IA agentique

Définition simple : qu'est-ce que l'IA agentique ? (ou agentic AI en anglais)

L'IA agentique est une intelligence artificielle capable d'agir de manière autonome pour accomplir des tâches complexes. Contrairement aux outils d'IA classiques, qui répondent à des requêtes ponctuelles, l'IA agentique enchaîne des actions, prend des décisions et s'adapte à son environnement. Par exemple, elle peut analyser des données, envoyer des notifications ou modifier des bases de données sans intervention humaine. Pour les collectivités, cela signifie automatiser des processus comme la gestion des demandes citoyennes ou l'optimisation des services publics.

Définition technique de l'intelligence artificielle agentique

Comment fonctionne une IA agentique ?

Une IA agentique repose sur une architecture multi-agents, où chaque agent est un programme autonome doté de capacités de perception, de raisonnement et d'action. Ces agents utilisent des modèles de fondation (foundation models), comme les grands modèles de langage (LLM), pour interpréter des données et générer des réponses adaptées. Par exemple, un agent peut analyser des données structurées (bases de données) et non structurées (emails, documents) pour déclencher des actions spécifiques, comme l'envoi d'un mail ou la mise à jour d'un dossier administratif.

Orchestration d'agents IA et autonomie décisionnelle

L'orchestration est un pilier de l'IA agentique. Elle permet à plusieurs agents de collaborer pour accomplir une tâche complexe, comme la gestion d'un dossier administratif de bout en bout. Par exemple, un agent peut recevoir une demande citoyenne, un deuxième la classer, et un troisième générer une réponse personnalisée. Cette autonomie décisionnelle repose sur des algorithmes d'apprentissage par renforcement (reinforcement learning), qui permettent à l'IA d'ajuster ses actions en fonction des retours de son environnement.

Cadre réglementaire et juridique

Texte européen : l'AI Act et ses implications en terme de sécurité et gouvernance

Le Règlement (UE) 2024/1689, connu sous le nom d'AI Act, encadre strictement l'utilisation de l'IA en Europe, y compris l'IA agentique. Ce texte classe les systèmes d'IA en fonction de leur niveau de risque : interdit (ex. notation sociale), haut risque (ex. gestion des services publics), risque limité (ex. chatbots) ou risque minimal. Les IA agentiques, en raison de leur autonomie, sont souvent considérées comme à haut risque. Elles doivent respecter des obligations strictes, comme la gestion des risques, la documentation technique et le contrôle humain (human oversight). Les articles 6 à 15 de l'AI Act détaillent ces exigences, tandis que les articles 50 à 55 imposent des règles spécifiques pour les modèles de fondation (GPAI).

Cadre national et obligations des collectivités

En France, l'application de l'AI Act est supervisée par plusieurs autorités, dont la DGCCRF (coordination générale), la CNIL (protection des données) et l'Arcom (contenus synthétiques). Les collectivités territoriales doivent respecter ces règles pour éviter des risques juridiques, comme la discrimination algorithmique ou la violation du RGPD. Par exemple, l'article 17 de la loi n° 2016-1321 pour une République numérique impose l'ouverture des données publiques, un prérequis pour entraîner des IA agentiques. Les collectivités doivent également éviter les décisions individuelles automatisées sur des données sensibles, comme les données de santé ou les informations biométriques.

Enjeux actuels et chiffres clés

Adoption et investissements dans l'IA

En 2024, 48 % des Français utilisent des services d'IA générative pour effectuer des recherches en ligne (source : Arcep, 2026). Pourtant, seules 13 % des TPE/PME recourent à des solutions d'IA, et seulement 3 % utilisent des outils d'automatisation de tâches (source : France Num, 2024). Pour les collectivités, ce retard représente une opportunité : 2,5 milliards d'euros sont mobilisés dans le cadre de France 2030 pour développer des solutions d'IA, dont l'IA agentique. Ces investissements visent à moderniser les services publics, comme la gestion des demandes citoyennes ou l'optimisation des ressources.

