Guide du débutant sur les agents d'IA

«Un seul réservoir d'essence de 60 litres contient l'équivalent énergétique de 48 hommes travaillant sans relâche pendant un mois entier» — une métaphore utilisée par Buckminster Fuller pour expliquer ce qu'il appelait les «esclaves énergétiques». Il a inventé ce terme pour mesurer les commodités modernes en unités de travail invisible et infatigable — non pas effectué par des personnes, mais par des machines et du carburant. À la fin du XXe siècle, l'Américain moyen disposait de plus de 8 000 de ces esclaves énergétiques, selon The First Measured Century.

Et maintenant, davantage. Une nouvelle classe de travailleurs infatigables est arrivée : les agents d'IA, les cousins pensants de ces esclaves énergétiques. Imaginez dix stagiaires fonctionnant 24h/24 et 7j/7 — gérant la recherche, l'approvisionnement, la logistique, les mémoires juridiques, la comptabilité, le support client, tout ce qui figure sur votre liste. Nous les avons sous notre contrôle, et bientôt chaque travailleur du savoir gérera une équipe croissante de ces associés numériques.

Les questions viennent d'elles-mêmes : quelle puissance ajouteront-ils à notre essaim d'esclaves énergétiques ? De combien le rendement du travail humain sera-t-il multiplié ?

Dans cet article, nous abordons les questions les plus brûlantes concernant les agents d'IA : de quoi ils sont déjà capables, comment ils améliorent la collaboration en équipe, quels outils sont à l'origine de ce changement et à quoi ressemblera l'avenir du travail lorsque vos collègues pourraient être artificiels.

1) Qu'est-ce qu'un agent d'IA (en termes simples) ?

Un agent d'IA est un logiciel qui poursuit un objectif en votre nom. Il peut raisonner, décider des étapes à suivre et utiliser des outils — (autres logiciels via des API, des navigateurs, des fichiers) — pour obtenir des résultats. Contrairement à un simple chatbot, il ne se contente pas de générer du texte : il peut suivre le contexte (mémoire et état), planifier à l'avance et agir dans des systèmes externes lorsque des déclencheurs se manifestent.

Il sait également comment communiquer — en interne et en externe. Il peut communiquer avec les personnes qui l'ont construit et l'utilisent, rendre compte de son fonctionnement et ajuster son comportement. Tout aussi facilement, il peut parler à l'extérieur : avec des clients, des prospects, des partenaires, des superviseurs — ou même avec des appareils (souvent plus fiablement qu'un humain). Si nécessaire, il peut communiquer avec d'autres agents d'IA, coordonnant les tâches entre eux.

Considérez-le comme un coéquipier junior avec des «mains d'API» : capable de se connecter à des systèmes, de récupérer des données, d'exécuter des flux de travail et même de coordonner des tâches.

Les définitions faisant autorité de Google Cloud, IBM, ou AWS concordent sur cette même image. L'autonomie et l'utilisation d'outils sont ce qui fait d'un logiciel un agent plutôt qu'un simple algorithme.

2) Ce que les agents d'IA peuvent déjà faire (aujourd'hui) ?

Les agents d'IA se répartissent en plusieurs grands types, selon le genre de «mains» qu'ils apportent à l'équipe :

1. Agents analytiques / de recherche / de connaissance
Ces agents connaissent l'organisation de fond en comble. Ils se souviennent des conversations passées. Ils effectuent des recherches et conservent leurs données en mémoire. Ils maîtrisent la base de connaissances de l'organisation — documents, manuels, FAQ, wikis. Ils peuvent mettre à jour ces ressources à mesure que de nouvelles questions arrivent, transformant des informations éparses en mémoire institutionnelle.

