L’IA agentique n’est pas simplement « ChatGPT avec des étapes en plus ».
Comme le rappelle Noé Porcher-Cizaire, il existe plusieurs niveaux dans la construction de systèmes réellement opérationnels :
Un LLM permet de comprendre une demande formulée en langage naturel.
Une IA générative permet ensuite de produire du contenu à partir d’un prompt (texte, synthèse, code, etc.).
Mais cela reste une logique de réponse à la demande.
Un agent IA, lui, reçoit un objectif.
Il est capable de :
-
planifier des tâches,
-
utiliser des outils (API, GED, SIRH…),
-
exécuter des actions,
-
vérifier les résultats obtenus,
-
ajuster son comportement en cas d’erreur.
Lorsqu’on orchestre plusieurs agents spécialisés (recrutement, administratif, formation, IT…), on obtient un système multi-agents capable d’automatiser un processus complet, comme un onboarding.
On parle alors d’IA agentique lorsque ce système :
-
définit des sous-objectifs,
-
enchaîne des actions dans le temps,
-
prend des décisions selon les résultats observés,
-
s’adapte en continu pour atteindre un objectif métier.
Dans un contexte RH, cela permet par exemple :
-
d’analyser automatiquement un appel d’offres (PDF),
-
d’extraire les exigences en compétences,
-
de comparer avec le référentiel interne,
-
de détecter des écarts,
-
et de proposer une action adaptée (formation, recrutement…).
Source : Post LinkedIn de Noé Porcher-Cizaire (2026)