IA générative vs IA agentique : tout ce qu'il faut savoir

Demandez à ChatGPT d'écrire un e-mail de relance. Il écrit un e-mail de relance. Vous le lisez, vous le corrigez, vous l'envoyez.

Demandez à un agent de relancer. Il ouvre votre CRM, détermine quelles douze personnes sont devenues silencieuses, écrit douze e-mails différents et les envoie. Vous l'apprenez après coup.

Même modèle en dessous. Une chose complètement différente à posséder.

Voici ce qu'est réellement chacun des deux, en quoi ils diffèrent — et comment reconnaître lequel on est en train de vous vendre.

Ce qu'est l'IA générative

Un modèle qui produit du contenu en réponse à un prompt. Texte, image, audio, vidéo, code.

La forme compte plus que la définition : c'est une fonction. Quelque chose entre, quelque chose sort, c'est fini. Le modèle ne se souvient pas de la requête précédente sauf si vous la recollez. Il ne peut rien toucher hors de la fenêtre de chat. Il ignore si vous avez utilisé ce qu'il a écrit, si vous l'avez réécrit ou si vous en avez ri. Il ne le saura jamais. Il ne demande jamais.

ChatGPT qui répond à une question. Midjourney qui fabrique une image. Copilot qui suggère la ligne suivante. Toujours la même forme : prompt en entrée, contenu en sortie, un humain décide de la suite.

Cette dernière partie est l'important. L'IA générative produit. Vous disposez.

Ce qu'est l'IA agentique

Le même modèle, avec trois choses boulonnées dessus.

Des outils. Des fonctions qu'il peut appeler et qui touchent de vrais systèmes. search_crm. send_email. book_appointment. issue_refund. C'est la partie qui lui permet de sortir de la fenêtre de chat.

Une boucle. Il appelle un outil, voit le résultat, et décide de la suite. Puis recommence. C'est la partie qui en fait un agent plutôt qu'un formulaire sophistiqué.

Un objectif au lieu d'un prompt. Vous ne demandez pas une sortie. Vous décrivez un résultat et le laissez déterminer les étapes.

Et voici le fait que la plupart des articles d'explication sautent — il dissipe beaucoup de confusion : l'IA agentique n'est généralement pas un autre modèle. C'est le même. GPT-5 ne sait pas s'il est utilisé de façon générative ou agentique. L'intelligence n'a pas changé. L'échafaudage autour a changé — et l'échafaudage, c'est en gros une boucle while avec une liste d'outils accrochée.

Ça semble réducteur. Ça ne l'est pas. C'est dans cette boucle que loge toute la difficulté.

Dans la nature, ça ressemble à ceci : un agent de code qui lit votre dépôt, lance les tests, en voit trois échouer et les corrige sans qu'on lui dise lesquels. Un agent de support qui lit un ticket, retrouve la commande, vérifie la politique de remboursement et effectue le remboursement. Un agent vocal qui prend un appel, vérifie les disponibilités en direct et réserve le créneau avant de raccrocher. Dans chaque cas, personne n'a écrit la séquence. Le modèle l'a élaborée en cours de tâche.

La différence en un tableau

La seule ligne qui compte

Tout ce qui précède se replie en une phrase.

Avec l'IA générative, vous vérifiez des sorties. Avec l'IA agentique, vous vérifiez des résultats.

Les sorties arrivent sur votre écran avant que quoi que ce soit n'arrive dans le monde. Vous êtes la porte. Rien n'est réel tant que vous n'agissez pas.

Les résultats arrivent après. L'e-mail est parti. Le remboursement est fait. La réunion est réservée. Vous n'êtes plus la porte — vous êtes l'audit.

C'est tout l'échange. Tout ce que les gens adorent chez les agents et tout ce qui tourne mal avec eux vient de ce seul troc.

Et il faut le dire clairement, parce qu'Internet regorge de gens qui laissent entendre le contraire : aucun des deux n'est meilleur. Ce sont des outils différents aux modes de défaillance différents. Une perceuse n'est pas la version améliorée d'un marteau.

Ce que les gens comprennent de travers

« Agentique veut dire que ça agit. » Un publipostage agit. Une tâche cron agit. Le thermostat de votre bureau agit depuis 2011. Agir n'est pas la frontière. Décider est la frontière.

« Agentique veut dire plus intelligent. » Même modèle, la plupart du temps. Ce qui a changé, c'est la permission.

« L'agentique remplace le génératif. » Presque tout agent réel est de l'IA générative dans une boucle. L'agent qui envoie douze e-mails a d'abord dû écrire douze e-mails. Le génératif est un composant de l'agentique, pas son prédécesseur.

