Glossaire de l'IA agentique : 100 termes essentiels sur les agents IA pour les acheteurs en entreprise

Ce glossaire fournit aux acheteurs, aux opérationnels et aux décideurs la terminologie essentielle pour évaluer en toute confiance les plateformes et partenaires d’IA agentique, avec un accent sur la maturité pour l’entreprise, l’automatisation de l’expérience client et le déploiement en production.

Fondamentaux et concepts clés de l’IA agentique

1. IA agentique – Systèmes d’IA conçus pour planifier, décider et agir de manière autonome en vue d’atteindre des objectifs, plutôt que de simplement répondre à des prompts. En entreprise, l’IA agentique permet des workflows de bout en bout en combinant LLM, outils (Actions) et connaissances de l’entreprise (Knowledge), comme le fait la plateforme Maven.
2. Agent IA – Entité logicielle qui perçoit des entrées, raisonne sur le contexte et agit pour atteindre des objectifs précis. Contrairement aux bots traditionnels, les agents IA adaptent leur comportement de façon dynamique.
3. Autonomie – Capacité d’un agent IA à fonctionner sans intervention humaine. Une autonomie plus élevée améliore l’efficacité, mais exige une gouvernance et des garde-fous plus solides.
4. Comportement orienté objectif – Capacité d’un agent à viser des résultats définis plutôt que des tâches isolées. L’agent peut ainsi enchaîner intelligemment des actions entre plusieurs systèmes.
5. Système multi-agents (SMA) – Architecture dans laquelle plusieurs agents IA collaborent ou se coordonnent pour résoudre des problèmes complexes. Les SMA améliorent la scalabilité et la spécialisation.
6. Espace d’action – Ensemble des actions qu’un agent est autorisé à effectuer. Le définir est essentiel pour la sécurité et la prévisibilité.
7. Politique – Ensemble de règles qui encadre la manière dont un agent prend ses décisions et choisit ses actions. Les politiques garantissent l’alignement avec les exigences métier et de conformité.
8. Planificateur – Composant chargé de décomposer des objectifs de haut niveau en étapes exécutables. La planification permet aux agents de gérer des workflows complexes en plusieurs étapes.
9. Exécuteur – Composant qui réalise les actions planifiées en appelant des outils, des API ou des workflows. Il transforme le raisonnement en impact concret.
10. Moteur de raisonnement – Couche logique qui évalue le contexte, les contraintes et les options pour déterminer les actions suivantes. Un raisonnement solide est la base d’un comportement fiable.

Mémoire, connaissances et gestion du contexte

11. Mémoire – Mécanismes de stockage qui permettent aux agents de conserver et de retrouver des informations dans le temps. La mémoire assure continuité, personnalisation et apprentissage.
12. Mémoire à court terme – Contexte conservé pendant une interaction ou une session. Elle permet à l’agent de suivre le fil de la conversation et l’intention immédiate.
13. Mémoire à long terme – Stockage persistant de faits, de préférences et d’interactions passées. Elle soutient la personnalisation et le savoir de l’organisation.
14. Base de données vectorielle – Base de données spécialisée, optimisée pour la recherche par similarité sur des embeddings. Elle sert couramment à stocker la mémoire et les connaissances des agents.
15. Embeddings – Représentations numériques de textes ou de données qui en capturent le sens. Les embeddings permettent aux agents de retrouver efficacement les informations pertinentes.
16. Génération augmentée par récupération (RAG) – Technique qui ancre les réponses de l’IA en récupérant les connaissances pertinentes de l’entreprise avant de générer une réponse. Maven s’appuie sur ces mécanismes de récupération pour ancrer les réponses dans vos bases de connaissances (Knowledge Bases), alimentées par des sources comme Salesforce, Zendesk, Freshdesk, des fichiers importés et des URL explorées.
17. Base de connaissances – Ensemble organisé de contenus d’entreprise : FAQ, politiques, documentation. Les agents s’y appuient pour fournir des réponses fondées.
18. Ancrage (grounding) – Pratique consistant à appuyer les réponses d’un agent sur des sources de données vérifiées. L’ancrage réduit les hallucinations et renforce la fiabilité.
19. Fenêtre de contexte – Quantité d’informations qu’un LLM peut prendre en compte en une fois. Sa gestion est essentielle pour les performances et la maîtrise des coûts.
20. Hallucination – Lorsqu’un modèle d’IA génère des informations erronées ou inventées. Les plateformes d’entreprise doivent activement limiter les hallucinations.

