Qu'est-ce qu'un agent IA?

Un agent IA fonctionne selon un cycle continu qui consiste à percevoir l’état d’une tâche, à en interpréter la signification, à planifier une séquence d’actions et à exécuter ces actions au moyen d’outils connectés à des systèmes réels. L’ensemble vise à maximiser la probabilité d’atteindre un objectif fixé par un mandant humain. L’ISO (2021) définit un agent IA comme un agent qui cherche à maximiser la probabilité d’atteindre ses objectifs en appliquant des techniques d’intelligence artificielle. Cette définition va au-delà de la simple automatisation : l’agent décide des étapes à suivre et de leur ordre, au lieu de produire un résultat unique et prédéfini. Dans les équipes bid et les équipes chargées des réponses aux appels d’offres côté fournisseur, cette prise de décision couvre la réception des documents, l’extraction des exigences, la rédaction et l’acheminement, et ne se limite pas à un simple échange de questions et de réponses.

La boucle de contrôle de l’agent et ses limites

La boucle percevoir, raisonner, planifier, agir, réfléchir

Le comportement d'un agent IA se comprend mieux comme un cycle répétitif que comme une simple étape d'inférence. Il perçoit l'état actuel d'une tâche, détermine ce que cet état exige, planifie l'action suivante, agit en faisant appel à un outil ou à un système, puis analyse le résultat avant de décider s'il doit poursuivre, ajuster sa trajectoire ou s'arrêter.

Chaque passage dans la boucle actualise la représentation opérationnelle que l’agent se fait de la tâche. Les actions suivantes tiennent donc compte des résultats des actions précédentes. C’est ce qui permet à un agent de traiter un document dont la structure est inattendue ou une question sans correspondance exacte dans les réponses antérieures, au lieu d’échouer purement et simplement.

La boucle crée aussi le point où les erreurs se cumulent. Si une étape de raisonnement interprète mal une exigence, chaque action en aval hérite de cette erreur jusqu’à ce qu’un réviseur humain ou une règle de validation la détecte. C’est pourquoi l’étape de réflexion et les points de contrôle humains comptent autant que l’étape de planification.

Une autonomie encadrée, pas une indépendance sans limites

L’autonomie d’un agent IA est conditionnelle, et non illimitée. Le NIST (2024) considère les agents IA comme relevant de l’agentic AI : des systèmes capables de prendre des décisions de manière indépendante, d’apprendre de leurs interactions et de s’adapter à l’évolution de leur environnement dans le cadre qui leur est défini, et non des systèmes qui fixent leurs propres objectifs.

En pratique, ce périmètre est défini par les outils que l’agent est autorisé à utiliser, les prompts qui encadrent sa tâche et des règles d’arrêt explicites qui imposent un transfert à un humain à des étapes définies. Par exemple, un agent chargé des réponses aux appels d’offres peut être autorisé à rédiger une réponse et à signaler un écart de conformité, mais pas à soumettre une offre ni à prendre un engagement tarifaire.

Cette distinction est importante, car elle corrige l’interprétation erronée la plus courante du terme. Un agent qui se comporte de manière imprévisible en dehors du périmètre prévu ne fait pas preuve d’une plus grande autonomie. Cela indique que les limites n’ont pas été définies assez précisément. La solution consiste à restreindre l’accès aux outils ou à imposer des conditions d’arrêt plus strictes, et non à réduire le recours à l’AI.

Agent IA ou chatbot

Un agent IA se distingue d’un chatbot par sa fonction : un chatbot dialogue et répond, tandis qu’un agent planifie et exécute des tâches en plusieurs étapes dans différents systèmes. Un chatbot qui répond à une question sur la date limite d’un appel d’offres est réactif ; un agent qui suit cette même échéance par rapport à un plan de soumission et signale tout retard agit en fonction d’un objectif.

Le mécanisme à l’origine de cette différence réside dans l’utilisation d’outils. Un chatbot produit généralement du texte qu’il renvoie à un utilisateur, tandis qu’un agent produit souvent une action : mise à jour d’un document, création d’un enregistrement ou attribution d’une tâche à un réviseur, le texte n’étant qu’un élément parmi d’autres.

La conséquence concrète pour les équipes bid est que les outils fondés sur des agents exigent une gouvernance plus étroite que ceux fondés sur des chatbots, car leurs résultats modifient l’état d’un workflow au lieu de simplement informer la personne qui consulte un écran.

Origines du terme

De l’économie et de la recherche en AI aux normes

Le mot « agent » trouve son origine dans les premiers travaux consacrés à l’intelligence artificielle et à l’économie, où il désigne une entité qui agit pour le compte d’un mandant afin d’atteindre des objectifs dans un environnement donné. Cet usage est antérieur à toute acception propre à l’AI et continue d’influencer la manière dont le terme est employé aujourd’hui.

