Montrer le sommaire Cacher le sommaire
Deux pages produit peuvent décrire la même chose sous deux noms différents, et deux outils qui portent le même nom peuvent faire des choses sans rapport. Le vocabulaire des éditeurs d’IA n’est pas normalisé : il sert autant à positionner commercialement qu’à décrire une fonction. Voici ce que recouvre chaque terme et la question qui permet de trancher en réunion.
Deux questions qui remplacent tout le vocabulaire
Produire du texte, ou agir dans un système
Un outil qui rédige un brouillon d’e-mail vous laisse le travail de l’envoyer, de le classer, de mettre à jour la fiche client. Un outil qui envoie l’e-mail, crée la tâche et modifie la fiche accède en écriture à vos logiciels. Ce n’est ni la même valeur, ni le même risque, ni la même négociation contractuelle. La question à poser : « Quelles actions concrètes l’outil exécute-t-il dans mes systèmes, en lecture et en écriture ? »
Suivre un scénario, ou décider de l’enchaînement
Un scénario écrit à l’avance est prévisible : si le formulaire arrive, alors créer la fiche, puis envoyer l’accusé de réception. Un outil qui décide lui-même de l’ordre des étapes gère mieux les cas non prévus, mais son comportement varie d’une exécution à l’autre. La question à poser : « Qui décide de l’ordre des étapes, votre logiciel ou un paramétrage que je contrôle ? »
Croisez ces deux questions et vous classez n’importe quel produit, quel que soit le nom sur la brochure. La confusion la plus fréquente est détaillée dans notre duel chatbot IA vs agent IA.
Les onze termes, définis
Modèle de langage
Le composant statistique qui, à partir d’un texte en entrée, produit un texte en sortie. Ce n’est pas un produit : c’est une brique, généralement fournie par un tiers — OpenAI, Anthropic, Google ou Mistral AI — que l’éditeur intègre. La question : « Quel type de modèle utilisez-vous, hébergé où, et que devient ce que je lui envoie ? »
Chatbot
Une interface de conversation. Historiquement, des arbres de réponses écrits à la main ; aujourd’hui, le plus souvent un modèle de langage branché sur une base documentaire. Un chatbot répond ; il n’agit pas. La question : « Le chatbot peut-il écrire quelque part, ou seulement répondre ? »
Assistant
Terme générique pour un outil conversationnel qui aide une personne sur des tâches variées : rédiger, résumer, reformuler, chercher. ChatGPT, Claude, Gemini et Le Chat en sont les représentants grand public. Le mot ne dit rien du périmètre. La question : « Sur quelles tâches précises, avec accès à quelles données de mon entreprise ? »
Copilote
Un assistant intégré dans un logiciel métier, qui travaille dans le contexte de ce que vous êtes en train de faire : Microsoft 365 Copilot dans la suite bureautique, GitHub Copilot dans un éditeur de code. La personne reste aux commandes et valide. La question : « Dans quels logiciels exactement, et l’utilisateur valide-t-il chaque sortie ? »
Agent
Un outil qui ne se contente pas de produire une réponse : il enchaîne des étapes et appelle des outils externes pour atteindre un objectif. C’est le seuil du passage à l’action. La question : « Donnez-moi la liste des outils et des permissions que l’agent utilise. »
Agent autonome
Un agent qui déclenche lui-même ses exécutions et va au bout sans validation humaine. Le mot autonome recouvre en réalité un curseur, pas un état binaire : la plupart des produits prévoient des points de validation. La question : « À quels moments précis un humain doit-il valider, et puis-je ajouter des points de contrôle ? »
Système multi-agents
Plusieurs agents spécialisés qui se répartissent un travail, souvent coordonnés par un agent chef d’orchestre. Cela peut améliorer la qualité sur des tâches longues ; cela complique le diagnostic quand le résultat est faux. La question : « Quand le résultat est faux, comment je retrace quelle étape a échoué ? »
RAG, ou génération augmentée par récupération
Une technique : avant de répondre, le système va chercher des extraits dans vos documents et les fournit au modèle. C’est ce qui permet de répondre sur vos procédures internes sans réentraîner quoi que ce soit. La question : « Les réponses citent-elles les documents sources, et comment la base est-elle mise à jour ? »
Fine-tuning
Réentraîner un modèle existant sur un jeu de données spécifique pour ajuster son comportement ou son style. Coûteux, rarement nécessaire pour une TPE ou une PME, et souvent confondu avec le RAG dans les argumentaires. La question : « Fine-tuning ou RAG ? Et si c’est du fine-tuning, sur quelles données, qui les possède ? »
Orchestration
La couche qui décide quel composant intervient, dans quel ordre, avec quels outils, et qui gère les erreurs et les reprises. Invisible pour l’utilisateur, décisive pour la fiabilité. La question : « Que se passe-t-il si une étape échoue à 3 heures du matin, et suis-je prévenu ? »
Workflow automatisé
Un enchaînement d’étapes déclenché par un événement, entièrement défini à l’avance : c’est ce que font Zapier, Make ou n8n. Beaucoup de besoins réels relèvent de cette catégorie et n’ont pas besoin d’un modèle de langage. La question : « Cette automatisation a-t-elle réellement besoin d’IA, ou est-ce une règle conditionnelle ? »
Récapitulatif
| Terme | Ce que ça fait | Ce que ça ne fait pas | Question à poser à l’éditeur |
|---|---|---|---|
| Modèle de langage | Produit du texte à partir de texte | N’accède pas à vos données, n’agit pas | Quel modèle, hébergé où, que deviennent mes données ? |
| Chatbot | Répond dans une interface de conversation | N’écrit pas dans vos logiciels | Peut-il écrire quelque part, ou seulement répondre ? |
| Assistant | Aide une personne sur des tâches de production | Ne travaille pas sans sollicitation | Quelles tâches, avec accès à quelles données ? |
| Copilote | Assiste dans le contexte d’un logiciel métier | Ne décide pas à votre place | Dans quels logiciels, et qui valide les sorties ? |
| Agent | Enchaîne des étapes et appelle des outils | N’est pas forcément sans supervision | Quels outils, quelles permissions exactes ? |
| Agent autonome | Se déclenche et va au bout seul | Ne supprime pas le besoin de contrôle | Où sont les points de validation humaine ? |
| Système multi-agents | Répartit un travail entre agents spécialisés | Ne garantit pas un meilleur résultat | Comment tracer l’étape qui a échoué ? |
| RAG | Cherche dans vos documents avant de répondre | Ne modifie pas le modèle | Les réponses citent-elles les sources ? |
| Fine-tuning | Ajuste un modèle sur un jeu de données | Ne donne pas accès à vos documents à jour | Fine-tuning ou RAG, et sur quelles données ? |
| Orchestration | Coordonne composants, erreurs et reprises | N’est pas visible par l’utilisateur | Que se passe-t-il si une étape échoue ? |
| Workflow automatisé | Exécute un scénario écrit à l’avance | Ne gère pas les cas non prévus | Ce besoin exige-t-il vraiment de l’IA ? |
Les mots qui ne veulent rien dire
Quatre expressions reviennent partout et n’apportent aucune information vérifiable.
