donc déjà posséder des capacités agentiques.
Un agent IA
Le terme « agent » insiste davantage sur la capacité du système à poursuivre un objectif en utilisant des outils et en enchaînant des étapes, avec un degré d'autonomie variable.
La frontière n'est donc pas absolue. Un même produit peut être conversationnel, agir comme assistant dans certains usages et utiliser des mécanismes agentiques pour d'autres. C'est plus précis que d'opposer :
assistant = répond
à :
agent = agit
car cette distinction est aujourd'hui trop simpliste — le détail est développé dans notre article assistant IA, agent IA et IA agentique : quelle différence.
Qu'est-ce que l'IA agentique ?
L'expression IA agentique désigne généralement des systèmes dans lesquels l'IA ne se contente pas de produire une réponse unique. Elle peut participer à une boucle comportant plusieurs étapes :
comprendre l'objectif → choisir une action → utiliser un outil → observer le résultat → poursuivre ou ajuster.
Cela ne signifie pas nécessairement qu'elle agit sans contrôle humain. Le degré d'autonomie peut varier. Un agent peut :
- simplement préparer une opération ;
- demander confirmation avant de l'exécuter ;
- exécuter certaines actions autorisées ;
- fonctionner automatiquement pour des tâches précisément définies.
Agentique ne signifie donc pas « sans contrôle ».
À quoi sert un agent IA dans le commerce ?
Son intérêt dépend des données et des outils auxquels il peut réellement accéder. Voici plusieurs usages concrets — vous en retrouverez d'autres dans notre panorama des usages concrets de l'IA et notre guide pour gérer son commerce avec l'IA.
Analyser les ventes
Le commerçant peut demander :
« Compare mes ventes de cette semaine avec celles de la semaine dernière. »
L'agent peut interroger les données disponibles et comparer :
- chiffre d'affaires ;
- nombre de tickets ;
- panier moyen ;
- catégories ;
- références ;
- périodes.
La question suivante peut être :
« Quelles catégories contribuent le plus à l'écart ? »
L'agent conserve alors le contexte et approfondit l'analyse. Il faut cependant distinguer ce que les données montrent de ce qu'elles permettent réellement d'expliquer. Une baisse simultanée d'une catégorie et du chiffre d'affaires ne prouve pas nécessairement pourquoi les clients ont moins acheté.
Surveiller les stocks
Une autre demande peut être :
« Quels produits risquent de manquer avant le prochain réapprovisionnement ? »
Pour produire une estimation utile, plusieurs informations peuvent être nécessaires :
- stock disponible ;
- rythme de vente ;
- commandes en cours ;
- délai fournisseur ;
- stock de sécurité.
L'agent peut croiser ces données pour faire ressortir les références à surveiller. Le résultat reste une estimation fondée sur les informations disponibles : les ventes futures ou les délais réels peuvent évoluer.
Préparer un réassort
Une fois les références identifiées :
« Prépare le réassort correspondant. »
L'agent peut utiliser les données disponibles pour construire une proposition. Selon le fonctionnement du commerce, il peut devoir tenir compte :
- des quantités disponibles ;
- des ventes attendues ;
- des commandes déjà passées ;
- des conditionnements ;
- des minimums de commande ;
- des délais ;
- du stock cible.
Une proposition peut ensuite être vérifiée avant sa création ou son envoi.
Travailler sur les clients
Un agent relié aux données clients peut répondre à une demande comme :
« Quels clients réguliers n'ont rien acheté depuis 90 jours ? »
Il peut ensuite affiner :
« Parmi eux, garde ceux qui avaient réalisé au moins six achats au cours des douze mois précédents. »
Puis préparer une action :
« Rédige un message de réactivation pour ce segment. »
L'intérêt est de conserver le contexte entre recherche → segmentation → préparation de l'action.
Exploiter des documents
Les agents peuvent également travailler à partir de documents lorsque les fonctions nécessaires sont disponibles. Par exemple :
« Retrouve la dernière facture de ce fournisseur. »
ou :
« Extrais les références et quantités indiquées sur ce bon de livraison. »
ou encore :
« Prépare la facture correspondant à ce devis accepté. »
Il faut toutefois distinguer extraction et vérification. Lire « 12 unités » sur un bon de livraison ne permet pas de certifier que 12 unités ont physiquement été reçues.
Gérer des opérations dans les outils du commerce
Lorsqu'un agent dispose d'outils permettant d'écrire dans les systèmes métier, il peut aller au-delà de l'analyse. Par exemple :
« Crée la fiche de ce produit. »
« Prépare une remise sur cette sélection. »
« Transforme ce devis accepté en facture. »
« Modifie cette réservation. »
« Prépare la commande fournisseur. »
L'exécution réelle dépend alors :
- des outils disponibles ;
- des autorisations accordées ;
- des règles définies ;
- du niveau de validation prévu.
Un agent IA ne possède pas spontanément tous ces pouvoirs : ils lui sont donnés par les systèmes auxquels il est connecté.
Comment un agent IA accomplit-il une tâche ?
Il n'existe pas un seul fonctionnement universel. Un agent peut néanmoins suivre une logique de ce type :
- Comprendre l'objectif« Prépare le réassort des produits à risque. »
- Identifier les informations nécessairesStock, ventes, commandes en cours, délais fournisseurs…
- Utiliser les outils disponiblesIl interroge les systèmes concernés.
- Analyser les résultatsIl identifie les références correspondant aux critères.
- Préparer ou effectuer l'étape suivanteIl peut préparer une commande, demander une information manquante ou demander confirmation.