La définition de l’ISO reflète cet usage établi de longue date et applique le qualificatif « AI » aux agents qui utilisent des techniques d’intelligence artificielle pour atteindre leurs objectifs. Au milieu des années 2020, les milieux de la recherche et des politiques publiques ont popularisé le terme « agentic AI » pour désigner de manière générique les systèmes semi-autonomes ou entièrement autonomes. Le secteur a quant à lui adopté le terme « agent IA » pour désigner les systèmes concrets qui planifient, utilisent des outils et agissent dans le cadre de processus métier tels que les bids et les appels d’offres.

Pour les équipes bid qui évaluent des outils, cette filiation est importante, car les fournisseurs emploient le terme « agent IA » de manière imprécise. Un système qui se contente de résumer un document n'est pas un agent au sens où l'entendent les organismes de normalisation. Un système qui extrait les exigences, rédige des réponses et les transmet pour validation s'en rapproche davantage.

Agents IA dans les opérations de bid, d'appel d'offres et d'offre

Agents de réponse aux appels d'offres

Un agent IA de réponse à appel d'offres lit le dossier d'appel d'offres, extrait les exigences dans une matrice structurée, récupère les réponses pertinentes dans une base de connaissances constituée à partir de soumissions antérieures et rédige une première version des réponses dans le style de l'organisation. Il signale également les écarts par rapport aux critères no-go et suit les échéances de soumission, tandis que les équipes relisent, modifient et valident les réponses.

Le mécanisme combine l’analyse documentaire et la recherche d’informations : l’agent rapproche chaque exigence extraite d’un contenu approuvé, au lieu de générer une réponse à partir de connaissances générales uniquement. Les citations permettent ainsi de relier chaque projet de réponse à un document source.

La limite tient au fait que la qualité de la mise en correspondance dépend entièrement de la base de connaissances utilisée. Un agent qui s'appuie sur des contenus obsolètes ou incomplets produira des brouillons erronés mais formulés avec assurance. C'est pourquoi des points de contrôle sont intégrés au workflow et ne sont pas considérés comme facultatifs.

Agents de traitement de documents

Un agent IA de traitement documentaire ingère des documents tels que des PDF, des e-mails, des numérisations, des appels d'offres, des factures et des contrats. Il en comprend le contenu et le contexte, puis en extrait des données structurées. Il valide ensuite ces données au regard des règles métier et exécute des actions encadrées dans les systèmes en aval, avec une approbation humaine lorsque les enjeux ou le degré d'ambiguïté sont élevés.

Le mécanisme sépare l’extraction de l’action : l’agent convertit d’abord le texte non structuré en champs structurés, puis vérifie ces champs au regard des règles avant toute écriture dans un système en aval. Cette approche par étapes limite les dommages que peut causer un champ mal interprété.

Prenons l’exemple d’un dossier d’appel d’offres contenant plusieurs formats : une annexe technique numérisée, un bordereau de prix au format natif et un addendum envoyé par e-mail. Un agent de traitement documentaire normalise ces trois éléments en un seul ensemble d’exigences avant même que l’équipe bid ne les ouvre.

Circuit de révision et d’approbation entre plusieurs équipes

Dans le cadre de travaux de bid et d'offre impliquant plusieurs fonctions, un agent IA analyse le RFP ou le dossier de bid reçu, en extrait les exigences, les échéances et les contraintes, puis récupère les références approuvées et les contenus standard pertinents pour l'opportunité. Il rédige ensuite des réponses fondées sur les fichiers à jour du projet.

L’agent transmet successivement ces brouillons aux équipes chargées du chiffrage, des opérations, de la sécurité, du juridique et à la direction pour validation. Une fois l’accord de chaque fonction obtenu, il rassemble le contenu approuvé dans un modèle aux couleurs de la marque. Ce processus reflète la manière dont les équipes bid structurent déjà leurs cycles de validation. L’agent automatise l’assemblage et le suivi, sans remplacer les personnes chargées de la validation.

La responsabilité du contenu reste donc répartie exactement comme dans un processus manuel. Le service juridique reste responsable des formulations juridiques et l’équipe chargée du chiffrage reste responsable des prix. Le rôle de l’agent consiste à faire circuler plus rapidement les versions provisoires entre ces équipes et à consigner qui a approuvé quoi.

Encadrer le comportement des agents

audit trail de l'IA

Un audit trail d'AI pour un agent consigne plus que les données d'entrée et de sortie. Il enregistre l'identité de l'agent et de tout agent parent, le déclencheur de chaque action, chaque appel à un outil ou à un système avec ses données d'entrée et de sortie, ainsi que la trace des décisions qui le sous-tendent. Les événements d'accès aux données, les contrôles des politiques à l'exécution, les actions effectuées, les effets en aval et les interventions humaines figurent tous dans le même journal.