2. Agents de communication
Ceux-ci maintiennent les conversations actives. Ils répondent dans les messageries, suivent les fils de discussion des clients, enregistrent les nouveaux prospects dans le CRM, alertent les managers lorsqu'un dialogue s'interrompt, et même rédigent des suivis polis. Certains regroupent les retours, effectuent une analyse des sentiments sur les tickets ou analysent les réseaux sociaux pour repérer les plaintes précocement. Considérez-les comme des gestionnaires de compte ou de support infatigables qui ne manquent jamais un battement.

3. Agents de décision
Un agent de décision agit comme un secrétaire diligent. Dans les flux de travail du monde réel, les équipes sont inondées de données — tickets, e-mails, métriques, prix, géodonnées. Ce type d'agent filtre le bruit, réduit les options à une liste restreinte gérable et présente une image claire, aidant les gens à choisir la voie la plus raisonnable dans les conditions données. Généralement, il est également assez intelligent pour pondérer les probabilités, mettre en évidence les chemins les plus viables et souvent décomposer les grandes tâches en sous-tâches, vérifier les doublons et attribuer des balises. Certains médiatisent même les litiges en évaluant les chances ou en offrant une troisième perspective — ou, si nécessaire, en lançant une pièce virtuelle pour débloquer une situation.

4. Agents d'exécution
Ce sont les acteurs. Ceux qui appuient sur les boutons et font avancer les choses. Ils peuvent passer une commande, déclencher un paiement, envoyer des notifications, définir des rappels, ou même gérer des pipelines de conformité comme le KYC/AML. Dans les équipes d'ingénierie, ils sauvegardent discrètement les référentiels, génèrent des notes de version ou déploient des mises à jour de services. Ces agents sont comme des coursier invisibles : pas glamour, mais indispensables. Ils maintiennent la machine de l'entreprise en marche pendant que tout le monde se concentre sur la vue d'ensemble.

5. Agents de développement (Dev agents)
Ceux-ci lisent et mettent à jour les dépôts de code, raisonnent sur les problèmes et rédigent des correctifs — une capacité émergente évaluée dans les tests d'ingénierie logicielle.

6. Agents de surveillance d'infrastructure
Ces agents veillent sur la santé de vos systèmes. Ils surveillent les réseaux, les serveurs et les applications, lancent des alertes en cas de problème et appliquent parfois même des correctifs automatiquement. Considérez-les comme des administrateurs système infatigables qui ne dorment jamais — détectant les dysfonctionnements avant que les utilisateurs ne les remarquent et orientant les administrateurs humains vers la voie de résolution la plus rapide.

6. Agents créatifs
Axés sur le travail génératif, ils produisent du contenu marketing, des visuels ou même des prototypes de design. Ces agents libèrent les humains de l'angoisse de la page blanche et accélèrent l'itération créative.
 

7. Orchestrateurs multi-agents
Enfin, certains agents ne résolvent pas directement les problèmes mais coordonnent une équipe d'autres agents : distribuer des tâches, les maintenir synchronisées et faire rapport aux humains. BridgeApp elle-même est conçue comme un environnement où de tels orchestrateurs peuvent exister.

Il convient de noter que les agents peuvent fonctionner aussi bien sur le web — via des bancs d'essai de navigateur réalistes — que localement dans des environnements sandbox, gérant les calendriers, les opérations de fichiers et l'assemblage de documents. Ils peuvent servir de facilitateurs personnels ou de collègues avec leur propre champ de tâches. Et bien que les points de contrôle humains augmentent toujours considérablement la fiabilité, les agents s'améliorent rapidement.

3) Les agents d'IA me feront-ils gagner du temps ?

Très probablement, oui. Mais — comme toujours — cela dépend de la configuration et de l'implémentation.

C'est la paradoxe de la productivité en action. Prenez un agent de code mal configuré : le temps qu'il économise à écrire du code est repris par la vérification et le débogage. Une étude de développeurs open source expérimentés a même révélé que les outils d'IA augmentaient le temps des tâches de 19 %, bien que les développeurs se perçoivent 20 % plus rapides.