« C'est agentique parce que ça utilise des outils. » Un appel d'outil dans une séquence figée, c'est un workflow avec un modèle dedans. C'est souvent le bon produit, et bien plus facile à garder en vie. Ce n'est juste pas un agent.

« C'est l'un ou l'autre. » C'est une molette, pas un interrupteur. Tournez lentement : un chatbot qui ne peut rien toucher. Un chatbot qui peut consulter mais rien modifier. Un workflow figé où un modèle prend une décision. Une boucle qui propose chaque action et attend votre accord. Une boucle qui agit et rend compte. Une boucle que personne ne regarde. La plupart des produits sensés vivent dans les trois du milieu — et la plupart des vendeurs se décrivent dans la langue du dernier.

Pourquoi la différence coûte de l'argent

Trois choses apparaissent dès que le modèle se met à décider.

Les erreurs cessent d'être isolées. Une erreur générative est un mauvais paragraphe que vous supprimez. Une erreur agentique est porteuse. Si l'étape trois a mal lu une date, les étapes quatre à neuf construisent dessus, avec assurance, parce que rien dans la boucle n'est conçu pour douter de soi.

Les reprises cessent d'être sûres. Tout framework d'agent réessaie en cas d'échec. Inoffensif quand l'outil lit. Dès que c'est send_email, une reprise est un doublon. Pire : quand un résultat ne revient pas, le modèle ne réessaie pas que mécaniquement — il replanifie et rappelle l'outil exprès. Deux chemins pour envoyer deux fois la même chose, et l'un des deux ressemble à de l'intelligence.

La fiabilité se multiplie. C'est ce qui ruine les démos. Disons que chaque étape est fiable à 95 %. Une excellente note. Enchaînez dix étapes : vous êtes à 60 %. Descendez à 90 % par étape — un chiffre qu'on met encore dans les slides — et dix étapes donnent 35 %. L'intuition de personne ne fonctionne comme ça. C'est pourquoi toute démo d'agent fait cinq étapes et tout agent en production en fait vingt.

Et l'échec qui attrape tout le monde n'est pas un crash. Imaginez l'agent tombant sur une affaire où le client a déjà dit non — mais le commercial n'a jamais mis à jour l'étape. L'affaire est ouverte. La consigne disait « tous ceux qui sont devenus silencieux ». Il envoie donc un e-mail chaleureux, impeccable, demandant si la proposition a été examinée. Aucune exception levée. Aucun bug. La sortie était réellement bonne — bonne pour la mauvaise chose.

L'IA générative se trompe sur des faits. L'IA agentique se trompe sur des décisions. Une seule des deux a déjà quitté le bâtiment quand vous vous en apercevez.

Laquelle vous faut-il ?

Prenez l'IA générative quand un humain allait de toute façon regarder le résultat et qu'un mauvais résultat ne coûte rien. Brouillons, résumés, premières passes, code que vous relirez. Pas chère à faire tourner, pas chère à se tromper.

Prenez l'IA agentique quand la corvée coûte réellement cher et que vous pouvez rendre l'échec survivable.

Cette seconde condition fait tout le travail — soyez honnête avec elle. Le vrai dossier en faveur des agents est solide : toute entreprise regorge de travail où une personne compétente enchaîne des évidences, où l'enchaînement diffère à chaque fois, et où l'évidence n'existe que dans sa tête. Ce logigramme-là, vous ne pouvez pas l'écrire. Trop de branches, la plupart n'arrivant qu'une fois. Un agent gère la branche que vous n'aviez pas prévue — et c'est exactement cette branche qui rendait le travail inautomatisable.

Le piège : c'est la même capacité. Un système qui gère la branche imprévue est un système qui prend des décisions imprévues. Vous n'avez pas l'un sans l'autre — et quiconque vous vend le premier sans mentionner le second vous vend une démo.

Le coût de construction est donc réel, et rien n'y est de l'IA :

• Des actions qui peuvent tourner deux fois sans nuire deux fois
• Des journaux qui reconstruisent ce que l'agent croyait faire
• Une porte humaine sur tout ce qui quitte le bâtiment
• Un plafond dur sur la boucle, parce que « jusqu'à ce qu'il s'estime terminé » n'est pas une condition d'arrêt

C'est la même discipline qui empêche les systèmes de paiement de débiter les gens deux fois depuis trente ans. Le modèle est la partie facile. Il est arrivé déjà construit.

La version courte

L'IA générative produit quelque chose et vous le tend. L'IA agentique décide quelque chose et vous le dit plus tard.

L'IA générative a fait de la sortie du modèle votre problème. L'IA agentique fait du jugement du modèle votre problème.

Choisissez selon ce que vous acceptez de ne pas regarder.