Beyond the Chatbot: What Is an Agent?Au-delà du chatbot : qu’est-ce qu’un agent ?
By Suzanne Chartol and Adeline Chartol ·Par Suzanne Chartol and Adeline Chartol ·
Suzanne:
Someone asked me a plain question this week: what is an agent? Not agentic AI, not the architecture underneath it, just the word everyone has started using as though its meaning were already settled. It is the right question, and it deserves an answer before all the vocabulary that usually piles up around it. Here is mine.
An agent is an AI you give a goal to, one that then goes off and does the work of reaching it rather than waiting for your next question, so that where a chatbot is something you talk to, an agent is something you hand a job to. As I write this, one is doing exactly that on the other side of my desk. I gave it a time-tracking export from our accounting system, one of those files that is technically data and functionally useless, the kind that costs someone an afternoon just to make sense of, and asked it to turn the thing into a database I could actually analyze. It is pulling the file apart, repairing the formatting, and loading it while I sit here writing about it, and I did none of that step by step; I told it what I wanted and left the room. That is the whole distinction in one small scene, not a chatbot returning an answer but an agent finishing a task.
We wrote a while ago, in “Who Owns the Output?”, about the human end of this arrangement, the fact that responsibility for anything an AI produces stays with the person who signs their name to it, no matter how capable the machine becomes. This is the other end. Before we can talk sensibly about keeping a person in charge, it helps to be clear about what, exactly, is being kept in charge of.
Most people’s picture of AI is still the chatbot, and for good reason: it is what they have actually touched. You type something, it types back. The exchange begins and ends in the box. That back-and-forth is what people mean by generative AI: you prompt it, it generates a response, and that is the whole transaction. It will follow a conversation perfectly well, but it does not know what you are ultimately trying to accomplish, it cannot reach past the window it lives in, and it does nothing at all until you prompt it again.
Within those limits it is genuinely, sometimes startlingly, useful. My favorite recent proof came from my father, who is 88. We took him to France, which meant he missed one of his meetings, and he thought it could have gone better in his absence: the discussion had wandered off the agenda and doubled back on itself for the better part of an hour. So he took the transcript, dropped it into an AI tool, and watched it lay the conversation out in order, separate what had actually been decided from what had merely been said, and hand him a clean list of action items in a matter of seconds. He was delighted, mostly at the time it had saved him, and I was delighted that he had tried it at all. That is a chatbot doing precisely what it is good at, taking one thing in and handing one useful thing back, which is real value and also, just as plainly, the shallow end of the pool.
The agent starts where that leaves off. The easiest way I have found to feel the difference is to picture how you would deal with a contractor. You do not stand over a good contractor dictating each motion. You give them an outcome, renovate this kitchen, along with a budget and a few boundaries, and you let them plan the work, buy the materials, and come back to you for the choices that genuinely need you. You are still in charge; you are simply no longer laying every tile. That move, from answering questions to carrying out goals, is what people mean by agentic AI.
An agent is meant to be handed a job in that spirit, and to manage it, it is given a few things an ordinary chatbot never had: a goal instead of a single instruction, a set of real tools it can operate rather than merely describe, a memory that carries across the whole task so that what it learns at the third step still counts at the twelfth, and permission to act within limits you draw in advance. What makes it an agent, though, is less any one of those ingredients than the way it uses them, which is in a loop rather than a single reply. It takes stock of the situation, decides on a step, takes it, looks at what happened, and goes around again, correcting as it learns, until either the job is done or it hits something it should not settle on its own. Where a chatbot answers once and then waits, an agent keeps working, the way a competent person would, which is why it can carry a task through a dozen moves instead of one.
If I had to name the single capability that matters most, it would be the tools. A chatbot can write you a flawless set of instructions for reconciling a stack of contracts; an agent opens the systems and reconciles them. The distance between describing the work and doing it is most of what separates this era of AI from the last.
There is a Seinfeld episode that shows the frustrations at opposite ends of that balance, and it is worth ninety seconds of your day for the laugh alone. Jerry hires a contractor named Conrad to redo his kitchen, and Conrad turns out to be maddening in his deference, checking on every last detail until Jerry, worn down, tells him to just decide things himself. Freed of any guidance at all, Conrad builds an enormous, preposterous addition that nobody asked for. The joke doubles as a design principle. A contractor who needs you for every decision is useless, and one with no boundaries whatsoever builds you something you never wanted. The work lies in setting the guardrails, and then trusting what is inside them to make the small calls.
Adeline:
The Conrad joke lands a little differently from where I sit. I have only been working in this field for a few months, but it has been long enough to see that same instinct already written into law before I arrived. The whole architecture of the EU’s AI Act starts from the assumption that you set the boundary before you switch the system on, not after it has already built you the addition nobody asked for. It sorts uses by how much room they are given to decide things on their own, and it asks for the tightest limits exactly where the stakes are highest, not because agents are dangerous by nature but because a boundary discovered after the fact is really no boundary at all, just an expensive lesson.
