Un assistant conversationnel classique attend une question, produit une réponse, et s’arrête. Un système agentique, lui, reçoit un objectif — « trouve les trois meilleurs prestataires pour ce besoin et prépare une comparaison » — et se charge lui-même de décomposer cet objectif en étapes, d’utiliser des outils (chercher sur le web, consulter un fichier, interagir avec un logiciel) et d’enchaîner ces actions jusqu’au résultat final, sans qu’un humain valide chaque étape intermédiaire.

Cette bascule change la nature du risque associé à l’IA. Face à un système génératif classique, l’erreur la plus probable est une réponse fausse ou mal formulée — désagréable, mais généralement sans conséquence irréversible tant qu’un humain relit avant d’agir. Face à un système agentique, l’erreur peut se traduire directement en action réelle : un envoi de message non désiré, un achat non souhaité, une modification de données que personne n’a explicitement validée. C’est précisément pour cette raison que les outils agentiques les plus sérieux distinguent aujourd’hui les actions qu’ils peuvent effectuer librement de celles qui exigent une confirmation humaine explicite avant d’être exécutées.

Pour le monde du travail, cette famille d’IA rejoint directement les enjeux abordés dans le dossier de ce numéro. Un agent RH qui ne se contente plus de suggérer un candidat, mais qui filtre, classe et écarte lui-même des dossiers avant qu’un recruteur ne les voie, déplace la frontière entre outil d’aide à la décision et décision automatisée à part entière — une distinction dont on a vu qu’elle pèse lourd, tant sur le plan de la consultation du CSE que sur celui de la réglementation européenne. L’autonomie qui fait la force de l’IA agentique est aussi ce qui la rend, juridiquement, la plus délicate à encadrer : plus une machine agit sans validation humaine à chaque étape, plus la question de savoir qui répond de ses actes devient centrale — un chantier juridique qui ne fait, en réalité, que commencer.