Modèles, prompts et outils

21. Grand modèle de langage (LLM) – Modèle entraîné sur de très grands corpus de textes pour comprendre et générer du langage. Les LLM constituent le cœur du raisonnement de nombreux agents.
22. Modèle de fondation – Modèle généraliste pouvant être adapté à de nombreuses tâches. Il apporte de la flexibilité d’un cas d’usage à l’autre.
23. Prompt engineering – Conception de prompts qui orientent le comportement et les réponses de l’agent. Des prompts efficaces améliorent la cohérence et la fiabilité.
24. Prompt système – Instructions qui définissent le rôle, le ton, les limites et les objectifs d’un agent. Il assure l’alignement de son comportement.
25. Appel d’outils (tool calling) – Possibilité pour les agents d’appeler des outils, des API ou des systèmes externes pour accomplir des tâches. C’est ce qui permet d’agir concrètement.
26. Appel de fonctions (function calling) – Approche structurée permettant aux modèles d’appeler des fonctions prédéfinies avec des entrées validées. Elle gagne en précision et en sécurité.
27. Intégration API – Connexion des agents aux systèmes de l’entreprise : ticketing, facturation, plateformes de données. L’intégration permet l’automatisation à grande échelle.
28. Intégration CRM – Utilisation des données clients pour personnaliser et contextualiser les actions de l’agent. Elle est essentielle pour les cas d’usage CX.
29. Architecture événementielle – Conception dans laquelle les agents réagissent à des événements ou déclencheurs plutôt qu’à des requêtes statiques. Elle favorise l’automatisation proactive.
30. Automatisation des workflows – Exécution de bout en bout de processus métier sans intervention manuelle. Les workflows agentiques vont au-delà de l’automatisation à base de règles.

Orchestration, fiabilité et passage à l’échelle

31. Orchestration – Coordination de plusieurs agents, outils et workflows au sein d’un système cohérent. Les clients Maven s’en servent pour relier Actions, Knowledge et workflows dans des processus de support de bout en bout (voir les études de cas MavenAGI).
32. Concurrence – Capacité à exécuter plusieurs processus d’agent simultanément. Indispensable dans les environnements à fort volume.
33. Latence – Temps nécessaire à un agent pour répondre ou agir. Une faible latence est essentielle pour les cas d’usage en contact avec les clients.
34. Débit – Nombre de tâches qu’un système d’agents peut traiter dans un temps donné. Le débit reflète la scalabilité.
35. Scalabilité – Maintien des performances et de la fiabilité à mesure que la demande augmente. Les agents d’entreprise doivent monter en charge de façon prévisible.
36. Stratégie de repli – Chemins alternatifs prédéfinis lorsque l’agent échoue ou manque de confiance. Les replis protègent l’expérience client.
37. Chemin d’escalade – Transfert des demandes vers des humains ou des agents spécialisés si nécessaire. Une escalade efficace équilibre automatisation et confiance.
38. Auto-réparation – Détection et récupération automatiques en cas d’erreur ou de panne. Elle renforce la résilience.
39. Gestion d’état – Suivi du contexte et de l’avancement de l’agent d’une interaction à l’autre. Elle garantit la continuité.
40. Gestion des sessions – Traitement sécurisé et efficace de chaque interaction entre un utilisateur et un agent.