Lorsqu'ils sont correctement configurés, cependant, les agents d'IA font absolument gagner du temps. Ils automatisent les tâches répétitives et de faible valeur, organisent les plannings et fournissent des brouillons ou un support personnalisé, libérant ainsi les équipes pour se concentrer sur des travaux à plus fort impact. Dans certains cas, ils peuvent compresser des heures en minutes en répondant instantanément aux clients, en programmant des réunions ou en traitant les demandes routinières 24h/24 et 7j/7.

4) Comment savoir si une tâche convient à un agent d'IA ?

Voici une simple liste de contrôle que vous pouvez utiliser. Si la réponse est «oui» à plus de quatre de ces vérifications, cela vaut probablement la peine de la confier à un agent d'IA.

✅ Répétitive : La tâche se produit-elle encore et encore, avec peu de variation ?

✅ Basée sur des règles : Pouvez-vous décrire les étapes clairement, comme une recette ou une liste de contrôle ?

✅ À faibles enjeux : Si l'agent fait une erreur, est-ce facile à réviser ou à corriger ?

✅ Chronophage : Prend-elle des heures de temps humain sans nécessiter un jugement profond ?

✅ Gourmande en données : S'agit-il de trier, d'extraire, de résumer ou de répondre en fonction d'informations structurées ?

✅ Besoin constant : Serait-il utile que cela fonctionne 24h/24 et 7j/7 (par exemple, les demandes des clients, la surveillance) ?

5) Où les agents d'IA échouent-ils et comment évaluer leur fiabilité ?

Les agents trébuchent toujours sur les interfaces utilisateur fragiles, les instructions ambiguës, l'utilisation abusive des outils, l'injection de prompts et tout ce qui nécessite une planification à long terme.

Pour les entreprises, l'adoption signifie des contrôles de sécurité sérieux. La priorité est de prévenir les actions catastrophiques (pensez : suppression de comptes utilisateurs). Le principe est simple : testez les modèles d'IA aussi rigoureusement que vous testez les logiciels. Cela signifie des tâches reproductibles, des scénarios rejouables, des identifiants protégés et des plans de retour en arrière.

Nous répétons pour les ingénieurs : Traitez l'évaluation comme une CI — tests + confiance zéro + déploiement bleu-vert. Des benchmarks comme ST-WebAgentBench indiquent la voie.

6) Que peut-on déléguer en priorité aux agents d'IA (au cours du prochain mois) ?

Travail administratif (back-office)
Une large gamme de tâches de back-office sont des candidates parfaites pour une délégation précoce. Les agents peuvent gérer des bases de données et des feuilles de calcul, extraire des données pour les réutiliser, assembler des rapports, planifier des éléments de calendrier, fournir des modèles de démarrage et gérer la paperasse routinière.

Ventes
Les équipes de vente passent souvent des heures à consolider des détails clés sur une seule page pour préparer les appels ou à remplir les dossiers CRM. Les agents peuvent rechercher et évaluer des prospects, mettre à jour les informations de contact et générer des packs de préparation. Bien que l'IA ne conclue pas les affaires par elle-même, elle garantit que les humains abordent les réunions plus affûtés et avec moins de corvée manuelle.

Support
Le support client et les opérations regorgent de tâches structurées et répétitives que les agents gèrent bien. Pensez aux agents enrichissant les tickets de contexte, les acheminant vers la bonne file d'attente, ou suggérant des solutions instantanées étape par étape pour des demandes simples. Des expériences comme WorkArena montrent que ce type de tâches peut être délégué avec des garde-fous clairs, réduisant les temps de résolution sans faire de compromis.

7) Mes concurrents sont-ils déjà en train d'implémenter des agents d'IA ?

Nous ne le savons pas avec certitude. Mais l'engouement est très réel : l'adoption explose.

