Glossaire
Glossaire de l'IA agentique
Les termes de l'IA agentique n'ont pas tous une définition stable. Ce glossaire les explique un par un, avec les sources qui font consensus.
Ce glossaire rassemble les termes qu'on croise le plus souvent en parlant d'agents IA : agent autonome, orchestration multi-agents, MCP, RAG, tool calling, BYOK, human-in-the-loop, observabilité, garde-fous et gouvernance. Certains viennent de la recherche académique, d'autres de la documentation technique des grands fournisseurs de modèles, d'autres encore de cadres de régulation récents. Le vocabulaire de ce domaine bouge vite, et les mêmes mots servent parfois à des usages assez différents d'un fournisseur à l'autre.
Chaque page part du même principe : chercher d'abord ce que disent les sources qui font référence sur le sujet (documentation officielle, article de recherche fondateur, texte réglementaire), signaler quand deux sources sérieuses ne racontent pas tout à fait la même chose, puis expliquer le terme simplement, avec un exemple concret plutôt qu'une définition abstraite. Quand c'est pertinent, l'exemple s'appuie sur le fonctionnement réel d'un agent IA autonome sur Atako, sans rien inventer qui ne soit pas documenté.
L'idée n'est pas de remplacer une définition de dictionnaire, mais de donner de quoi comprendre un terme assez vite pour continuer sa lecture ailleurs, que ce soit un article technique, une doc produit ou une conversation avec une équipe. Chaque page renvoie aussi vers d'autres termes voisins, pour naviguer d'une notion à l'autre sans perdre le fil.
Tous les termes
Agent IA : définition, fonctionnement et exemples
Un agent IA est un programme qui perçoit son environnement, décide d'une action et l'exécute, seul ou via des outils externes, pour atteindre un objectif. Il se distingue d'un chatbot classique par sa capacité à enchaîner plusieurs étapes et à agir, avec un niveau d'autonomie qui varie selon la plateforme.
Agent IA autonome : définition et différence avec un workflow
Un agent IA autonome poursuit un objectif long terme, choisit lui-même l'enchaînement d'actions pour y arriver, et tourne en continu dans son propre environnement plutôt que d'être réveillé pour une seule requête. Il ne sollicite l'humain que pour une décision précise, à l'inverse d'un workflow déclenché ponctuellement par un événement.
BYOK : faire tourner un agent IA avec sa propre clé API
BYOK (Bring Your Own Key) est une option qui permet de faire tourner un agent ou un outil IA avec la clé API personnelle d'un fournisseur de modèle (OpenAI, Anthropic, Mistral AI), plutôt qu'avec l'accès inclus dans l'abonnement. La facturation du modèle passe alors directement par le compte du fournisseur, en dehors du forfait de la plateforme.
Garde-fous et gouvernance des agents IA : définition et mécanismes
Les garde-fous et la gouvernance désignent l'ensemble des règles, permissions et contrôles qui encadrent ce qu'un agent IA a le droit de faire, avant, pendant et après l'exécution d'une action. Ça couvre les permissions par action, la validation humaine sur les décisions sensibles, l'audit de ce qui s'est passé, et la capacité de couper l'accès à tout moment.
Human-in-the-loop : garder un humain dans la boucle d'un agent IA
Human-in-the-loop (humain dans la boucle) est un principe de conception où une personne conserve l'autorité de valider, corriger ou bloquer une décision ou une action générée par une IA, à un point précis du processus, avant qu'elle ne produise un effet réel. C'est un mécanisme de contrôle, pas une supervision continue de chaque étape.
IA agentique : définition, fonctionnement et exemples
L'IA agentique est le paradigme de systèmes IA qui perçoivent leur environnement, planifient une suite d'actions et les exécutent avec des outils, en visant un objectif sur plusieurs étapes plutôt qu'en se contentant de répondre une seule fois à une requête isolée, avec une supervision humaine limitée mais réglable.
IA générative vs IA agentique : quelle différence ?
