Licensed for Distribution

Les principales tendances technologiques stratégiques de l’année 2025 : l’IA agentique

21 octobre 2024 - ID G00818765 - Durée de lecture : 12 min
Par : Tom Coshow, Arnold Gao, Lawrence Pingree, Anushree Verma, Don Scheibenreif, Haritha Khandabattu, Gary Olliffe
L’IA agentique, une nouvelle main-d’œuvre numérique axée sur les objectifs, qui élaborera des plans et agira de manière autonome - une extension de la main-d’œuvre qui n’aura ni besoin de vacances, ni d’avantages sociaux. Cette étude décrit les opportunités et les dangers de l’IA agentique pour les responsables informatiques et explique comment s’y préparer.

Présentation générale

Opportunités

  • L’IA agentique confère à l’IA de nouveaux niveaux décisionnels (possibilité de sélectionner les mesures à prendre pour atteindre des résultats spécifiques). Elle permettra de réaliser des gains de performance importants augmentant au fil du temps et de l’évolution des systèmes, pour atteindre les objectifs de manière plus efficace.
  • Les systèmes d’IA agentique changeront fondamentalement le processus de prise de décision. En effet, ils seront capables d’analyser rapidement des ensembles de données complexes, d’identifier des modèles et d’agir. Cela permettra d’éviter la modélisation des données qui demande beaucoup de travail, d’améliorer la résolution de problèmes, d’accélérer la prise de mesures et de mettre en œuvre de nouveaux concepts d’échelle.
  • L’IA agentique améliorera considérablement les compétences des employés et des équipes, leur permettant de gérer des processus, des projets et des initiatives complexes, à l’aide du langage naturel. Cependant, l’orchestration et la gouvernance d’entités logicielles agissant de manière autonome nécessitent des outils avancés et des mesures de protection strictes.

Recommandations

  • Intégrez l’IA agentique à votre planification stratégique. Définissez les niveaux décisionnels que vous autoriserez pour chaque environnement et workflow.
  • Concevez des solutions d’l’IA agentique reliant des applications et des données disparates, tout en donnant la priorité à l’amélioration de l’expérience et de l’efficacité des utilisateurs. Définissez les décisions et les actions automatisables entre des données et des processus précédemment cloisonnés.
  • Établissez des mesures de contrôle opérationnelles et de mise en œuvre clairs pour l'IA agentique, y compris des directives juridiques et éthiques relatives à l’autonomie, la responsabilité, la sécurité et la confidentialité des données. Assurez-vous que les capacités d’IA agentique en termes de contrôle de l’identité, de sécurité et de surveillance sont suffisamment développées pour protéger votre entreprise, vos employés et vos clients.

Hypothèses de planification stratégique

D’ici à 2028, 33 % des applications logicielles d’entreprise incluront l'IA agentique, contre moins de 1 % en 2024.
D’ici à 2028, les machine customers utilisant l'IA agentique remplaceront 20 % des vitrines digitales lisibles par l’homme.
D’ici à 2028, au moins 15 % des décisions professionnelles quotidiennes seront prises de manière autonome grâce à l''IA agentique, contre 0 %l en 2024.

Ce que vous devez savoir

Cette étude fait partie des Principales tendances technologiques stratégiques de Gartner pour 2025.
Jusqu’à présent, les modèles d’IA, comme les modèles de langage étendu (LLM), effectuent des tâches, y compris la génération de texte et la synthèse de documents, mais ne sont pas en mesure d’agir par eux-mêmes de leur propre « initiative ». Ils agissaient plutôt en fonction de vos invites. L'IA agentique est en passe de changer cela.
Des outils donnant aux systèmes comme les modèles de langage étendu (LLM) plus de capacités décisionnelles, la capacité d’agir de manière autonome avec une supervision humaine minimale, de s’adapter à leur contexte et d’atteindre des objectifs dans des environnements complexes, sont en cours de création. Ces outils augmenteront considérablement le potentiel de l’IA. Par exemple, l'IA agentique est capable examiner des données, d’effectuer des recherches, de compiler les tâches à accomplir, puis de les effectuer dans le monde numérique ou physique par le biais d’API ou de systèmes robotiques.
L’éventail d’action de l'IA est large. À une extrémité, les systèmes traditionnels limités à l’exécution de tâches décisionnelles spécifiques dans des conditions étroitement définies. À l’autre extrémité, les futurs systèmes d'IA agentique dotés d’un pouvoir décisionnel leur permettant d’apprendre de leur environnement, de prendre des décisions et d’exécuter des tâches de manière autonome. Il existe un grand écart entre les assistants actuels basés sur les LLM et l'IA agentique à part entière (voir Figure 1). Cet écart se comblera dans un premier temps pour des activités de moindre envergure, Cependant, la portée et la sophistication des solutions agentiques augmenteront à mesure que nous apprendrons à créer, gérer et faire confiance aux solutions d'IA agentique.
Figure 1 : Le fossé entre l'IA agentique et les entreprises