Donc, même si l'élan peut ressembler à un engouement, il est indéniable — soutenu par le capital, les déploiements et la confiance des entreprises. Les entreprises ont toujours soif de travailleurs qui ne dorment jamais, ont les compétences nécessaires pour utiliser divers logiciels et peuvent prendre des initiatives là où cela est permis.

Une enquête récente montre que 51 % des entreprises utilisent déjà des agents de codage en production, et 78 % ont des plans de mise en œuvre actifs. Les investisseurs en capital-risque ont injecté des milliards dans les startups d'IA agentique, y compris environ 2,8 milliards de dollars rien qu'au premier semestre 2025. Les grands acteurs sont tous impliqués : AWS a lancé Bedrock AgentCore, un framework tolérant aux pannes avec des points de contrôle, une récupération, des agents in-browser, des interpréteurs de code et une mise à l'échelle douce — plus un AI Agents Marketplace avec des centaines de solutions prêtes à l'emploi. Le PDG d'Amazon, Andy Jassy, n'a pas seulement parlé — il a prédit qu'il y aurait des milliards d'agents dans la nature.

Pendant ce temps, BridgeApp a déployé une plateforme d'espace de travail d'équipe conçue pour cette nouvelle réalité — où la coordination des tâches et la collaboration en langage naturel circulent de manière transparente au sein d'une équipe hybride d'agents et d'humains.

8) Comment l'implémentation d'agents d'IA affecte-t-elle le ROI ?

Cela varie beaucoup en fonction de l'industrie, de la portée et de la qualité du déploiement. Mais certaines études et rapports de cas montrent que le ROI peut être massif lorsque les agents ciblent les bons goulots d'étranglement.

Traitement des prêts : Cette étude très élaborée, publiée en août 2025 dans l'International Journal of Computer Applications, a révélé que le ROI des investissements en IA dans le traitement des prêts hypothécaires a plus que doublé — passant de 15% à 35%. Les gains proviennent d'une forte baisse des coûts opérationnels — de 60% — ce qui a à son tour accéléré le débit des prêts au même rythme, permettant aux entreprises de traiter plus de prêts avec les mêmes ressources. Le temps moyen pour examiner un document est tombé de huit heures à seulement deux, un gain d'efficacité de 75% qui s'est traduit directement par une rentabilité plus élevée et une capacité accrue.

Support client : Un examen récent rapporte que l'IA dans le service client est très rentable — 3,50 $ de retour pour chaque dollar investi, avec les meilleurs performeurs atteignant jusqu'à 8 fois le ROI. L'assurance australienne NIB a partagé un cas d'utilisation révélateur de son assistant IA qui gère 60 % des demandes routinières, réduisant le volume d'appels des agents de 15 % et générant 22 millions de dollars d'économies depuis 202, servant une base de clients croissante sans ajouter de personnel. Microsoft en 2024 a rapporté plus de 500 millions de dollars d'économies en intégrant l'IA dans ses opérations commerciales, des centres d'appels aux ventes, stimulant la productivité à tous les niveaux.

Marketing personnalisé : La recherche de McKinsey montre que la personnalisation pilotée par l'IA augmente le ROI marketing de 10 à 30 % en moyenne, de nombreuses organisations signalant une amélioration d'environ 25 % de l'efficacité des campagnes. Une enquête plus récente affine ce tableau, confirmant une augmentation moyenne du ROI d'environ 25 %, avec 72 % des leaders de la publicité notant des gains de performance clairs après avoir mis à l'échelle la publicité personnalisée.

Ainsi, lorsqu'ils sont ciblés de manière précise, les agents d'IA ne se contentent pas de gagner des minutes — ils recâblent les processus, réduisant les temps de cycle, augmentant la capacité et générant des augmentations de ROI à deux chiffres.

9) Quelles seront les prochaines avancées en matière d'agents d'IA ?

Le PDG d'Anthropic, Dario Amodei, cité par Axios, est clair : jusqu'à la moitié des emplois de bureau de premier échelon pourraient disparaître d'ici cinq ans.