Gouvernance, sécurité et conformité

41. Garde-fous – Contraintes qui empêchent les actions dangereuses, non conformes ou indésirables. Il s’agit des politiques, contraintes et contrôles qui maintiennent un comportement sûr et conforme des agents, notamment lorsqu’ils appellent des Actions ou utilisent les connaissances de l’entreprise (voir les pratiques de confiance, sécurité et conformité de MavenAGI).
42. Humain dans la boucle (HITL) – Validation humaine intégrée aux workflows des agents. Souvent utilisée lors des premières phases de déploiement.
43. Humain en supervision (human-on-the-loop) – Des humains supervisent les agents et n’interviennent qu’en cas de dépassement de seuils. Cela permet de passer à l’échelle tout en gardant le contrôle.
44. Gouvernance – Politiques, contrôles et processus qui garantissent un comportement responsable des agents. Elle est essentielle à l’adoption en entreprise.
45. Conformité – Respect des normes réglementaires, juridiques et internes. Les exigences varient selon les secteurs.
46. Confidentialité des données – Protection des données sensibles des clients et de l’entreprise utilisées par les agents. La protection dès la conception (privacy by design) est indispensable.
47. Sécurité – Protections contre les accès non autorisés, les usages abusifs et les fuites de données. La sécurité est le socle de la confiance.
48. Contrôle d’accès – Gestion des autorisations pour les actions des agents et l’accès aux données. Un contrôle granulaire réduit les risques.
49. Journaux d’audit – Enregistrements immuables des actions et décisions des agents. L’auditabilité soutient la conformité et la responsabilité.
50. Explicabilité – Capacité à comprendre et justifier pourquoi un agent a effectué une action donnée.

Évaluation, optimisation et apprentissage

51. Observabilité – Visibilité sur le comportement, les décisions et les résultats des agents. Elle permet l’amélioration continue.
52. Télémétrie – Données opérationnelles émises par les agents pour le suivi et l’analyse. Elle alimente les systèmes d’évaluation.
53. Évaluation (eval) – Mesure de la précision, de la qualité et de l’impact métier des agents. Les évaluations doivent être continues, et non ponctuelles.
54. Benchmarking – Comparaison des performances d’un agent à une référence ou à des alternatives. Les benchmarks éclairent les décisions d’investissement.
55. Test A/B – Test de plusieurs variantes d’un agent pour identifier la plus performante. Il réduit les risques.
56. Réflexion – Capacité d’un agent à évaluer et améliorer ses propres réponses. Elle renforce la robustesse.
57. Boucle de rétroaction – Intégration des retours des utilisateurs ou du système dans les cycles d’amélioration de l’agent.
58. Apprentissage continu – Affinement progressif du comportement de l’agent au fil du temps. Il soutient la valeur sur le long terme.
59. Données synthétiques – Données générées artificiellement pour les tests ou l’entraînement. Elles réduisent la dépendance aux données sensibles.
60. Simulation – Test du comportement d’un agent dans un environnement contrôlé avant sa mise en production.

CX, automatisation et résultats métier

61. IA conversationnelle – Agents qui échangent avec les utilisateurs en langage naturel. Ils sont au cœur de l’automatisation CX.
62. Compréhension du langage naturel (NLU) – Interprétation de l’intention, des entités et du contexte de l’utilisateur. Elle permet un routage et une résolution précis.
63. Génération de langage naturel (NLG) – Production de réponses cohérentes et naturelles. Elle influe sur la qualité perçue.
64. Analyse des sentiments – Détection de la tonalité émotionnelle des messages. Elle oriente l’escalade et la personnalisation.
65. Classification des intentions – Catégorisation des demandes selon des intentions prédéfinies. Sa précision détermine les taux de résolution.
66. Remplissage d’attributs (slot filling) – Extraction d’informations structurées à partir de saisies non structurées. Il facilite l’automatisation.
67. Personnalisation – Adaptation du comportement de l’agent au contexte et à l’historique de l’utilisateur. Elle améliore le CSAT.
68. Automatisation CX – Utilisation d’agents et de workflows pour traiter les interactions clients et les tâches back-office sans effort manuel. Chez Maven, elle repose sur la plateforme Maven, où les agents utilisent Actions et Knowledge pour résoudre les conversations et s’intègrent à des systèmes comme les CRM et les services d’assistance (help desks).
69. Résolution autonome – Traitement des demandes clients sans intervention humaine. Elle réduit le coût de service.
70. Évitement de tickets (case deflection) – Résolution des demandes sans création de ticket de support. Elle améliore l’efficacité opérationnelle.