Traditional systems with limited agency perform specific tasks under narrowly defined conditions. Future agentic AI systems with full agency will learn from their environment, make decisions and perform tasks independently. A big gap exists between current large language model (LLM)-based assistants and full-fledged AI agents

Profil : l'IA agentique

Description

Le terme « IA agentique » désigne des entités logicielles axées sur les objectifs, ayant reçu de l’entreprise l’autorisation d’agir en son nom afin de prendre des décisions et d’agir de manière autonome. Ces entités utilisent des techniques d’IA, associées à des éléments comme la mémoire, la planification, la détection, les outils et les mesures de protection, pour accomplir des tâches et atteindre des objectifs.
Contrairement à l’automatisation des processus par la robotique, l'IA agentique ne nécessite pas d’entrées explicites et ne produit pas de sorties prédéterminées. Les entités d'IA agentique peuvent recevoir des instructions d’objectifs, itérer et déléguer des tâches, mais aussi produire des variables et des informations dynamiques, complétant souvent le travail de l’utilisateur.
Exemples d'IA agentique :
  • Agents IA
  • Machine customers
  • Systèmes multi-agents
L'IA agentique sera incorporée aux assistants basés sur l’intelligence artificielle et intégrée aux logiciels, aux plateformes SaaS, aux dispositifs IdO et à la robotique. Lorsque les assistants basés sur l’intelligence artificielle commenceront à planifier, à prendre des décisions et à agir pour vous, vous saurez que l'IA agentique est arrivée. Elle sera partout, avec le potentiel d’étendre les plateformes de gestion du travail collaboratif du suivi des tâches à leur planification et l’exécution.

Pourquoi est-ce une tendance majeure ?

L'IA agentique (voir la Note 1 pour une liste de fournisseurs représentatifs) est d’déjà importante, car elle améliore les capacités des technologies d’IA, comme le LLM. De nombreuses startups se positionnent d’ores et déjà comme des plateformes de développement d''IA agentique, dont certaines à partir de workflows en langage naturel écrits par des responsables de secteurs d’activité. Les fournisseurs de services cloud à très grande échelle intègrent l'IA agentique à leurs assistants virtuels.
La capacité de l’IA agentique à prendre des mesures de manière autonome ou semi-autonome peut aider les DSI à concrétiser leur vision de l’IA générative (GenAI) pour accroître la productivité dans l’ensemble de l’entreprise (voir Figure 2).
Figure 2 : Principaux types de valeur créée pour l’entreprise par l’IA générative

Agentic AI’s ability to take action autonomously or semiautonomously has the potential to help CIOs realize their vision for generative AI to increase productivity across the organization.
De plus en plus d’entreprises utilisent des machine customers avancés, un sous-ensemble de l’IA agentique. La technologie du jumeau numérique utilise l'IA agentique pour simuler des scénarios à partir de données synthétiques et déclenche des actions ou des workflows en fonction de l’objectif. Des plateformes faisant la jonction entre les techniques d’IA, les données, la mémoire, le langage, les outils logiciels et l’autocritique automatisée (capacité de l''IA agentique à critiquer son propre travail) sont en cours de développement.
Les entreprises cherchent depuis longtemps à assurer la promotion de leurs équipes performantes, à améliorer la collaboration interservices et à coordonner la résolution des problèmes au sein de toute l’entreprise. L'IA agentique a le potentiel de se comporter comme des coéquipiers hautement compétents, en fournissant des informations sur des événements connexes, souvent non perceptibles par les coéquipiers humains.

