Agentic AI : les 5 niveaux de l'IA, et où en est vraiment votre PME

TL;DR

• Cinq niveaux se superposent et sont sans cesse confondus : machine learning → deep learning → IA générative → agents IA → Agentic AI. Chacun suppose le précédent.
• Un agent IA ne répond pas, il agit : il planifie, appelle des outils, garde un contexte et corrige ses erreurs. Sans ces quatre capacités, c'est un LLM avec un prompt.
• L'Agentic AI n'est pas un agent plus gros. C'est un système d'agents qui coopèrent, avec orchestration, mémoire persistante, supervision et gouvernance.
• La plupart des entreprises qui annoncent faire de l'Agentic AI font tourner un LLM et quelques prompts. Ce n'est pas un défaut : c'est souvent le bon niveau pour elles. Le défaut, c'est de croire qu'on est au niveau 5 quand on est au niveau 3, et de budgéter en conséquence.
• Le niveau qui vous convient ne se déduit pas de la technologie disponible mais de ce que vous êtes prêt à laisser une machine décider sans vous.

---

Pourquoi cette confusion coûte cher

« Agentic AI » est devenu le mot que tout le monde emploie et que peu de gens situent. Le problème n'est pas sémantique : il est budgétaire. Une PME qui croit acheter un système d'agents autonomes et qui reçoit un assistant conversationnel a payé un niveau 5 pour un niveau 3. L'inverse existe aussi, et coûte plus cher encore : engager une architecture d'agents là où trois automatisations bien placées auraient suffi.

Cet article situe les cinq niveaux, ce que chacun exige réellement, et comment savoir où vous êtes.

Les cinq niveaux

1. Machine learning

Un modèle apprend à partir de données pour prédire ou classer. Prévision de demande, détection d'anomalies comptables, scoring de leads. Rien de génératif : le modèle range, note ou anticipe.

Ce qu'il exige : des données historiques propres, en quantité, et étiquetées. C'est presque toujours là que les projets calent, pas sur le modèle.

2. Deep learning

Des réseaux de neurones profonds traitent des structures que le ML classique ne saisit pas : image, son, texte libre. Contrôle qualité visuel sur une ligne de production, reconnaissance de pièces, transcription.

Ce qu'il exige : beaucoup plus de données encore, et généralement du calcul spécialisé. Pour une PME, ce niveau s'achète bien plus souvent qu'il ne se construit.

3. IA générative

Le modèle produit du contenu. C'est la couche des LLM, et celle où se situe l'écrasante majorité des usages en entreprise aujourd'hui : rédaction, synthèse, traduction, extraction de données depuis des documents.

C'est aussi la couche du RAG — brancher le modèle sur vos propres documents pour qu'il réponde à partir de vos contenus plutôt que de sa mémoire d'entraînement. Le RAG est expliqué en détail dans notre guide sur le RAG en entreprise.

Ce qu'il exige : un cadrage des données qui sortent de chez vous. C'est le niveau où la question LPD se pose pour de bon — voir utiliser ChatGPT en entreprise suisse sans enfreindre la LPD.

4. Agents IA

Bascule réelle. L'IA ne répond plus, elle poursuit un objectif. Quatre capacités la distinguent d'un LLM bien prompté :

Si les quatre ne sont pas là, ce n'est pas un agent. Le test est simple et il ne pardonne pas : enlevez l'humain qui relance à chaque étape. Est-ce que ça continue ?

C'est le niveau que nous déployons le plus souvent chez nos clients — voir agents IA en entreprise et le coût réel d'un agent IA pour une PME suisse.

5. Agentic AI

Plusieurs agents coopèrent au sein d'un système. Ce qui apparaît à ce niveau n'est plus de l'intelligence, c'est de l'infrastructure :

• Orchestration — qui déclenche qui, dans quel ordre, avec quelles priorités
• Mémoire persistante — un état partagé qui survit aux exécutions
• Planification — répartir un objectif entre des agents aux rôles distincts
• Supervision — savoir en continu ce que chacun fait, et ce qu'il a raté
• Gouvernance — qui a le droit de décider quoi, et où s'arrête l'autonomie

L'IA ne fait plus une tâche. Elle opère un système. Et c'est précisément pour ça que le niveau 5 n'est pas un achat de modèle : c'est une architecture, avec les coûts d'exploitation d'une architecture.

La pile, dans l'ordre

Machine Learning
      ↓
Deep Learning
      ↓
IA Générative  (LLM, RAG)
      ↓
Agents IA
      ↓
Agentic AI

Chaque niveau repose sur le précédent. On ne saute pas une marche : un système d'agents mal nourri en données reste un système mal nourri en données, avec plus de pièces à surveiller.

Comment savoir où vous êtes vraiment

Trois questions, dans cet ordre. La première à laquelle vous répondez « non » vous situe.

1. Est-ce que votre IA agit sur vos systèmes, ou est-ce qu'elle vous répond ? Si elle vous répond et que c'est vous qui agissez, vous êtes au niveau 3. C'est un niveau parfaitement respectable, et rentable.
2. Si vous arrêtez de la relancer, est-ce qu'elle finit le travail ? Si oui, vous avez un agent. Sinon, vous avez un assistant.
3. Est-ce que plusieurs agents se passent le relais sans que personne n'arbitre ? Si oui, et seulement si oui, vous faites de l'Agentic AI.

Nous avons construit des systèmes de plusieurs dizaines d'agents et rencontré la limite de face : à un certain point, tous attendaient après nous. L'orchestration n'était pas dans le système, elle était dans notre tête. Un système d'agents qui a besoin d'un humain au centre n'est pas autonome — c'est un carrefour avec un agent de circulation.

Ce que nous recommandons aux PME romandes

Le niveau juste est rarement le plus haut. Dans la grande majorité des mandats que nous menons en Suisse romande, la valeur se trouve aux niveaux 3 et 4 : de l'IA générative branchée sur les bonnes données, et deux ou trois agents qui prennent en charge un processus complet de bout en bout.

Le niveau 5 devient pertinent quand plusieurs processus déjà automatisés doivent se coordonner entre eux — et pas avant. Y aller trop tôt revient à construire une tour de contrôle pour un aérodrome sans avions.

Si vous ne savez pas à quel niveau vous situer, l'exercice de cadrage est le même que pour tout projet IA : commencer par mesurer, pas par outiller. Notre check-list d'audit IA pour PME sert exactement à ça, et le glossaire IA définit chacun des termes employés ici.

Questions fréquentes

Agentic AI et multi-agents, est-ce la même chose ? En pratique, les deux termes désignent la même famille de systèmes. « Multi-agents » décrit la structure, « Agentic AI » décrit le comportement attendu : un système qui poursuit un objectif sans supervision continue.

Faut-il un LLM différent par agent ? Non, et c'est un contresens fréquent. Ce qui distingue les agents, ce sont leurs rôles, leurs outils et leurs permissions, pas nécessairement leur modèle. Plusieurs agents partagent très souvent le même modèle.

Combien coûte le passage du niveau 3 au niveau 4 ? Chez Les Précurseurs Lab, un agent IA métier se situe entre 8 et 30 KCHF de build, avec un run mensuel de 0,5 à 2 KCHF selon les volumes. Le détail est sur la page tarifs.

Peut-on rester au niveau 3 ? Oui, et beaucoup d'entreprises devraient. Un RAG bien construit sur vos documents crée plus de valeur qu'une architecture d'agents mal cadrée, pour une fraction du coût et du risque d'exploitation.