36 exemples concrets d’agents IA

Même si les agents IA font la une des médias technologiques, leurs exemples concrets dans la vie réelle ne sont pas toujours évidents.

Dans cet article, je vais vous présenter les différents types d’agents IA, avec des exemples pour chacun.

Mais gardez en tête : même si on les classe par type, la plupart des systèmes IA avancés combinent plusieurs types d’agents.

Par exemple, dans la gestion de chaîne d’approvisionnement par l’IA, on utilise plusieurs types d’agents pour optimiser la logistique, la gestion des stocks, l’approvisionnement et les livraisons. C’est pareil pour les voitures autonomes : on associe des agents basés sur l’utilité, des agents orientés objectifs, des agents réflexes à modèle et des agents apprenants pour gérer des processus complexes.

‍

Mais pour bien comprendre les principes de base, voyons ce que chaque type d’IA agentique cherche à accomplir, avec quelques exemples concrets déjà présents dans le monde réel.

Même si vous ne possédez pas de voiture autonome ou ne travaillez pas dans un entrepôt optimisé par l’IA, vous avez sûrement déjà utilisé des bots d’entreprise agentiques comme :

• Agents IA pour l’e-commerce qui passent des commandes, informent sur la livraison et proposent des recommandations personnalisées de produits.
• Chatbots de support client qui répondent aux questions fréquentes, gèrent les remboursements et résolvent les problèmes techniques (comme dans cet exemple de Ruby Labs).
• Agents de génération de leads qui discutent, qualifient les prospects et planifient des rendez-vous (comme dans cet exemple de Waiver Consulting Group).
• Chatbots de vente et fonctions marketing, comme la génération de leads par IA ou d’autres façons d’utiliser l’IA dans la vente.

Mais tous les agents IA ne sont pas créés par des experts techniques. En réalité, il est devenu assez simple de concevoir et déployer son propre agent IA grâce aux nouvelles plateformes de création d’IA.

Si vous souhaitez créer votre propre agent IA, n’hésitez pas à essayer dès aujourd’hui avec notre tutoriel de création d’agent IA.

Passons maintenant aux 9 types d’agents IA et à 36 exemples concrets de leur utilisation.

1. Agents basés sur l’utilité

Contrairement aux agents plus simples qui se contentent de réagir à leur environnement, les agents basés sur l’utilité évaluent leurs actions potentielles selon l’utilité attendue. Ils anticipent l’intérêt ou l’avantage de chaque option par rapport à leur objectif.

Ces agents excellent dans les environnements où les décisions sont complexes et les résultats multiples – par exemple pour équilibrer différents risques lors d’investissements, ou peser les effets secondaires de traitements.

La fonction d’utilité de ces agents intelligents est une représentation mathématique de leurs préférences. La fonction d’utilité cartographie le monde qui les entoure, décide et classe quelle option est la plus préférable. L’agent basé sur l’utilité peut alors choisir l’action optimale.

Comme ils peuvent traiter de grandes quantités de données, ils sont utiles dans tous les domaines où la prise de décision a des enjeux importants.

Trading financier

Les agents basés sur l’utilité sont parfaitement adaptés aux marchés boursiers et aux cryptomonnaies: ils achètent ou vendent selon des algorithmes visant à maximiser les gains ou limiter les pertes. Leur fonction d’utilité prend en compte les données historiques et les données de marché en temps réel.

Systèmes de tarification dynamique

Vous avez déjà payé plus cher un Uber ou un Lyft sous la pluie ? C’est un agent basé sur l’utilité qui agit : il ajuste les prix en temps réel pour les vols, les hôtels ou le covoiturage, selon la demande, la concurrence ou le moment de la réservation.

Contrôleurs de réseaux électriques intelligents

Ces agents intelligents sont le cerveau des réseaux électriques intelligents: ce sont eux qui gèrent la distribution et le stockage de l’électricité.

Ils optimisent l’utilisation des ressources selon les prévisions de demande et les prix de l’énergie, pour améliorer l’efficacité et réduire les coûts.

Recommandations de contenus personnalisées

Vous terminez un film et Netflix vous en propose trois autres du même genre.

Les plateformes de streaming comme Netflix et Spotify utilisent des agents basés sur l’utilité pour suggérer des contenus similaires. L’utilité optimisée ici est la probabilité que vous cliquiez dessus.

2. Agents orientés objectifs

Les agents IA orientés objectifs sont – comme leur nom l’indique – conçus pour atteindre des buts précis grâce à l’intelligence artificielle.

