Agence versus autonomie : démêler deux idées fondamentales dans l’IA agente

Récemment, davantage d’attention a été portée à la compréhension de l’IA agente, et en examinant le fonctionnement des agents IA, deux termes qui semblent presque interchangeables à première vue émergent :

L’agentivité.

L’autonomie.

Au premier abord, ces deux concepts se confondent. L’agentivité est définie comme la capacité d’un système à agir, prendre des décisions et poursuivre des objectifs. L’autonomie apparaît ensuite, décrite comme la capacité d’un agent à découvrir comment atteindre un objectif en utilisant les informations et ressources dont il dispose, sans qu’un humain le guide à chaque étape.

C’est là que naît la confusion. Si l’agentivité couvre déjà la prise de décision et l’action, et que l’autonomie implique également ces deux aspects, quel est l’intérêt d’avoir deux termes distincts pour ce qui semble être le même comportement ?

Cette confusion s’est transformée en une occasion d’apprentissage précieuse une fois que les concepts ont été clarifiés.

D’abord, il fallait séparer les deux

La solution consistait à reformuler chaque terme en langage plus simple.

Pour l’agence, la question devient :

Le système peut-il décider et agir en vue d’un objectif ?

Pour l’autonomie, la question devient :

Dans quelle mesure le système peut-il prendre ces décisions et les mettre en œuvre de manière indépendante, sans qu’un humain dirige chaque étape ?

C’est la pièce manquante. L’agence concerne l’existence même de la capacité d’agir et de décider. L’autonomie, quant à elle, porte sur la mesure de liberté dont dispose le système lorsqu’il exerce cette capacité. Une fois formulées de cette manière, ces deux notions cessent de se chevaucher et commencent à décrire des dimensions différentes du même système.

Un agent peut avoir de l’agence sans autonomie totale

Un exemple rend cela concret. Supposons qu’un agent IA reçoive un objectif :

Resolve a customer's payment issue.

L’agent évalue la situation et en déduit les conséquences :

I should check the payment status.

Puis :

I should retry the failed transaction.

Puis :

I should notify the customer.

Ici, le système détermine quelles actions sont pertinentes. Ce processus de raisonnement constitue l’agence.

Imaginons maintenant que le même agent doive s’arrêter avant chaque action pour vérifier :

Agent:
"I want to check the payment system."

Human:
"Approved."

Puis :

Agent:
"I want to retry the transaction."

Human:
"Approved."

L’agent reste celui qui décide de ce qu’il veut faire ensuite. Mais un être humain demeure le gardien qui approuve chaque étape avant qu’elle ne se produise. Ainsi, l’agent dispose de capacité d’action, mais son autonomie est fortement restreinte.

Augmenter maintenant l’autonomie

Donnez maintenant à ce même agent un objectif plutôt qu’une liste de contrôles :

Goal:
Resolve the customer's failed payment.

Et laissez-le effectuer le processus par lui-même :

Inspect payment status
        ↓
Identify the problem
        ↓
Choose the appropriate tool
        ↓
Retry the payment
        ↓
Verify the result
        ↓
Notify the customer

Remarquez ce qui manque : il n’y a aucune instruction de ce type

First do this.
Then do this.
Now call this API.
Now check this.
Now send this.

Seul l’objectif a été spécifié. Le système a déterminé lui-même la séquence des actions, en s’appuyant sur les informations et ressources auxquelles il avait accès. C’est à ce moment-là que l’autonomie cesse d’être une définition abstraite pour devenir quelque chose que l’on peut réellement observer.

La vraie question n’est pas seulement :

Ce système peut-il prendre des décisions ?

Il s’agit également de :

Quel niveau de supervision humaine est nécessaire pour prendre et exécuter ces décisions ?

Le modèle mental à retenir

Après avoir examiné toutes ces définitions, un modèle étonnamment simple émerge.

AGENCY

Can I decide and act toward a goal?

Et :

AUTONOMY

How independently can I decide and act
without step-by-step human direction?

C’est tout. Il n’y a pas besoin de garder en tête une définition longue et complexe.

Agence → capacité.

Autonomie → indépendance.

L’IA agente prend alors une autre forme

Au stade précédent, on a tendance à imaginer les applications d’IA suivant un flux simple :

User asks something
        ↓
Model generates something
        ↓
User receives response

Mais les agents ajoutent une couche complètement différente.

Le système peut avoir un objectif.

Il peut disposer d’une conscience de son environnement.

Il peut posséder des outils et des ressources auxquels il peut recourir.

Au lieu de recevoir explicitement chaque étape intermédiaire, il peut déterminer par lui-même quelles actions sont pertinentes.

Cela change la vision de ce qu’est réellement un agent :

GOAL
  ↓
Observe available information
  ↓
Decide what to do
  ↓
Use available resources
  ↓
Take action
  ↓
Continue toward the goal

Dans cette perspective, l’agentivité et l’autonomie ont chacune une fonction distincte.

L’agentivité concerne la capacité du système à décider et à agir.

L’autonomie concerne le degré d’indépendance dont il dispose pour le faire.

Pourquoi cette distinction est importante pour les ingénieurs

Connaître une définition ne suffit généralement pas. Il est utile de continuer à se poser des questions telles que :

« Pourquoi ce terme doit-il exister ? » « En quoi diffère-t-il de celui qui vient d’être abordé ? » « Quelle fonction remplit-il réellement au sein du système ? »

Le même schéma se retrouve avec l’agence et l’autonomie.

Au début, la carte mentale peut ressembler à ceci :

Agency → decision-making
Autonomy → decision-making

???

Lorsque l’on examine ce qui les distingue, elle devient :

Agency
→ capability to decide and act

Autonomy
→ independence in deciding and acting

Désormais, chaque concept occupe une place distincte dans la manière dont ces systèmes sont modélisés mentalement.

C’est bien plus utile que de se contenter de mémoriser deux définitions au style d’un dictionnaire.

La leçon principale

Le plus grand changement dans la compréhension provient de la réalisation qu’un système n’est pas autonome dès l’instant où il est capable de prendre une décision.

En réalité, deux questions distinctes méritent d’être posées.

Le système peut-il vraiment prendre des décisions et agir en vue d’un objectif ?

C’est ce qu’on appelle l’agentivité.

Et :

Jusqu’à quel point dispose-t-il d’indépendance pour exercer cette capacité, sans qu’un humain dirige chaque mouvement ?

C’est ce qu’on appelle l’autonomie.

La différence entre les deux est subtile.

Mais une fois cela compris, l’IA agentive cesse de paraître si abstraite.

C’est vraiment la partie gratifiante de l’apprentissage dans ce domaine.

Il est mis en question.

On le compare à ce qui est déjà connu.

On en teste les points faibles.

Finalement, un modèle émerge qui est suffisamment simple pour être expliqué à quelqu’un d’autre sans avoir besoin de se référer au matériel source.

C’est généralement le signe que quelque chose a vraiment été assimilé.

L’agence indique si un système est capable de prendre des décisions et d’agir. L’autonomie montre dans quelle mesure il peut le faire de manière indépendante.

Lectures complémentaires

• Agentic AI Explained : Des modèles de langage aux agents autonomes — Une présentation structurée montrant comment les LLM évoluent vers des systèmes agents grâce à des outils, une mémoire, de la planification, des architectures multi-agents et l’intégration MCP.
• Comprendre les agents AI : Objectifs, outils, mémoire et la boucle de l’agent — Une explication adaptée aux débutants sur les différences entre les agents AI et les chatbots, abordant les composants clés, la boucle de décision, les niveaux d’autonomie et des cas d’usage concrets.