Indicateurs, ROI et critères d’achat

71. Résolution au premier contact (FCR) – Résolution d’une demande client en une seule interaction. Le FCR est un indicateur CX clé.
72. CSAT – Score de satisfaction client, qui mesure la qualité perçue de l’expérience.
73. Net Promoter Score (NPS) – Indicateur de fidélité et de recommandation des clients.
74. ROI – Retour financier généré par les investissements en IA agentique. Le justifier est indispensable pour passer à l’échelle.
75. Délai de rentabilisation (TTV) – Rapidité avec laquelle une organisation tire des bénéfices d’un déploiement.
76. Optimisation des coûts – Maîtrise des coûts de calcul, d’outillage et de modèles. Elle assure la viabilité.
77. Gestion des tokens – Contrôle de la consommation en entrée et en sortie des LLM. L’efficacité en tokens a un impact direct sur les coûts.
78. Indicateurs d’adoption – Suivi de l’utilisation et de l’engagement envers les agents au sein des équipes ou chez les clients.
79. Conduite du changement – Préparation des personnes et des processus à l’adoption des agents. Elle réduit les résistances.
80. Enablement – Formation des équipes pour travailler efficacement avec des systèmes agentiques.

Stratégie de plateforme et maturité pour l’entreprise

81. Framework d’agents – Frameworks logiciels servant à créer et gérer des agents. Leur choix influe sur la flexibilité.
82. Approche plateforme – Standardisation sur un système unique pour déployer, surveiller et gouverner les agents, au lieu d’assembler des outils ponctuels. Maven suit ce modèle avec une plateforme qui réunit Knowledge, Actions, contrôles qualité et Insights.
83. Best-of-breed – Combinaison d’outils spécialisés plutôt qu’une plateforme unique. Plus de flexibilité, mais plus de complexité.
84. Interopérabilité – Capacité des agents à fonctionner avec différents systèmes et fournisseurs.
85. Dépendance fournisseur (vendor lock-in) – Dépendance à un seul fournisseur technologique. Les acheteurs doivent évaluer les stratégies de sortie.
86. Standards ouverts – Protocoles partagés qui favorisent la portabilité et l’intégration.
87. Roadmap – Évolution prévue des capacités et fonctionnalités des agents.
88. Preuve de concept (POC) – Déploiement limité servant à valider la valeur avant de passer à l’échelle.
89. Maturité pour la production – Stabilité, sécurité et scalabilité nécessaires aux environnements en production.
90. Niveau entreprise – Répondre aux exigences de fiabilité, de gouvernance, de sécurité et d’échelle pour que les agents fonctionnent en production en toute sécurité. Maven est conçu pour des déploiements de niveau entreprise, avec des intégrations poussées, des analyses et un contrôle des Actions et de Knowledge (voir les études de cas MavenAGI).

Capacités avancées des agents

91. Proactivité – Agents qui engagent des actions sans sollicitation explicite. Les agents proactifs ouvrent de nouveaux gains d’efficacité.
92. Moteur de recommandation – Suggestion de la meilleure action suivante à partir du contexte et des données.
93. Aide à la décision – Fournir des éclairages aux humains tout en leur laissant la décision finale.
94. Conscience contextuelle – Compréhension des nuances d’une situation au-delà de la simple saisie.
95. Score de confiance – Estimation de la fiabilité des réponses d’un agent.
96. Modèle de maturité – Cadre décrivant les étapes de progression des capacités des agents.
97. Build vs. buy – Choisir entre développer des agents sur mesure et adopter une plateforme.
98. Stratégie d’ancrage des connaissances – Approche systématique visant à garantir l’exactitude factuelle.
99. IA opérationnelle – IA intégrée directement aux processus métier en production.
100. Entreprise autonome – Organisation dans laquelle les agents prennent en charge une grande part des opérations et workflows répétitifs, dans le respect de garde-fous, tandis que les humains se concentrent sur le jugement, les relations et les exceptions. Avec Maven, cela prend la forme d’équipes hybrides réunissant humains et agents, et non d’opérations entièrement confiées à l’IA.

Pour des conseils de mise en œuvre et des exemples concrets, découvrez nos témoignages clients ou contactez notre équipe pour une démonstration en direct.