- Vérifier le résultatSelon le système, il peut contrôler que l'opération a bien été effectuée ou utiliser son résultat pour poursuivre la tâche.
C'est cette capacité à enchaîner plusieurs étapes en fonction de ce qui se passe qui donne son caractère agentique au système.
Un agent IA est-il autonome ?
La réponse dépend de ce que l'on appelle autonomie. Un agent peut disposer d'une certaine autonomie pour choisir comment accomplir une tâche sans pour autant être autorisé à décider seul de toutes les actions. Par exemple, il peut rechercher librement plusieurs données mais devoir demander confirmation avant d'envoyer une commande fournisseur. À l'inverse, une routine à faible risque peut être autorisée à fonctionner sans validation à chaque exécution.
Il existe donc plusieurs niveaux :
Assistance
L'IA prépare.
Validation
L'IA propose et l'utilisateur confirme.
Délégation limitée
Certaines actions définies sont autorisées.
Automatisation
Une tâche précisément encadrée peut fonctionner de manière récurrente — voir aussi notre article sur l'automatisation des tâches d'un commerce.
Le niveau approprié dépend notamment du risque et de la réversibilité de l'action.
Quelles données un agent IA doit-il utiliser ?
Un agent n'est utile que s'il peut accéder aux informations nécessaires à sa tâche. Dans un commerce, cela peut inclure :
- ventes ;
- stocks ;
- catalogue ;
- clients ;
- commandes fournisseurs ;
- devis ;
- factures ;
- réservations ;
- données e-commerce.
Mais davantage de données ne signifie pas automatiquement de meilleurs résultats. Les accès doivent être pertinents, fiables et correctement autorisés. Une IA qui dispose de données erronées peut produire une analyse erronée plus rapidement.
Faut-il remplacer ses logiciels pour utiliser un agent IA ?
Pas nécessairement. Deux architectures sont possibles.
L'agent est intégré au logiciel métier
Les données et fonctions sont déjà disponibles dans le même environnement.
L'agent est connecté à des outils existants
Il utilise des intégrations ou des API pour consulter ou modifier les informations nécessaires.
Dans les deux cas, le principe est similaire : l'agent doit disposer d'un moyen fiable d'accéder aux données et aux fonctions dont il a besoin. L'expérience utilisateur peut ensuite masquer une partie de cette complexité en permettant de formuler simplement la demande.
Agent IA ou automatisation classique ?
Un agent IA n'est pas toujours la meilleure solution. Pour une règle simple :
Si stock < 10, envoyer une alerte.
une automatisation classique est parfaitement adaptée. Pour une demande comme :
« Analyse les ventes, identifie les références dont le rythme s'accélère et prépare celles qui risquent de manquer avant la prochaine livraison. »
l'IA peut devenir plus intéressante car la tâche nécessite davantage d'interprétation et de coordination entre plusieurs informations. Les deux technologies peuvent d'ailleurs fonctionner ensemble :
une automatisation déclenche la tâche ; l'agent réalise l'analyse ; une règle contrôle l'action finale.
Pour aller plus loin sur cette complémentarité, voir notre article dédié à l'automatisation des tâches dans le commerce.
Quelles limites faut-il connaître ?
Un agent IA reste dépendant de son environnement.
Données incomplètes
Il ne peut pas analyser correctement une information qu'il ne possède pas.
Données incorrectes
Une erreur de stock peut fausser une recommandation de réassort.
Mauvaise interprétation
Une demande ambiguë peut conduire à une action différente de celle attendue.
Droits excessifs
Donner à un agent davantage d'accès que nécessaire augmente les conséquences potentielles d'une erreur.
Actions irréversibles
Certaines opérations nécessitent davantage de contrôle que d'autres.
Incertitude
Une analyse ou une prévision peut comporter une marge d'erreur.
Un agent efficace ne se définit donc pas uniquement par ce qu'il est capable de faire, mais également par la manière dont ses capacités sont encadrées.
Comment Gillia fonctionne comme agent IA pour le commerce ?
Gillia applique cette logique au contexte du commerce. Il peut exploiter les fonctions et données disponibles dans son environnement : caisse, stocks, catalogue, boutique en ligne, devis et facturation, réservations ou fidélisation client.
Le commerçant peut commencer par une question :
« Quels produits risquent une rupture cette semaine ? »
puis poursuivre :
« Prépare le réassort correspondant. »
Ou :
« Quels clients réguliers n'ont pas acheté depuis trois mois ? »
puis :
« Prépare une action de réactivation pour ce segment. »
Selon l'opération et les autorisations définies, l'action peut être préparée, soumise à validation ou intégrée à une routine. L'objectif est de permettre un enchaînement naturel :
comprendre → analyser → agir
tout en conservant un niveau de contrôle adapté à l'action.
Un agent IA est surtout une nouvelle manière d'utiliser ses outils
Le changement le plus intéressant n'est peut-être pas que l'IA puisse « tout faire ». C'est qu'elle peut devenir une couche entre l'utilisateur et plusieurs systèmes. Au lieu de devoir savoir :
- quel rapport ouvrir ;
- quel filtre appliquer ;
- où retrouver le document ;
- quel écran utiliser ;
- quelles données rapprocher ;
le commerçant peut commencer par exprimer son objectif. L'agent traduit ensuite cette intention en opérations dans les outils dont il dispose. Cela ne supprime ni les logiciels métier, ni les règles de gestion, ni le besoin de données fiables. Cela change surtout la manière de les piloter. Vous pouvez retrouver d'autres exemples d'usages concrets de Gillia pour votre commerce.