« Intelligent » ne décrit aucune capacité. Demandez à la place : sur quelle tâche précise, avec quel taux d’erreur constaté, mesuré comment ?
« Autonome » ne dit pas où s’arrête l’automatisation. Demandez : quelles décisions sont prises sans validation humaine, et lesquelles ne le sont jamais ?
« Propulsé par l’IA » peut désigner aussi bien un modèle de langage qu’un tri statistique vieux de vingt ans. Demandez : quelle partie de la fonction repose sur un modèle, et quelle partie sur des règles ?
« Nouvelle génération » est une comparaison sans point de comparaison. Demandez : par rapport à quoi, et qu’est-ce que cela change dans mon usage quotidien ?
Un éditeur qui répond précisément à ces quatre reformulations vous a déjà appris plus que sa page d’accueil. Et si vous hésitez encore sur la catégorie qu’il vous faut, notre test quelle IA pour mon entreprise vous oriente en huit questions.
Ce que le règlement européen appelle un système d’IA
Le règlement (UE) 2024/1689 est entré en vigueur le 1er août 2024. Il pose, à son article 3, les seules définitions juridiquement contraignantes du domaine.
Le point 1 définit un système d’IA comme un système automatisé conçu pour fonctionner à différents niveaux d’autonomie, pouvant faire preuve d’une capacité d’adaptation après son déploiement, et qui, pour des objectifs explicites ou implicites, déduit, à partir des entrées qu’il reçoit, la manière de générer des sorties telles que des prédictions, du contenu, des recommandations ou des décisions pouvant influencer les environnements physiques ou virtuels.
Le point 63 définit un modèle d’IA à usage général comme un modèle présentant une généralité significative, capable d’exécuter de manière compétente un large éventail de tâches distinctes, indépendamment de la manière dont il est mis sur le marché, et pouvant être intégré dans une variété de systèmes ou d’applications en aval.
Deux conséquences pratiques. D’abord, le règlement distingue le modèle, la brique, du système, le produit qui l’intègre : les obligations ne portent pas sur les mêmes acteurs. Ensuite, la Commission a publié le 29 juillet 2025 des lignes directrices précisant cette définition, qui rappellent qu’un logiciel fondé uniquement sur des règles écrites par des humains n’entre pas dans le champ. Les obligations applicables aux fournisseurs de modèles à usage général s’appliquent depuis le 2 août 2025.
Questions fréquentes
Un chatbot et un agent, est-ce la même chose ?
Non. Un chatbot répond dans une conversation. Un agent exécute des actions dans d’autres systèmes. Un produit peut présenter les deux : une interface de conversation en façade, des actions derrière. La seule façon de savoir est de demander la liste des actions et des permissions.
Faut-il du fine-tuning pour que l’outil connaisse mon entreprise ?
Le plus souvent, non. Pour répondre sur vos procédures, vos tarifs ou vos contrats, le RAG suffit et présente l’avantage de refléter immédiatement la mise à jour d’un document. Le fine-tuning ajuste un comportement ou un style, pas une base de connaissances.
Mon entreprise est-elle concernée par le règlement européen si elle achète un outil ?
Le règlement distingue les fournisseurs et les déployeurs, et vous placerait dans la seconde catégorie. Les obligations dépendent du niveau de risque de l’usage, pas de la taille de l’entreprise. Demandez à l’éditeur sa qualification du système et faites valider votre situation par un conseil.
Comment comparer deux outils qui se décrivent différemment ?
Ignorez les noms. Construisez une grille avec quatre colonnes : les actions exécutées dans vos systèmes, les données auxquelles l’outil accède, les points de validation humaine, et ce qui se passe en cas d’erreur. Deux produits remplis dans cette grille deviennent comparables.
Sources
- Parlement européen et Conseil, « Règlement (UE) 2024/1689 établissant des règles harmonisées concernant l’intelligence artificielle », 13 juin 2024. eur-lex.europa.eu
- Commission européenne, « Lignes directrices sur la définition d’un système d’intelligence artificielle au sens du règlement (UE) 2024/1689 », C(2025) 5053 final, 29 juillet 2025. ai-act-service-desk.ec.europa.eu
- Commission européenne, « Législation sur l’IA ». digital-strategy.ec.europa.eu