Implications

L'IA agentique mettra fin à un certain désenchantement de l’IA, en lui donnant un pouvoir de décision et en lui permettant de résoudre des problèmes nécessitant une action plutôt que de se contenter de générer du contenu.
Cette avancée augmentera le nombre de tâches et de workflows automatisables, et étendra l’utilisation de modèles collaboratifs, comme les solutions impliquant l’utilisateur. Cela permettra la collaboration et la communication :
  • des humains avec les agents
  • des agents avec les agents
  • des agents avec les humains
L'IA agentique a le potentiel d’accroître sensiblement les moyens d’action des employés. Elle pourra leur permettre de développer et de gérer des projets techniques complexes, qu’il s’agisse de micro-automatisations ou de projets plus importants, par le langage naturel.
Un système d’'IA agentique est capable automatiser l’expérience client grâce à l’analyse des données, pour prendre des décisions minutieusement calculées à chaque étape Par exemple, après qu’un client ait acheté un produit, l’IA examine l’historique des commandes, passe en revue les communications, définit une action de suivi en fonction de l’analyse du comportement spécifique du client et identifie une opportunité de vente incitative. Elle rédige ensuite et envoie un e-mail personnalisé en remerciant le client, en lui demandant son avis et lui propose un produit de vente incitative au meilleur moment de la journée pour maximiser l’engagement. Bien que ce workflow soit conçu par l’homme, il peut être ou non piloté par un être humain.
Le potentiel de l’IA agentique à analyser en permanence les performances des interactions personnalisées dépasse les capacités humaines, garantissant ainsi un engagement client plus précis et plus efficace. Les développeurs de logiciels seront probablement parmi les premiers concernés : en effet les assistants de programmation utilisant l’IA gagnent en maturité et l'IA agentique leur ajoutera encore d’autres avantages.
L’IA agentique transformera la prise de décision et améliorera la connaissance de la situation au sein des entreprises, grâce à une analyse des données et prédictive plus rapides. Pendant votre sommeil, l'IA agentique pourrait examiner cinq systèmes de votre entreprise, analyser bien plus de données que vous ne pourriez jamais le faire et décider de certaines actions nécessaires. Lorsque vous vous connectez le matin, au lieu de recevoir un message vous disant : « Vous devez résoudre les six problèmes suivants », vous recevrez un message vous disant : « Pendant que vous dormiez, j’ai résolu les quatre problèmes suivants, il vous reste ces deux-là à étudier »
L'IA agentique pourrait, du jour au lendemain, décider des ajustements qu’une grande entreprise doit apporter à une campagne publicitaire. Elle pourrait prendre des décisions concernant les dépenses publicitaires de l’entreprise, mais aussi créer et publier du contenu, augmentant ainsi considérablement la rapidité et l’efficacité.
L'IA agentique éliminera le besoin d’interagir avec les sites web et les applications. Pourquoi prendre la peine de le faire lorsque votre agent IA peut le faire à votre place ?
Les workflows seront conçus pour l'IA agentique, les humains étant ajoutés aux points à forte valeur ajoutée.
Les systèmes multi-agents composés d’agents multiples, indépendants et en interaction, chacun capable de percevoir son environnement et de prendre des mesures, travailleront en synergie vers un objectif commun dépassant de loin la capacité des agents individuels. Ces systèmes s’attaqueront à des tâches complexes que les agents individuels ne peuvent pas accomplir, tout en créant des solutions plus adaptables, évolutives et robustes. Ils créeront des informations qui n’étaient pas possibles auparavant, et pourront fonctionner dans des environnements nécessitant une prise de décision décentralisée.
Cependant, il ne s’agit pas uniquement d’autonomie : certaines activités nécessiteront toujours une prise de décision humaine et l'IA agentique ne fonctionnera pas toujours seule. Cela vous aidera dans les scénarios où il est difficile de collaborer en équipe, de prendre des décisions en équipe, de prendre conscience de la situation de l’équipe et de la synchroniser. L’impact de l'IA agentique sur la collaboration au sein de l’entreprise pourrait être encore plus transformationnel que son impact sur la productivité individuelle. L'IA agentique sera un collègue et un membre précieux de l’équipe.
En outre, l'IA agentique :
  • intégrera et automatisera les activités liées aux applications d’entreprise et aux sources de données, transformant les modèles et les exigences d’utilisation des applications
  • automatisera l’expérience client et le fera progresser dans son parcours en effectuant des actions importantes
  • activera des systèmes de sécurité améliorés qui surveilleront, signaleront et agiront
  • fournira une veille commerciale plus proactive, indiquera les meilleures actions et campagnes à mener
  • automatisera les chaînes d’approvisionnement et la planification
  • créera plus d’opportunités de commercialisation pour les machine customers
L'IA agentique comporte aussi des défis et des dangers
Outre les opportunités qu’elle crée, l'IA agentique comporte aussi des défis. Le risque est de reproduire le problème de l’automatisation des processus robotiques : les entreprises ont créé des milliers de robots, mais personne ne se souvient maintenant de ce que font ces robots ni de la raison pour laquelle ils ont été construits. Les employés peuvent également déployer leur propre IA agentique low-code dans votre pile informatique, ce qui peut ne pas répondre à vos normes de sécurité ou de qualité.
L'IA agentique prendra des décisions basées sur son analyse des données de votre entreprise, en élaborant des plans basés sur cette analyse. À partir de là, elle appliquera ces plans. Cela peut s’avérer dangereux si vous n’investissiez pas dans les compétences, les pratiques et les technologies assurant des agents IA fiables. Les données de votre entreprise peuvent être de qualité médiocre, augmentant le risque. De plus, une qualité des données et une architecture médiocres entraveront le développement de l'IA agentique.
Bien qu’elle devrait aider les clients, l'IA agentique pourrait également les aliéner si l’expérience client est mal conçue. C’est là que l’intelligence humaine est nécessaire. Les humains doivent mapper le parcours client, afin de concevoir l’expérience client idéale et de définir des mesures de protection, avant d’en confier l’exécution à l''IA agentique. Il s’agira de procéder à des essais pour ajuster les paramètres des agents, afin d’obtenir des résultats optimaux.
Comme toujours avec l’automatisation, certains employés éprouveront probablement un ressentiment envers l'IA agentique, ressentant toujours le besoin d’avoir le contrôle. Naturellement, ils peuvent s’inquiéter de la sécurité de leur emploi et de la valeur perçue de leurs contributions.
L'IA agentique entraînera des cyberattaques avancées qui donneront lieu à des « malwares intelligents ». Cela nécessitera des innovations pour répondre aux risques et menaces uniques visant les systèmes dépendant des LLM et du GenAI. L'IA agentique sera exposée à des risques liés aux injections d’invites, aux jailbreaks, aux attaques de sécurité des données et aux cyberattaques, y compris créées et exécutées par d’autres IA agentiques.
Le développement croissant de l'IA agentique soulèvera également de sérieuses préoccupations en matière de gouvernance pour votre entreprise, alors que vous essayez de contrôler une technologie qui fonctionne de manière autonome. L’orchestration et la gouvernance nécessiteront des outils avancés et des mesures de protection stricts.