Au lieu de simplement réagir à des stimuli, ces agents rationnels sont capables d’anticiper les conséquences futures de leurs actions, afin de prendre des décisions stratégiques pour atteindre leur objectif.

Contrairement aux agents réflexes simples, qui réagissent directement selon des règles condition-action, les agents orientés objectifs évaluent et planifient leurs actions pour atteindre leur but.

Ce qui les distingue des autres types d’agents intelligents, c’est leur capacité à combiner anticipation et planification stratégique pour atteindre un résultat précis.

Roomba

Les aspirateurs robots – comme le célèbre Roomba – sont conçus avec un objectif simple: nettoyer toute la surface accessible. Cet agent orienté objectif a une mission claire, et il l’accomplit efficacement.

Toutes les décisions prises par cet agent orienté objectif (comme le moment où il doit tourner) sont faites dans la poursuite de ce but principal. Les chats qui s’installent dessus sont juste un bonus.

Logiciel de gestion de projet

Même s’il peut aussi utiliser un agent basé sur l’utilité, un logiciel de gestion de projet vise généralement à atteindre un objectif précis.

Ces agents IA planifient souvent les tâches et allouent les ressources pour optimiser le travail d’équipe et garantir la réussite du projet dans les délais. L’agent évalue la meilleure stratégie et agit au nom de l’équipe.

IA dans les jeux vidéo

Dans les jeux de stratégie ou de rôle, les personnages contrôlés par l’IA fonctionnent comme des agents orientés objectifs : ils peuvent devoir défendre un lieu ou vaincre un adversaire, par exemple.

Ces agents sophistiqués évaluent différentes stratégies et ressources – quel type d’attaque utiliser, quel bonus activer – pour atteindre leur objectif.

3. Agents réflexes basés sur un modèle

Quand il faut s’adapter à des informations invisibles ou imprévisibles, les agents réflexes basés sur un modèle sont la solution.

Contrairement aux agents réflexes simples qui réagissent uniquement à la perception immédiate, ces agents maintiennent un état interne qui leur permet de prédire des environnements partiellement observables. Il s’agit d’un modèle interne de la partie du monde qui les concerne.

Ce modèle est constamment mis à jour avec les nouvelles données issues de l’environnement, ce qui permet à l’agent IA de faire des déductions sur les éléments non visibles et d’anticiper les conditions futures.

Ils évaluent les conséquences possibles de leurs actions avant de décider, ce qui leur permet de gérer les situations complexes. C’est particulièrement utile pour des tâches comme conduire en ville ou piloter un système domotique automatisé.

Grâce à leur capacité à combiner des connaissances passées et des données en temps réel, les agents réflexes basés sur un modèle peuvent optimiser leurs performances, quelle que soit la tâche. Comme un humain, ils prennent des décisions adaptées au contexte, même lorsque les conditions sont imprévisibles.

Véhicules autonomes

Même si ces voitures relèvent de plusieurs types d’agents intelligents, elles illustrent bien les agents réflexes basés sur un modèle.

Les systèmes complexes comme la circulation et les déplacements des piétons sont précisément le type de défi pour lequel les agents réflexes basés sur un modèle sont conçus.

Leur modèle interne sert à prendre des décisions en temps réel sur la route, comme freiner lorsqu’une autre voiture grille un feu rouge, ou ralentir brusquement si la voiture devant fait de même. Leur système interne se met constamment à jour selon les informations de leur environnement : autres véhicules, activité aux passages piétons, météo.

Systèmes d’irrigation modernes

Les agents réflexes basés sur un modèle sont le moteur des systèmes d’irrigation modernes. Leur capacité à réagir à des retours environnementaux imprévus est parfaitement adaptée à la gestion de la météo et de l’humidité du sol.

Le modèle interne de l’agent IA représente et anticipe différents facteurs environnementaux, comme le taux d’humidité du sol, les conditions météorologiques et les besoins en eau des plantes.

Ces agents collectent en continu des données issues de capteurs sur le terrain, y compris des informations en temps réel sur l’humidité, la température et les précipitations.

En analysant ces données, l’agent réflexe basé sur un modèle peut décider quand arroser, quelle quantité d’eau distribuer, et quelles zones du champ nécessitent plus d’attention. Cette capacité de prédiction permet au système d’irrigation d’optimiser l’utilisation de l’eau, pour que les plantes reçoivent exactement ce dont elles ont besoin pour prospérer (sans gaspillage).