Et les agents ne restent pas sur les écrans. Ils s'immiscent dans le monde physique, commençant à contrôler de l'équipement réel. Au sein du très secret Lab126 d'Amazon, une nouvelle équipe est en train de câbler de l'IA agentique dans des robots d'entrepôt. Le pari : transformer les machines à usage unique d'aujourd'hui en assistants généralistes capables de décharger des remorques, de repérer les pièces défectueuses et de suivre des commandes en langage naturel. Pour Amazon, cela signifie des livraisons plus rapides, des pics de vacances plus fluides et des émissions réduites. Pour tous les autres, c'est un aperçu du prochain acte : les agents d'IA troquant les fils de discussion contre les tapis roulants.

Alors qu'un géant intègre des agents dans des robots, un autre révolutionne le shopping agentique. Juste au moment où cet article était terminé — à l'époque, on disait « au moment où le numéro était mis sous presse » — OpenAI a dévoilé le Protocole de Commerce Agentique (ACP), destiné à transformer l'e-commerce dès le premier jour. 

Il s'agit d'une norme ouverte qui permet aux agents d'IA, aux utilisateurs et aux marchands de finaliser des achats de manière transparente au sein du chat ou des flux conversationnels. Un agent compatible ACP peut présenter des produits correspondant à vos critères, vous proposer des options et exécuter des garanties intégrées telles que le partage minimal de données, des jetons de paiement ciblés et des confirmations étape par étape (y compris le « oui, payer » final). Pour les marchands, cela réduit les frictions : si vous utilisez déjà Stripe, l'activation des paiements agentiques est littéralement un changement de code d'une ligne.

Les agents au sein de BridgeApp peuvent également fonctionner avec l'ACP — ainsi, pendant que certains coéquipiers gèrent vos tâches et documents, d'autres peuvent vous aider à faire vos achats. Aujourd'hui, il s'agit encore d'achats uniques, mais il ne faudra pas longtemps avant que les agents gèrent les fournitures de bureau en gros ou commandent des pièces de rechange pour toute une flotte.

10) Comment choisir une plateforme pour le déploiement d'agents d'IA ?

La manière la plus sûre de déployer est d'utiliser des passerelles HITL (human-in-the-loop) — la plupart des actions proposées par l'agent devraient rester sous contrôle humain, avec des options pour approuver, modifier ou refuser.

• BridgeApp — Espace de travail collaboratif sécurisé où le chat, les tâches et les documents cohabitent. Vous créez des agents visuellement — sans code requis — en glissant-déposant des étapes. Ensuite, déclenchés par leur @mention dans les mêmes chats où l'équipe humaine opère, ils apparaissent immédiatement pour commencer leur opération. vous aide à définir rapidement des objectifs et à intégrer des agents dans les flux de travail quotidiens. Le déploiement sur site est disponible pour les organisations réglementées ou les équipes soucieuses de la sécurité.

   

  Découvrez BridgeApp

  
   

• n8n — un environnement de développement où les agents d'IA peuvent être intégrés comme nœuds d'exécution dans des pipelines plus larges. Alors que les non-codeurs peuvent composer des flux via une GUI similaire, le code source ouvert permet aux ingénieurs d'étendre les fonctionnalités, de gérer les dépendances et d'instrumenter la gestion des erreurs avec des tentatives.
   
• Make — une plateforme d'intégration à grande échelle avec des modules d'agents natifs. Les flux de travail comportent des milliers d'intégrations et peuvent être paramétrés pour accepter des entrées en langage naturel, résoudre dynamiquement des objectifs et adapter la logique d'orchestration à l'exécution.
   
• Relay.app — Une couche d'automatisation orientée HITL. Les agents s'exécutent dans des boucles contrôlées : files d'attente de tâches, approbations basées sur la boîte de réception, validation de points de contrôle et tentatives déterministes. Conçu pour les environnements où la prévisibilité, l'auditabilité et l'approbation explicite sont des exigences opérationnelles.
   