That is the piece I would add to the contractor picture. The budget and the boundaries are not the paperwork you get through before the interesting part starts; they are the interesting part. Decide them well and the agent’s freedom inside them is what makes it worth having in the first place. Decide them badly, or not at all, and you end up relitigating after the fact what should have been settled in advance, which is a much slower and more expensive way to arrive at the same boundary.
Suzanne:
Adeline has it exactly, and it is the whole point: determine the guardrails before the work begins, and everything inside them stops being a leap of faith and starts being useful. It also changes what you find yourself handing over. What I actually reach for day to day is rarely a question and an answer at all. I built and deployed a small iPhone app for a trip to France, about forty-five minutes of work, so we could split expenses the particular way I wanted instead of paying for the usual subscription. I have an agent working through my team’s sprint history, open roles, and time records to tell me where we are genuinely short-staffed. And for this blog, one agent pulls and sorts the news I draw on while another lives in the shared folder my daughter and I write in, reading and editing the files directly.
Plenty of the rest is closer to a very fast assistant than a true agent, decks and proposals and plans drafted in minutes and then reworked by me, and, honestly, almost everything else besides. I do not really work without it anymore, which is exactly why it is worth keeping straight in your head which of these you are using at any moment: the thing you talk to, or the thing you hand a job to.
Adeline:
On my side of the Atlantic, the day-to-day picture looks less like a tidy list of named agents and more like a spread, because everyone around me is standing somewhere different on it. Some colleagues still treat AI as a chatbot in exactly the sense Suzanne describes, a faster way to get a first draft or a second opinion, and are perfectly right to use it that way for now. Others have already handed over the kind of multi-step, tool-using work she is describing here, and would tell you that going back to doing those steps by hand feels almost willfully inefficient.
I do not think that gap says much about the technology itself. It says more about how much of any given job can be broken into steps clear enough to hand off, and how comfortable each person is deciding, in advance, which of those steps still needs them. That, more than which model or which interface, is the variable that actually predicts who is using a chatbot and who has quietly started using an agent.
Suzanne:
Adeline’s point is the one I would underline. Whether you are using a chatbot or an agent turns out to say less about the software than about how well you understand your own work: which steps can be handed off, and which ones still need you. That, at least, is the what. The harder questions I will save for the second part of this: how these systems actually work underneath, why that becomes so important the moment your work has to be repeated or audited, and what happens when your agent starts dealing directly with someone else’s. That is where the genuinely interesting part begins.
Suzanne writes from the US; Adeline writes from the EU. Neither of us is handing the pen to the machine.
Sources & further reading
Earlier in this series: “Who Owns the Output?” (Transatlantic Intelligence)
And because it’s worth it: Seinfeld, “The Nap” — Jerry’s new kitchen cabinets (clip)
Suzanne :
Cette semaine, quelqu'un m'a posé une question simple : qu'est-ce qu'un agent ? Pas une IA agentique, ni son architecture sous-jacente, juste ce mot que tout le monde utilise désormais comme si sa signification était déjà établie. C'est une question pertinente, et elle mérite une réponse avant que tout le vocabulaire qui l'entoure ne s'y ajoute. Voici la mienne.
Un agent est une IA à qui l'on confie un objectif, et qui se charge ensuite de l'atteindre au lieu d'attendre votre prochaine question. Ainsi, contrairement à un chatbot avec lequel on dialogue, un agent est une IA à qui l'on confie une tâche. Pendant que j'écris ces lignes, un agent est justement en train de faire cela de l'autre côté de mon bureau. Je lui ai fourni un fichier d'exportation de suivi du temps de notre système comptable, un de ces fichiers qui, techniquement, ne sont que des données, mais qui sont fonctionnellement inutilisables, le genre de fichier dont le décryptage prendrait un après-midi entier, et je lui ai demandé de le transformer en une base de données que je pourrais analyser. Il est en train de déconstruire le fichier, de corriger la mise en forme et de le charger pendant que je suis assis ici à rédiger ce texte, et je n'ai rien fait de tout cela étape par étape ; je lui ai simplement indiqué ce que je voulais et je suis parti. Voilà toute la différence, en une seule scène : non pas un chatbot qui renvoie une réponse, mais un agent qui termine une tâche.
Nous avons déjà abordé, dans notre article « À qui appartient la production ? », l'aspect humain de ce système : la responsabilité de tout ce qu'une IA produit incombe à la personne qui y appose sa signature, quelles que soient les capacités de la machine. Voici l'autre aspect. Avant de pouvoir discuter de manière pertinente du maintien du contrôle humain, il est essentiel de bien définir précisément ce qui est concerné.
Pour la plupart des gens, l'IA se résume encore au chatbot, et à juste titre : c'est ce qu'ils ont réellement utilisé. On tape un message, il répond. L'échange se limite à cette fenêtre. C'est ce va-et-vient que l'on appelle IA générative : on lui donne une instruction, elle génère une réponse, et c'est tout. Elle suivra parfaitement une conversation, mais elle ignore l'objectif final, elle ne peut pas aller au-delà de son environnement immédiat et elle reste inactive jusqu'à ce qu'on la sollicite à nouveau.
