L'IA agentique désigne des programmes d'intelligence artificielle, les agents, qui poursuivent un objectif, utilisent des outils et exécutent des tâches en plusieurs étapes, au lieu de seulement répondre à une question. En supply chain, un agent peut par exemple surveiller les retards de livraison des fournisseurs, construire un plan de transport ou préparer une consultation d'achat, l'humain gardant la décision. Le sujet reste jeune : Gartner prévoit que plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027.
IA agentique : définition
Il n'existe pas de définition unique d'un agent IA. Les traits qui reviennent sont les suivants :
- un comportement orienté vers un but : on confie à l'agent un objectif, pas une suite d'instructions ;
- l'usage d'outils externes : l'agent consulte une base de données, interroge un logiciel, lance un calcul ;
- l'action sur son environnement : il crée une commande, un ticket, un plan, et ne se contente pas de produire un texte ;
- des tâches en plusieurs étapes, menées sans intervention à chaque étape.
La plupart des agents actuels s'appuient sur un grand modèle de langage, auquel s'ajoutent une mémoire, une logique de planification, des connexions aux logiciels de l'entreprise et un logiciel d'orchestration qui coordonne plusieurs agents. Le mot « agentique » ne s'est répandu qu'en 2024. Le Model Context Protocol (MCP), publié fin 2024, est devenu une façon standard de brancher un agent sur des outils et des données.
IA prédictive, générative, agentique et RPA : quelle différence
Les intervenants de Tech for Industry Show décrivent trois étages qui s'ajoutent sans se remplacer :
- l'IA prédictive (apprentissage automatique) prévoit : une panne, une demande, une dérive de qualité ;
- l'IA générative produit du texte ou des images et permet de dialoguer avec un logiciel en langage courant ;
- l'IA agentique combine les deux pour choisir elle-même la façon de résoudre un problème, puis agir.
La RPA (automatisation robotisée des processus) exécute, elle, des règles fixes écrites à l'avance : elle change l'acteur d'une tâche sans changer la tâche. L'agent intervient sur les étapes qui demandaient un jugement, comme lire un document non standard ou arbitrer entre deux fournisseurs. Gartner met en garde contre l'« agent washing », qui consiste à rebaptiser agents des assistants, des robots RPA ou des chatbots qui n'en ont pas les capacités : selon le cabinet, environ 130 des milliers d'éditeurs qui se disent agentiques le sont vraiment.
Ce que l'IA agentique fait en supply chain
Les usages présentés par les industriels portent surtout sur des décisions répétitives, nombreuses et coûteuses à coordonner à la main :
- la surveillance des fournisseurs : repérer les retards et les signaux faibles sur l'ensemble des sites, puis proposer un ajustement des délais ou des commandes ;
- la planification du transport : construire le plan des flux entrants à partir des coûts, des routes et des contraintes des usines ;
- les achats : préparer une consultation, comparer les offres aux données des fournisseurs, proposer une décision à l'acheteur ;
- les paramètres de planification : recalculer les stocks de sécurité et les fréquences de commande au fil des changements ;
- les données produit : rédiger, traduire et mettre en conformité les fiches de milliers de références.
Gartner distingue les décisions selon leur risque : le réapprovisionnement et la priorisation des commandes se prêtent davantage à l'automatisation, tandis que la conception du réseau logistique et la politique de stocks continuent de demander un jugement humain. Pour la planification classique et ses outils, voir notre guide Logiciel supply chain.
Où en sont les entreprises
Les prévisions des analystes restent prudentes :
- plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027, pour des coûts qui augmentent, une valeur peu claire ou des contrôles de risque insuffisants (Gartner, juin 2025) ;
- au moins 15 % des décisions de travail quotidiennes seront prises de façon autonome par des agents en 2028, contre 0 % en 2024 (Gartner, juin 2025) ;
- en planification de la supply chain, seulement 5 % des organisations qui automatisent leur planification prendront au moins 10 % de leurs décisions de façon autonome d'ici 2030 (Gartner, septembre 2026) ;
- dans la même enquête, menée fin 2025 auprès de 243 dirigeants de grandes entreprises, 83 % avaient déjà dépensé au moins 3 millions de dollars pour automatiser leur planification, IA comprise.
Autrement dit, les budgets sont engagés, mais la décision autonome reste rare. Les raisons citées : la qualité des données, la répartition des responsabilités, les compétences et l'architecture des systèmes.
Ce qu'en disent les industriels à Tech for Industry Show
À Tech for Industry Show 2026, à Paris Expo Porte de Versailles :
- Stellantis a présenté ses agents sur toute la chaîne de valeur. En supply chain, l'outil Optima construit le plan de transport entrant d'environ 40 usines et de centaines de fournisseurs, une planification qui prenait des jours à la main et générait des erreurs. Aux achats, des agents préparent les consultations et confrontent les offres aux données des fournisseurs. En qualité, un agent lit les fiches de poste, repère les anomalies et crée les tickets, avec 11 usines alignées pour le déploiement. Le groupe évalue un agent simple entre 0,5 et 1 dollar par interaction, contre 5 à 8 dollars pour une personne, et jusqu'à 10 dollars pour des agents complexes qui se coordonnent : d'où un suivi des coûts agent par agent. Lire l'article
- Sanofi avance par paliers : un outil de corrélation surveille les retards de livraison de tous les fournisseurs sur ses 38 sites de production et propose des actions, l'utilisateur gardant la main tant que la confiance n'est pas installée, avant de laisser un jour le système ajuster seul un délai ou placer une commande. Lire l'article
- Michelin a automatisé ses services partagés depuis 2018, avec environ 170 robots RPA en production. Certaines étapes restaient manuelles parce qu'elles demandaient un jugement, par exemple dans les achats ; les agents permettent de les couvrir, à condition de repenser le processus et d'orchestrer ensemble les personnes, les robots et les agents, y compris ceux des autres logiciels du groupe. Lire l'article
- Legrand a confié à une équipe d'agents la rédaction, la traduction et la mise en conformité des données de ses quelque 500 000 références, vendues dans plus de 90 pays : le déploiement d'un catalogue complet dans un nouveau pays est passé de 12 mois à 3 semaines. Les équipes valident et corrigent le travail des agents. Lire l'article
Les conférences sont à revoir en replay : IA agentique : quelles applications concrètes pour l'industrie, quel ROI ?, De la RPA à l'automatisation agentique.