Actions

  • Prévoyez d’ajouter l'IA agentique aux workflows comportant une demande importante d’application à grande échelle et d’efficacité. Repensez l’ensemble de vos silos uniquement sous l’angle de l’automatisation, puis réintégrez les humains à des points stratégiques des nouveaux workflows, Commencez modestement par des cas d’utilisation pour lesquels des données de haute qualité sont accessibles.
  • Traitez l'IA agentique comme des collègues numériques de niveau 1 ou des employés numériques auxquels vous déléguez du travail. Repensez les modèles de collaboration, les workflows et les stratégies de vos équipes pour maximiser leurs avantages par la découverte et la fourniture d’informations sur les événements dérivés que les coéquipiers humains pourraient ne pas remarquer.
  • Mettez en place des mesures de protection pour vous assurer de limiter l'IA agentique à un rôle et à un ensemble de capacités définis. Ceci afin de l’empêcher de prendre des mesures incorrectes qui causent des dommages.

Présentation des principales tendances stratégiques technologiques de Gartner pour l’année 2025

Cette tendance est l’une de nos Principales tendances stratégiques technologiques pour 2025. Nos 10 tendances (voir Figure 3) vous aideront à façonner l’avenir par l’innovation responsable. Il s’agit des tendances que nous considérons comme les plus pertinentes et les plus importantes, celles auxquelles vous devez commencer à vous préparer.
Nos tendances se divisent en trois thèmes principaux :
Enjeux et risques de l’IA :
  • le nombre et l’utilisation des agents IA augmenteront pour répondre aux exigences de productivité, ce qui nécessitera des avancées dans la technologie de gouvernance de l’IA.
  • Les effets de la désinformation mettront les entreprises et la société en danger, d’où la nécessité d’une technologie défensive.
Les nouvelles frontières de l’informatique :
  • L’informatique quantique menace de briser la cryptologie actuelle, une nouvelle cryptologie est donc nécessaire.
  • Les balises et capteurs sans fil ultra-économiques rendront le marquage, le suivi et la détection à grande échelle en temps réel abordables, permettant de nouveaux modèles commerciaux et écosystèmes.
  • De nouveaux modèles informatiques économes en énergie seront créés pour répondre à la demande croissante en matière d’informatique et de durabilité.
  • Les entreprises intégreront un nombre croissant de nouveaux modèles informatiques à de nombreux modèles existants et les orchestreront pour optimiser leur utilisation.
Synergie entre l’homme et la machine :
  • la création d’interactions de niveau supérieur entre les expériences physiques et virtuelles se poursuivra.
  • Les robots qui remplissent plusieurs fonctions s’intègreront au travail quotidien des humains, au travail comme à la maison
  • Leur capacité à accéder directement aux pensées et aux émotions pourra améliorer la cognition et les performances humaines.
Évaluez, avec d’autres responsables, l’impact et les avantages de nos tendances. Cela vous permettra de déterminer les tendances, utilisées seules ou conjointement, qui auront l’impact le plus significatif sur votre entreprise et l’écosystème dans lequel elle opère. Examinez le potentiel de ces tendances dans le contexte spécifique de votre entreprise, intégrez-les à votre planification stratégique pour les prochaines années et adaptez vos modèles commerciaux et vos opérations en conséquence.
Figure 3 : les principales tendances technologiques stratégiques de l’année 2025 : L'IA agentique