Risques et défis pour les collectivités

L'IA agentique soulève des enjeux majeurs, comme la transparence et la responsabilité. Par exemple, une IA agentique utilisée pour trier des dossiers administratifs doit éviter les biais discriminatoires. Selon le Défenseur des droits, les risques de discrimination algorithmique sont réels, notamment lorsque les données d'entraînement sont biaisées. De plus, les collectivités doivent se conformer à l'AI Act, qui impose des obligations strictes pour les systèmes à haut risque. Enfin, le coût des solutions d'IA agentique reste un frein : les petites communes peinent à financer des projets sans subventions publiques.

Exemples de cas d'usage et applications dans les collectivités

Automatisation des demandes citoyennes

Un agent IA peut être déployé pour trier, classer et répondre aux demandes des citoyens (ex. demandes de subventions, signalements de voirie). L'IA peut orchestrer plusieurs étapes : réception du mail, analyse du contenu, envoi d'une réponse personnalisée ou transmission au service compétent.

Résultats : réduction des délais de traitement (jusqu'à 70 %), amélioration de la satisfaction citoyenne et libération du temps des agents pour des tâches à plus forte valeur ajoutée.

Agent IA et optimisation des achats publics

Une IA agentique peut assister l'analyse des offres fournisseurs, détecter les anomalies et générer des rapports d'aide à la décision. Par exemple, la ville de Cannes utilise déjà des outils d'IA générative pour analyser les offres de marchés publics, une première étape vers une approche agentique.

Résultats: réduction des erreurs, gain de temps pour les agents et meilleure transparence dans les processus de sélection.

Optimisation des ressources

L'IA agentique peut contribuer à la gestion des ressources municipales, comme l'eau ou l'énergie. Par exemple, la commune de Saint-Savin (Isère) utilise un algorithme prédictif pour détecter les fuites d'eau, une approche qui pourrait être étendue avec une IA agentique pour déclencher des actions correctives automatiques.

Résultats: réduction des coûts (jusqu'à 20 % sur les factures d'eau) et amélioration de la durabilité des infrastructures.

Agent conversationnel

Des assistants conversationnels peuvent répondre aux questions des usagers 24h/24, comme celui déployé par la ville de Plaisir (Yvelines). Une IA agentique pourrait aller plus loin en déclenchant des actions, comme la réservation d'un créneau en mairie ou l'envoi d'un formulaire pré-rempli. Amélioration de l'accessibilité des services publics, réduction de la charge des centres d'appels et augmentation de la satisfaction citoyenne.

Comment créer et mettre en place une IA agentique dans une mairie?

Mettre en place une IA agentique dans une mairie nécessite une approche structurée, en plusieurs étapes clés :

• Identifier les besoins : Définir les processus à automatiser, comme la gestion des demandes citoyennes ou l'analyse des marchés publics. Par exemple, la ville de Cannes a identifié onze cas d'usage pour son déploiement d'IA générative.
• Choisir une solution adaptée : Opter pour une plateforme open source (ex. n8n) ou un fournisseur spécialisé. Les collectivités peuvent bénéficier de subventions dans le cadre de France 2030, qui mobilise 2,5 milliards d'euros pour l'IA (source : Ministère de l'Enseignement supérieur, 2025).
• Respecter le cadre réglementaire : Se conformer à l'AI Act (Règlement (UE) 2024/1689) et au RGPD. Par exemple, éviter les décisions individuelles automatisées sur des données sensibles, comme les données de santé.
• Former les agents : Sensibiliser les équipes aux enjeux de l'IA agentique et aux bonnes pratiques, comme le contrôle humain (human oversight).
• Tester et évaluer : Utiliser un bac à sable réglementaire (article 57 de l'AI Act) pour tester la solution avant son déploiement.

Le coût d'une solution d'IA agentique varie en fonction de sa complexité. Pour une petite commune, un projet pilote peut coûter entre 20 000 et 50 000 euros, tandis que les grandes villes peuvent investir plusieurs centaines de milliers d'euros.