• LangGraph (LangChain) — Un cadre d'orchestration à état pour les agents d'IA de longue durée. Il fournit des SDK pour Python/JavaScript, une persistance d'exécution, des flux de contrôle basés sur des graphiques et une observabilité granulaire. Convient aux déploiements hybrides ou auto-hébergés où les hooks de débogage, les primitives de mise à l'échelle et les garanties d'exécution sont essentiels.

10) Architecture des agents d'IA 101

Commencez petit, gardez un œil, étendez ce qui fonctionne. Commencez par une boucle planificateur-exécuteur et quelques outils bien définis. Évoluez vers des configurations multi-agents lorsque les responsabilités divergent réellement (par exemple, un chercheur, un routeur, un implémenteur). Utilisez des frameworks qui offrent des modèles de conversation, peuvent extraire des données, appeler des outils et vous permettent de surveiller l'état.

BridgeApp rend cela tangible :

• Les agents natifs peuvent être créés dans un éditeur visuel, sans aucun code requis. Chaque agent combine un prompt (comportement), des variables (entrées), des connaissances (documents ou sources de données) et des compétences (actions comme « écrire dans la base de données », « envoyer un message de chat » ou « générer un rapport »).
   
• L'éditeur de compétences fonctionne comme un flux de glisser-déposer. Connectez des blocs comme Base de données → Créer une entrée, Chats → Envoyer un message, Agents → Générer un message. Cela vous permet d'enchaîner « obtenir des données → enregistrer → notifier l'équipe » sans toucher au code.
   
• La contextualisation des connaissances signifie que les agents peuvent consulter des documents d'équipe en direct comme contexte. Un agent de support, par exemple, peut répondre directement à partir de la FAQ que vous stockez dans BridgeApp.
   
• Le versioning permet des versions brouillon vs stables, afin que vous puissiez expérimenter sans perturber les flux de travail.
   
• Couche d'intégration : Les bases de données BridgeApp exposent des API et prennent en charge les comptes de service, permettant des connexions sécurisées aux systèmes externes.
   
• Déploiement : Vous pouvez exécuter BridgeApp dans le cloud ou sur site, ce qui est important si vous évoluez dans une industrie réglementée.

En pratique, un déploiement ressemble à ceci :

1. Configurez un ou deux agents ciblés au sein de BridgeApp (par exemple, « enregistreur de dépenses », « preneur de notes de réunion »). Définissez leurs invites système, compétences et descriptions, en échangeant des blocs pour modifier la séquence d'actions, les sources de données (bases de données) et les étapes de traitement.
2. Intégrez-les dans les chats ou les tâches où les humains travaillent déjà, afin que les résultats soient visibles et puissent être contestés ou ajustés en contexte.
3. Testez-les en mode brouillon, affinez leurs compétences et leur base de connaissances jusqu'à ce que le flux soit fiable.
4. Une fois que la boucle se comporte de manière prévisible, étendez-la à des rôles plus complexes — ou même à plusieurs agents travaillant en tandem.

De cette façon, vous passez d'agents à boucle unique à un lieu de travail multi-agents, tout en gardant les humains aux commandes grâce à la visibilité du chat, au versioning et à la supervision quotidienne.

Conclusion

Ainsi, à l'époque, les «esclaves énergétiques» de Fuller multipliaient la force musculaire; maintenant ils multiplient l'esprit. L'avantage ira à ceux qui apprendront tôt à les étendre à travers les équipes et les organisations.

C'est là qu'intervient BridgeApp — un espace de travail humanocentrique, interopérable et auditable, conçu pour la prospérité collective. Commencez avec une petite équipe. Construit via une interface conviviale. Mesurez l'impact. Réinjectez les résultats dans des benchmarks partagés et des cas d'utilisation civiques.