L'IA générative produit du contenu (texte, image, code) en réponse à une requête ponctuelle. L'IA agentique planifie une suite d'actions et les exécute avec des outils pour atteindre un objectif sur plusieurs étapes. La seconde utilise généralement la première comme moteur de raisonnement interne.
MCP (Model Context Protocol) : définition, fonctionnement et exemples
MCP (Model Context Protocol) est un protocole ouvert, créé par Anthropic fin 2024, qui standardise la façon dont un modèle ou un agent IA se connecte à des sources de données et à des outils externes. Il remplace des intégrations sur mesure, une par outil, par un langage commun entre applications IA et systèmes tiers.
Observabilité des agents IA : voir ce que fait un agent en temps réel
L'observabilité des agents est la capacité à suivre en détail l'activité d'un agent IA : ses appels d'outils, ses décisions, ses erreurs, avec leur origine et leur résultat, généralement via des journaux, une chronologie d'événements ou des traces. Elle permet de comprendre pourquoi un agent a agi ainsi et de détecter un problème avant qu'il ne s'aggrave.
Orchestration d'agents : définition, fonctionnement et cas d'usage
L'orchestration d'agents désigne la coordination de plusieurs agents ou sous-agents IA au sein d'un même système : répartition des tâches, séquencement des étapes, supervision de l'exécution et remontée des résultats. Un orchestrateur, centralisé ou distribué, décide quel agent agit, quand, et comment les résultats sont combinés.
RAG (Retrieval-Augmented Generation) : définition et fonctionnement
Le RAG (Retrieval-Augmented Generation) est une méthode qui associe un moteur de recherche documentaire et un modèle de langage : avant de répondre, le modèle va chercher des passages pertinents dans une base externe, puis génère sa réponse à partir de ces passages. Ça limite les inventions et permet d'utiliser des informations récentes ou internes à l'entreprise.
Système multi-agents : définition, fonctionnement et exemples
Un système multi-agents assemble plusieurs agents IA autonomes qui travaillent ensemble sur une même tâche complexe. Chaque agent a un rôle spécialisé, échange des informations avec les autres et prend ses propres décisions. Cette répartition du travail permet de traiter des workflows qu'un agent unique ne pourrait pas gérer seul efficacement.
Tool calling : comment un agent IA appelle des outils externes
Le tool calling (appel d'outils, aussi appelé function calling) est la capacité d'un modèle de langage à identifier qu'une requête nécessite une action externe, comme lire une base de données ou envoyer un message, et à produire une demande d'appel structurée avec ses arguments. Une application exécute ensuite cet appel et renvoie le résultat au modèle.
Questions fréquentes
Qu'est-ce qu'un agent IA, en une phrase ?
Un agent IA est un système qui tourne en continu, prend des décisions et peut agir sur des outils réels pour atteindre un objectif, plutôt que de simplement répondre à une question dans une conversation ponctuelle. La page pilier du site détaille cette définition et ce qui distingue un agent autonome d'un simple assistant conversationnel.
Quelle est la différence entre un agent IA et l'IA générative classique ?
L'IA générative classique répond à une requête ponctuelle sans mémoire ni capacité d'agir au-delà du texte produit. Un agent IA garde une mémoire entre les échanges, peut appeler des outils externes, et continue de travailler après la réponse initiale, jusqu'à ce que l'objectif soit atteint ou qu'un humain intervienne.
Ce glossaire est-il mis à jour régulièrement ?
Oui, chaque terme indique une date de dernière mise à jour et s'appuie sur des sources de référence citées en bas de page, comme la documentation officielle des fournisseurs de modèles ou les cadres de gouvernance IA reconnus. Le vocabulaire de ce domaine évolue vite, les définitions sont revues en conséquence.
À lire ensuite
CTO d'Atako
Ce contenu a été rédigé par les agents IA d'Atako, puis relu, corrigé et validé par Romain Laodicina, CTO d'Atako.