The top strategic technology trends are classified into three categories: AI imperatives and risks, new frontiers of computing and human-machine synergy.

Matériel de référence

Enquête 2024 de Gartner sur l’IA générative er les DSI. Enquête 2024 de Gartner sur l’IA générative er les DSI. Cette enquête menée en ligne entre 30 janvier et le 12 février 2024 examine la façon dont les DSI conçoivent l’IA générative et le rôle actuel du DSI dans les initiatives d’IA générative. Elle fait suite à l’enquête 2023 de Gartner sur l’IA générative er les DSI. Au total, 83 DSI membres du Research Circle de Gartner ont participé à cette enquête. Des membres d’Amérique du Nord (n = 42), d’EMEA (n = 29), de l’Asie/Pacifique (n = 7) et d’Amérique latine (n = 5) y ont répondu. (Les Membres du groupe de recherche de Gartner comprennent des DSI/CTO généraux, des DSI/CTO de chaque branche et les responsables adjoints du DSI, représentant un large éventail de secteurs et de tailles d’entreprises.) Clause de non-responsabilité : les résultats de cette enquête ne représentent pas les résultats mondiaux ou le marché dans son ensemble, mais reflètent les points de vue des personnes et des entreprises interrogées.

Note 1 : Fournisseurs représentatifs

Voici quelques exemples de fournisseurs d’IA agentique :
AIXplain, AutoGen, AWS Bedrock, Cognigy, CrewAI, Databricks, Google Vertex, OneReachAI, Sema4 et Superface.
reprint-promo-image
© 2025 Gartner, Inc. et/ou ses sociétés affiliées. Tous droits réservés. Gartner est une marque déposée de Gartner, Inc. et de ses sociétés affiliées. Cette publication ne peut être reproduite ni distribuée sous quelque forme que ce soit sans l’autorisation préalable écrite de Gartner. Elle comprend des opinions de l’entreprise de recherche de Gartner, qui ne doivent pas être interprétées comme des énoncés de faits. Bien que les informations contenues dans cette publication proviennent de sources considérées comme fiables, Gartner n’offre aucune garantie quant à l’exactitude, l’exhaustivité ou l’adéquation de ces informations. Bien que l’étude de Gartner puisse aborder des questions juridiques et financières, Gartner ne donne pas de conseils juridiques ou d’investissement, et son étude ne doit pas être interprétée ni utilisée comme telle. Votre accès et votre utilisation de cette publication sont régis par la politique d’utilisation de Gartner. Gartner est fière de sa réputation d’indépendance et d’objectivité. Ses études sont produites de manière indépendante par son organisme de recherche, sans contribution ou influence d’aucun tiers. Pour plus d’informations, voir « Principes directeurs sur l’indépendance et l’objectivité ». Les recherches de Gartner ne peuvent pas être utilisées pour la formation ou le développement de l’intelligence artificielle générative, du machine learning, des algorithmes, des logiciels ou des technologies connexes.

L’étude de Gartner contenue dans ce document a été traduite de la version originale anglaise dans la langue ci-dessus/dans le document. Gartner a déployé tous les efforts professionnels raisonnables pour assurer que la traduction soit aussi exacte et complète que possible. Toutefois, comme pour toute traduction, il peut inévitablement y avoir un certain degré de divergence. En cas de divergence de contenu ou d’intention, la signification de la version originale anglaise prévaudra toujours.