Systèmes domotiques

Ici, le modèle interne correspond à l’environnement de la maison : ces systèmes sont continuellement mis à jour grâce aux données des capteurs, et utilisent ces informations pour guider leurs décisions.

Un thermostat détecte les variations de température et s’ajuste en conséquence. Un système d’éclairage peut détecter l’obscurité extérieure et s’adapter – que cette obscurité vienne de la nuit ou d’un orage soudain, il faut un agent intelligent pour anticiper et réagir à ces différences.

4. Agents apprenants

Les agents apprenants se distinguent par leur capacité à s’adapter et s’améliorer au fil du temps grâce à leur expérience.

Contrairement aux agents IA plus statiques qui fonctionnent uniquement selon des règles ou modèles préprogrammés, un agent apprenant peut faire évoluer son comportement et ses stratégies. Grâce à cet aspect d’apprentissage, ils sont surtout utilisés dans des environnements changeants.

Détection de fraude

Les systèmes de détection de fraude collectent en permanence des données et s’ajustent pour reconnaître plus efficacement les schémas frauduleux. Les fraudeurs changeant sans cesse de méthode, les agents de détection doivent eux aussi s’adapter continuellement.

Recommandation de contenu

Des plateformes comme Netflix et Amazon utilisent un système doté d’un agent apprenant pour améliorer leurs suggestions de films, séries ou produits.

Même si votre profil indique que vous aimez les films d’horreur et les thrillers, si vous vous mettez soudainement à regarder des comédies romantiques, vos recommandations s’ajusteront. Comme nous, il apprend en continu.

Logiciels de reconnaissance vocale

Des applications comme Google Assistant et Siri utilisent un agent apprenant pour mieux comprendre nos tentatives parfois confuses de leur parler.

C’est grâce aux agents apprenants que ces systèmes s’améliorent dans la compréhension des accents et du langage familier – on peut ainsi demander à Siri des choses comme « Dis, Siri, tu peux me trouver la friterie la plus proche pour le dîner ? J’ai trop faim ! »

Thermostats adaptatifs

Même les thermostats intelligents – comme Nest – apprennent des habitudes des utilisateurs, comme les horaires de présence ou d’absence, et les températures préférées.

Ces informations évoluent sans cesse, donc les thermostats doivent pouvoir s’adapter au fil du temps – c’est un autre exemple d’agent apprenant.

5. Agents hiérarchiques

Les agents hiérarchiques se distinguent des autres types d’agents IA par leur approche structurée et multi-niveaux des problèmes.

Les agents hiérarchiques ressemblent à une organisation complexe, avec différents niveaux de prise de décision. Chaque agent du système a son domaine de spécialisation, ce qui les rend plus efficaces pour gérer des tâches complexes et à étapes multiples.

Les agents hiérarchiques sont l’une des méthodes les plus complexes pour déployer des agents IA, car ils sont composés de plusieurs petits agents intelligents.

En résumé : une structure d’agent hiérarchique repose sur un processus structuré de prise de décision à différents niveaux d’un système.

Robots industriels

Dans les systèmes de production avancés, les agents hiérarchiques orchestrent la chaîne de fabrication.

Les agents de haut niveau planifient et répartissent les tâches dans le système, tandis que les agents de niveau inférieur contrôlent des machines spécifiques comme les bras robotisés pour l’assemblage.

Ils peuvent communiquer entre eux pour garantir une production fluide – c’est la prise de décision multi-niveaux en action.

Systèmes de contrôle du trafic aérien

Ces systèmes utilisent des agents hiérarchiques pour gérer la circulation aérienne de façon sûre et efficace. Comme la tâche est complexe et couvre de nombreuses fonctions, une organisation hiérarchique est indispensable.

Les agents de niveau supérieur gèrent le trafic à l’échelle régionale, tandis que les agents de niveau inférieur s’occupent de tâches spécifiques comme les décollages, atterrissages et déplacements au sol dans chaque aéroport.

Robots autonomes d’entrepôt

Ce sont les agents hiérarchiques qui gèrent les stocks et la manutention dans les entrepôts optimisés par l’apprentissage automatique.

Les agents de haut niveau optimisent la disposition de l’entrepôt et la répartition des stocks, tandis que les agents de niveau inférieur pilotent les chariots élévateurs et trieurs robotiques pour déplacer et organiser physiquement les marchandises.

