Un agent IA ne fait pas que répondre : en fonction de l'objectif qu'on lui donne, il va choisir les actions à réaliser et les enchaîner jusqu'à atteindre un résultat. Pour cela, il utilise un modèle de langage. Lire des fichiers, chercher sur le web, appeler des MCP, exécuter du code, décider de la suite, etc.
Quelle différence entre un agent IA, un chatbot ou un workflow ?
Tout le monde connaît le chatbot : on lui pose une question et il répond. On se souvient tous de quand ChatGPT est arrivé fin 2022 dans notre navigateur... En fonction de sa réponse, du morceau de code qu'il génère, on lui renvoie un prompt.
L'agent est capable de faire ces allers-retours seul. Pourtant, le LLM utilisé peut très bien être le même. Ce qui change, c'est ce qui est construit autour : le harnais. D'ailleurs, nous avons un guide sur DeepSeek Harness.
Dans un workflow, les étapes sont fixées à l'avance, contrairement à un agent, qui décide lui-même des étapes.
Comment fonctionne un agent IA ?
Un agent IA repose sur un principe : la boucle. Quand le modèle va recevoir un prompt/une consigne, il reçoit en plus la liste des outils disponibles. Il répond par du texte ou demande à utiliser un outil, le programme l'exécute et lui renvoie le résultat. Le cycle recommence jusqu'à ce que la tâche soit terminée.
Bien sûr, rien n'est gratuit : chaque tour alourdit un peu plus le contexte et augmente les tokens consommés.
On peut cadrer l'agent avec une limite de tours, des hooks (des scripts qui se déclenchent à un moment donné), des conventions, etc.
Exemples d'agents IA
Vous connaissez certainement au moins deux agents : Claude Code et Codex. Ce sont eux qui modifient votre code, lancent les tests, corrigent selon le résultat, etc.