Et nous verrons le ratio agent par personne grimper. Les réseaux d'agents n'optimiseront pas seulement une seule entreprise ; ils équilibreront la consommation d'énergie, fluidifieront les chaînes d'approvisionnement, accéléreront la réponse aux catastrophes, renforceront la santé publique et stimuleront l'adaptation climatique. Plus nous alignons les agents locaux sur des tâches et des objectifs réels, plus l'effet de levier personnel se transforme en bienfaits planétaires. Nos stagiaires d'IA sont en passe de devenir des assistants omniprésents.

Essayez BridgeApp — la plateforme de collaboration Humain-IA qui unit le chat, les tâches, les documents et les bases de données de votre équipe avec des agents IA intelligents dans un espace de travail sécurisé.

Glossaire 

Agent d'IA — Logiciel capable de poursuivre un objectif en votre nom. Contrairement à un chatbot, il peut planifier des étapes, utiliser des outils (comme des API ou des applications) et agir au sein de systèmes externes.

API (Interface de Programmation d'Application) — Un ensemble de règles permettant à un logiciel de communiquer avec un autre. Pensez-y comme à un traducteur entre programmes.

Orchestrateur multi-agents — Un système d'IA qui ne résout pas directement les problèmes, mais coordonne plusieurs autres agents, comme un chef d'équipe.

HITL (Human-in-the-Loop / Humain dans la boucle) — Un principe de conception où les humains approuvent, modifient ou rejettent les actions proposées par un agent d'IA avant leur exécution.

Travail de back-office — Tâches internes routinières comme la saisie de données, la génération de rapports et la planification — peu visibles mais essentielles au bon fonctionnement d'une entreprise.

CRM (Customer Relationship Management / Gestion de la Relation Client) — Logiciel utilisé pour suivre les prospects, les clients et les interactions.

KYC / AML — Vérifications de conformité en finance :

• KYC = « Connaissez votre client », vérification de l'identité d'un client.
• AML = « Anti-blanchiment d'argent », surveillance des transactions pour prévenir les activités illégales.

Sandbox (ici « Environnement isolé ») — Un environnement sûr et isolé où les agents peuvent tester des actions sans nuire aux systèmes ou aux données réelles.

Compétence — Une action ou capacité prédéfinie qu'un agent d'IA peut exécuter (par exemple, « écrire dans la base de données » ou « envoyer un message »), créée et gérée via un éditeur visuel de compétences au sein de Bridge.

Prompt (ici « Prompt système ») — L'instruction ou le contexte initial donné à un agent d'IA qui définit son rôle, ses objectifs et son comportement ; il agit comme le livre de règles que l'agent suit lors de l'exécution des tâches.

Injection de prompt — Un type d'attaque où des instructions malveillantes sont cachées dans une entrée utilisateur, trompant l'IA pour qu'elle se comporte de manière incorrecte.

Évaluation / Benchmark — Tests pour mesurer les performances des agents. Exemple : ST-WebAgentBench, un benchmark pour les agents basés sur le web.

Confiance zéro — Un principe de sécurité : ne jamais faire confiance automatiquement à un système ou à un utilisateur, toujours vérifier avant d'accorder l'accès.

Déploiement bleu-vert — Une méthode de déploiement logiciel avec deux systèmes identiques (bleu et vert). Les nouvelles versions sont déployées dans l'environnement inactif, testées, puis tout le trafic est basculé — avec la possibilité de revenir instantanément en arrière si quelque chose se brise.

ROI (Retour sur Investissement) — Une mesure du gain financier d'un investissement, généralement exprimée en pourcentage.

Ratio agent par personne — Une façon de décrire combien d'agents d'IA chaque humain pourrait superviser ou avec combien il pourrait collaborer à l'avenir.

Déploiement sur site (On-premise) — Exécution de logiciels sur les propres serveurs d'une entreprise plutôt que dans le cloud, pour des raisons de sécurité ou réglementaires.