6. Agents robotiques

C’est exactement ce qu’on imagine lorsqu’on pense à un agent intelligent : l’agent robotique.

Avec une dimension d’action supplémentaire, les agents robotiques sont les emblèmes des agents d’intelligence artificielle. Ces agents intelligents évoluent dans un environnement physique, et non uniquement sous forme logicielle.

Ces incarnations physiques d’agents IA sont généralement équipées de capteurs comme des caméras ou des capteurs tactiles. Ce type d’agent IA est particulièrement utile pour les tâches dangereuses ou très répétitives – il est souvent plus efficace et économique de confier ces tâches à une intelligence artificielle.

Ce type d’agent IA est combiné à d’autres formes d’intelligence artificielle, ce qui lui permet d’exécuter physiquement des tâches utilitaires ou des missions ciblées, parfois au sein de systèmes multi-agents ou hiérarchiques.

Robots de chaîne d’assemblage

Les chaînes d’assemblage regorgent de robots. Ces agents IA réalisent des tâches comme le soudage, la peinture ou l’assemblage de pièces, avec une grande précision et rapidité.

Parce qu’ils sont intelligents, ils optimisent le temps de production tout en maintenant un niveau de performance constant.

Robots chirurgicaux

La chirurgie exige à la fois précision et fiabilité, ce qui en fait un domaine idéal pour les agents IA.

Des agents robotiques comme le système chirurgical da Vinci assistent les chirurgiens lors d’interventions précises et peu invasives. Ces agents IA n’opèrent pas seuls, mais augmentent les capacités du chirurgien.

Robots agricoles

Les robots sont couramment utilisés tout au long du cycle agricole, du semis à la récolte, en passant par la surveillance des champs.

Ces agents IA contribuent à augmenter la productivité, car il est souvent plus simple pour une machine de planter 10 000 graines de carottes que de demander à un humain de le faire.

Robots de service

Le robot de service le plus célèbre – c’est bien WALL-E. Un autre exemple : les robots de restaurant qui apportent directement à votre table vos commandes à volonté de sushis.

Nous utilisons des robots de service partout : aspirateurs robots, robots d’accueil dans les hôtels, robots de livraison dans toutes sortes d’établissements.

7. Assistants virtuels

Les assistants virtuels fonctionnent grâce au traitement du langage naturel et à l’intelligence artificielle – ce sont sans doute les agents IA les plus connus du grand public.

Ces assistants personnels intelligents comprennent et traitent le langage humain (grâce au traitement du langage naturel) pour accomplir des tâches comme programmer des rappels ou gérer des e-mails.

Ce type d’agent IA intègre aussi un aspect d’apprentissage : il s’adapte à l’utilisateur au fil des interactions, devenant plus personnalisé et efficace avec le temps.

Siri

L’un des premiers assistants virtuels grand public, Siri est intégré à la plupart des appareils Apple : iPhone, iPad, Mac et Apple Watch.

Siri aide pour de nombreuses tâches : passer des appels, envoyer des messages, programmer des rappels, donner des itinéraires ou répondre à des questions générales.

Alexa

Disponible sur les appareils Amazon Echo et d’autres produits compatibles, cet assistant virtuel joue de la musique, contrôle les objets connectés, crée des listes de courses et donne les actualités. Et a rendu le prénom « Alexa » difficile à porter pour les humains.

Google Assistant

Vous connaissez ce programme agent grâce aux téléphones Android et aux enceintes Google Home. Google Assistant est particulièrement performant pour rechercher des informations sur le web, planifier des événements, gérer les objets connectés et traduire en temps réel.

Son intégration poussée avec les services Google le rend très efficace pour tout ce qui concerne les cartes, YouTube ou la recherche.

8. Systèmes multi-agents

La force des systèmes multi-agents, c’est leur diversité et la richesse de leurs interactions.

Les agents de ces systèmes sont très variés, allant d’un simple logiciel qui filtre des données à des entités complexes qui gèrent des fonctions critiques dans les réseaux électriques intelligents ou les transports.

Chaque agent fonctionne de façon semi-autonome, mais il est conçu pour interagir avec les autres, créant ainsi un écosystème dynamique où le comportement collectif émerge des actions individuelles. Pour ce type de programme agent, la collaboration est essentielle.

Systèmes de gestion du trafic

On retrouve ces agents intelligents dans la gestion du trafic : plusieurs agents représentent différents feux de circulation, caméras de surveillance ou systèmes d’information.