Les risques et les garde-fous
Un agent agit dans les logiciels de l'entreprise : ses erreurs ont des effets réels. Les garde-fous décrits par les industriels :
- une identité et des droits : l'agent agit avec les autorisations de la personne qui lui délègue la tâche, et cette personne reste responsable ;
- des propriétaires désignés : chez Microsoft, chaque agent a au moins deux responsables, et un agent dont les deux responsables quittent l'entreprise est bloqué ;
- la traçabilité : garder la trace de ce que fait chaque agent et pouvoir expliquer chaque décision ;
- une autonomie graduée : autonome sur les petits ajustements, l'agent alerte sur les gros écarts et l'humain arbitre ;
- la qualité des données : des données de production fausses peuvent orienter les décisions d'un agent, un risque d'empoisonnement des données signalé par Velotic ;
- le coût : chaque interaction a un prix, qui croît avec la complexité des agents.
Côté réglementation, le règlement européen sur l'IA (règlement (UE) 2024/1689) ne crée pas de catégorie propre aux agents : les obligations dépendent de l'usage. Ses règles pour les systèmes à haut risque ont été reportées par le règlement (UE) 2026/1744 du 8 juillet 2026 : elles s'appliqueront le 2 décembre 2027 pour les usages listés à l'annexe III et le 2 août 2028 pour l'IA intégrée à des produits réglementés listés à l'annexe I, comme les machines.
Les exposants 2027 qui proposent des agents IA
À rencontrer à Tech for Industry Show 2027 (liste par ordre alphabétique) :
- Aras Software : plateforme de gestion du cycle de vie des produits (PLM) et de continuité numérique, qui relie les équipes aux données produit et à des agents IA.
- Celonis : plateforme d'analyse et d'exploitation des processus (process mining) qui donne aux agents IA le contexte des processus de l'entreprise.
- IFS : éditeur d'une plateforme modulaire (ERP, gestion des actifs et des services) avec de l'IA agentique intégrée.
- KBRW Adventure : éditeur français d'un moteur d'exécution agentique pour orchestrer les flux de la supply chain en temps réel.
- Neptune Software : plateforme de développement d'applications, de processus et d'agents IA reliés à l'ERP SAP.
- Poka : plateforme pour les opérateurs de première ligne, avec des agents IA encadrés.
Comment démarrer un projet d'IA agentique
1. Partir d'une décision, pas de la technologie : choisir une décision fréquente et coûteuse (réapprovisionnement, priorisation, relance fournisseur) et le résultat attendu.
2. Décider du niveau d'autonomie : l'agent propose, assiste ou agit seul, selon la valeur, le risque et la part de jugement humain.
3. Préparer les données et le contexte : référentiels propres, vocabulaire commun, systèmes sources (ERP, MES, WMS) réellement utilisés.
4. Repenser le processus : un agent ajouté à un processus inchangé ne donne que des gains marginaux.
5. Fixer les garde-fous : droits d'accès, responsables désignés, traçabilité, reprise en main par l'humain.
6. Mesurer l'amélioration des décisions, pas le nombre d'agents : délais, erreurs, coûts évités, et le coût de chaque agent.
Questions fréquentes
Qu'est-ce que l'IA agentique ?
Des programmes d'IA qui poursuivent un objectif, utilisent des outils et agissent dans les logiciels de l'entreprise en plusieurs étapes, au lieu de seulement répondre à une question.
Quelle différence entre un agent IA et un assistant d'IA générative ?
L'assistant répond à une demande. L'agent planifie et exécute une tâche, par exemple créer un ticket ou préparer une commande, avec les droits qu'on lui accorde.
Quelle différence entre l'IA agentique et la RPA ?
La RPA applique des règles fixes écrites à l'avance. L'agent traite aussi les étapes qui demandent un jugement. Les deux se combinent : l'agent décide ou propose, le robot exécute.
Quels usages de l'IA agentique en supply chain ?
La surveillance des fournisseurs, la planification du transport, la préparation des achats, le recalcul des paramètres de planification et la gestion des données produit sont les usages présentés par les industriels au salon.
L'IA agentique est-elle encadrée par l'AI Act ?
Oui, selon son usage : le règlement européen sur l'IA s'applique aux agents comme aux autres systèmes. Les règles des systèmes à haut risque s'appliqueront le 2 décembre 2027 ou le 2 août 2028 selon les cas.
Combien coûte un agent IA ?
Stellantis évalue un agent simple entre 0,5 et 1 dollar par interaction, et jusqu'à 10 dollars pour des agents complexes qui se coordonnent.