Ce niveau de détail est nécessaire parce que les actions d’un agent, contrairement à un rapport statique, modifient l’état d’un système : un document est mis à jour, une tâche est créée, un brouillon est soumis pour révision. Pour comprendre pourquoi cela s’est produit, il faut reconstituer toute la chaîne, et pas seulement examiner le résultat final.

Pour les équipes bid, cet aspect est particulièrement important lorsqu’une réponse soumise est ensuite contestée ou auditée par un client ou une autorité de régulation. Un journal indiquant le document source sur lequel reposait une réponse donnée et la personne qui l’a approuvée permet de justifier cette réponse a posteriori.

Supervision human-in-the-loop

La gouvernance human-in-the-loop confie à des personnes formées le pouvoir de décision sur les actions à haut risque des agents. Aux étapes critiques du workflow, elles disposent du contexte en temps utile, d’un pouvoir d’intervention explicite et d’une justification documentée. Il ne s’agit pas de surveiller un agent a posteriori : l’humain participe à la décision, il ne l’observe pas de l’extérieur.

Dans un workflow de bid, cette autorité intervient aux étapes où une erreur est coûteuse à corriger : validation du prix, engagement contractuel, déclaration de conformité. L’agent peut rédiger ou formuler une recommandation, mais le système exige l’approbation d’une personne désignée avant que l’action ne prenne effet.

Un exemple concret est une clause tarifaire qu’un agent rédige à partir de la grille tarifaire d’un projet antérieur. Avant que cette clause ne soit intégrée à une offre, un responsable de la tarification la vérifie au regard des marges actuelles. Aucune fiabilité de l’agent ne remplace cette étape.

Adoption, impact et réalité de la mise en production

Adoption et valeur mesurée

Les agents IA ont largement dépassé le stade des projets pilotes. Selon les données de l’enquête, 79 % des cadres dirigeants déclarent que leur entreprise adopte déjà des agents IA. Parmi ceux qui les ont adoptés, 66 % indiquent que cette technologie apporte une valeur mesurable grâce à des gains de productivité.

Ces chiffres portent sur les systèmes agentiques dans l’ensemble des fonctions de l’entreprise, et non spécifiquement sur les activités de bid et de production d’offres. Le niveau d’adoption dans les opérations liées aux appels d’offres doit donc être considéré comme indicatif plutôt qu’exact.

Pour un responsable bid qui évalue une analyse de rentabilité, la comparaison utile ne consiste pas à déterminer si les agents fonctionnent en général, puisque les chiffres d’adoption répondent à cette question, mais si le workflow précis à automatiser ressemble aux processus à forte composante documentaire et encadrés par des règles pour lesquels une valeur mesurée a effectivement été constatée.

Prototype ou production

Un prototype fonctionnel d’un agent IA peut être créé rapidement, mais le rendre fiable en production prend beaucoup plus de temps. Les retours des professionnels convergent sur ce point : il faut des mois de travail sur la gestion des cas limites, la logique de nouvelle tentative, les garde-fous, les critères d’arrêt et la conception de l’orchestration pour passer d’une démonstration à un système sur lequel une équipe bid peut compter.

L’écart entre les mécanismes tient surtout à la gestion des défaillances, plutôt qu’au modèle sous-jacent. Un prototype prend rarement en compte un PDF mal formé, un appel d’outil qui expire ou une exigence qui en contredit une précédente dans le même document. Un agent en production doit détecter ces trois cas et les transmettre à un humain, plutôt que de formuler silencieusement des suppositions.

En pratique, le calendrier de déploiement d’un agent de réponse à appel d’offres doit être établi en fonction de ce travail de fiabilisation, et non des performances de la démonstration initiale, qui tendent à surestimer la maturité du système pour un usage fiable.

Idées reçues courantes

L’idée reçue la plus tenace veut que les agents IA définissent leurs propres objectifs et agissent en toute indépendance, sans aucune contrainte. En pratique, un agent fonctionne comme une automatisation conditionnelle, encadrée par les outils auxquels il peut faire appel, les prompts qui définissent sa tâche et des règles d’arrêt explicites qui redonnent le contrôle à un humain.

Une deuxième idée reçue consiste à voir un agent IA comme un simple chatbot plus avancé. Ce qui le distingue n’est pas la sophistication de ses échanges, mais sa capacité à planifier et à exécuter des actions en plusieurs étapes dans différents systèmes métier, dans un cadre de gouvernance, afin de modifier un workflow plutôt que de simplement afficher du texte à l’écran.

Une troisième idée reçue consiste à penser qu'un agent fiable pour les bid ou les appels d'offres peut être mis en production après une courte phase de prototypage. La mise en production exige un travail continu sur les cas limites, la journalisation à des fins d'audit et la supervision opérationnelle. Cela prend généralement plus de temps que de développer la version initiale qui démontre le concept.