Ces agents IA collaborent pour optimiser la circulation, réduire les embouteillages et réagir en temps réel à des situations comme des accidents ou des travaux. Chaque agent gère les données de sa zone et communique avec les autres pour ajuster les feux en conséquence – le travail d’équipe est donc indispensable.

Réseaux électriques intelligents

Les réseaux électriques intelligents font aussi appel à de nombreux agents IA, chacun contrôlant un aspect de la distribution d’électricité, des centrales de production jusqu’aux compteurs connectés chez les particuliers.

Ces agents coopèrent pour équilibrer efficacement l’offre et la demande d’énergie, intégrer les sources renouvelables et maintenir la stabilité du réseau.

La coordination d’un système multi-agents permet une distribution optimale de l’énergie et une meilleure maîtrise des coûts sur l’ensemble du réseau.

Chaîne logistique et logistique

Dans la gestion de la chaîne logistique, les agents représentent différents acteurs : fournisseurs, fabricants, distributeurs, commerçants. Ils coordonnent leurs actions pour optimiser l’ensemble du processus, de l’approvisionnement à la livraison, afin de gagner en efficacité et de réduire les coûts.

Robotique autonome en essaim

Lors de missions d’exploration ou de sauvetage, on déploie parfois des essaims de robots.

Chaque robot fonctionne de manière semi-indépendante mais coordonne ses actions avec les autres agents IA pour couvrir de plus grandes zones, partager des données ou déplacer des objets ensemble.

C’est particulièrement utile dans des environnements difficiles – comme des bâtiments effondrés ou des surfaces planétaires – où la coopération d’un grand système IA permet d’aller bien plus loin que des agents isolés.

9. Agents réflexes simples

Un agent réflexe simple est le plus basique du groupe. Il possède une intelligence très limitée et fonctionne selon une règle condition-action directe.

Ces agents à règles fixes ne conviennent pas aux tâches complexes. Mais ils sont parfaitement adaptés à des tâches précises pour lesquelles ils ont été conçus.

Les agents réflexes simples conviennent aux tâches simples dans un environnement prévisible. Ce type d’agent agit sur son environnement, mais uniquement dans des cas spécifiques.

Thermostats

Il est 18h en hiver ? On monte le chauffage. Il est midi en été ? Cet agent réflexe simple, doté d’une intelligence limitée, enclenchera la climatisation.

Portes automatiques

Même si leur intelligence paraît faible, les portes automatiques sont souvent des exemples d’agents réflexes simples. Cet agent IA détecte une personne devant la porte et l’ouvre. D’une simplicité efficace.

Détecteurs de fumée

Cet agent IA fonctionne depuis le plafond de votre cuisine. Oui, c’est aussi un agent réflexe simple. Il détecte la fumée et déclenche l’alarme.

Filtres anti-spam basiques

Certains agents en intelligence artificielle nous aident au quotidien depuis des années. Le filtre anti-spam des e-mails en fait partie. Les versions basiques n’utilisent pas le traitement du langage naturel, mais se basent sur des mots-clés ou la réputation de l’expéditeur.

Créez votre propre agent IA

Il existe de nombreux types d’agents IA, certains bien plus complexes à concevoir que d’autres.

Mais si vous souhaitez créer un chatbot agentique – capable d’agir dans vos systèmes quotidiens, comme envoyer des e-mails ou planifier des rendez-vous – nous pouvons vous accompagner.

Notre plateforme propose une interface simple en glisser-déposer pour les débutants, et une extensibilité sans limite pour les développeurs expérimentés.

Nous animons aussi une communauté active de plus de 20 000 créateurs de bots, pour vous soutenir tout au long du processus.

Commencez à créer dès aujourd’hui. C’est gratuit.

FAQ

Les agents IA sont-ils conscients ?

Non, les agents IA ne sont pas conscients. Ils suivent des programmes informatiques qui définissent leurs objectifs, même s’ils peuvent agir de façon autonome pour atteindre un résultat.

Quel est le processus de décision et d’action des agents IA ?

Les différents types d’agents IA observent leur environnement et agissent de façons variées. Certains utilisent des données de modélisation, d’autres des capteurs. Leurs objectifs diffèrent selon leur logique programmée.

Qu’est-ce qu’un agent basé sur un modèle ?

Un agent basé sur un modèle désigne aussi un agent réflexe basé sur un modèle : c’est un type d’agent IA qui combine des données passées et des informations actuelles pour déterminer la meilleure action à entreprendre.