Dans ces limites, c'est véritablement, et parfois même étonnamment, utile. Mon père, âgé de 88 ans, en est un bon exemple récent. Nous l'avons emmené en France, ce qui a eu pour conséquence qu'il a manqué une réunion. Il a estimé que la discussion aurait pu mieux se dérouler en son absence : elle s'était éloignée de l'ordre du jour et avait tourné en rond pendant près d'une heure. Il a donc récupéré la transcription, l'a intégrée à un outil d'IA et a observé celui-ci remettre la conversation dans l'ordre, distinguer les décisions prises des simples paroles et lui fournir une liste claire de tâches à accomplir en quelques secondes. Il était ravi, surtout du temps que cela lui avait fait gagner, et j'étais ravi qu'il ait simplement essayé. Voilà un chatbot qui fait exactement ce qu'il sait faire : analyser une information et en fournir une autre utile. C'est une réelle valeur ajoutée, mais aussi, il faut bien le dire, la partie la plus superficielle du problème.
L'agent prend le relais. Pour bien saisir la différence, imaginez votre relation avec un entrepreneur. Vous ne le surveillez pas de près en lui dictant chaque geste. Vous lui donnez un objectif, par exemple rénover cette cuisine, avec un budget et quelques contraintes, et vous le laissez planifier les travaux, acheter les matériaux et revenir vers vous pour les choix qui nécessitent réellement votre avis. Vous gardez le contrôle ; vous ne posez simplement plus chaque carreau. Ce passage de la réponse aux questions à la réalisation des objectifs, c'est ce que l'on appelle l'IA agentive.
Un agent est conçu pour recevoir une mission précise et, pour la mener à bien, il dispose de plusieurs éléments qu'un chatbot classique n'a jamais eus : un objectif plutôt qu'une simple instruction, un ensemble d'outils concrets qu'il peut utiliser au lieu de simplement décrire, une mémoire qui se conserve tout au long de la tâche (ce qu'il apprend à la troisième étape reste pertinent à la douzième), et l'autorisation d'agir dans les limites que vous avez définies au préalable. Ce qui le caractérise, cependant, c'est moins chacun de ces éléments pris individuellement que la manière dont il les utilise : de façon itérative plutôt que par une simple réponse. Il analyse la situation, décide d'une action, la met en œuvre, examine le résultat et recommence, en corrigeant au fur et à mesure, jusqu'à ce que la tâche soit terminée ou qu'il rencontre un problème qu'il ne peut résoudre seul. Là où un chatbot répond une fois puis attend, un agent continue de travailler, comme le ferait une personne compétente, ce qui explique pourquoi il peut mener à bien une tâche en une douzaine d'étapes au lieu d'une seule.
S'il fallait retenir une seule capacité, ce serait les outils. Un chatbot peut fournir des instructions précises pour la réconciliation d'un grand nombre de contrats ; un agent, quant à lui, ouvre les systèmes et effectue la réconciliation. C'est précisément cet écart entre la description du travail et son exécution qui distingue cette ère de l'IA de la précédente.
Il existe un épisode de Seinfeld qui illustre parfaitement les frustrations liées à cet équilibre délicat, et il vaut bien une minute et demie de votre temps rien que pour le rire. Jerry engage un entrepreneur nommé Conrad pour refaire sa cuisine, et Conrad se révèle exaspérant par sa déférence, vérifiant le moindre détail jusqu'à ce que Jerry, à bout de nerfs, lui dise de prendre les décisions lui-même. Libéré de toute contrainte, Conrad construit une extension énorme et absurde que personne n'avait demandée. Cette situation comique sert également de leçon de conception. Un entrepreneur qui vous demande votre avis sur chaque décision est inutile, et celui qui n'a aucune limite vous construit quelque chose que vous n'avez jamais voulu. Le travail consiste à définir des limites, puis à faire confiance à son intuition pour les petites décisions.
Adeline :
La blague de Conrad me paraît un peu différente. Je ne travaille dans ce domaine que depuis quelques mois, mais cela a suffi pour constater que ce même réflexe était déjà inscrit dans la loi avant mon arrivée. Toute l'architecture de la loi européenne sur l'IA repose sur le principe que l'on définit les limites avant la mise en service du système, et non après coup, lorsqu'il a déjà intégré une fonctionnalité non sollicitée. Elle classe les utilisateurs selon leur marge de manœuvre et impose les limites les plus strictes là où les enjeux sont les plus importants, non pas parce que les agents sont dangereux par nature, mais parce qu'une limite découverte a posteriori n'en est plus une, mais une leçon coûteuse.
Voilà l'élément que j'ajouterais au tableau du prestataire. Le budget et les limites ne sont pas les formalités administratives à accomplir avant que les choses sérieuses ne commencent ; ils constituent le cœur même du projet. Bien définis, ces éléments offrent à l'agent une liberté d'action précieuse, ce qui justifie pleinement leur mise en place. À l'inverse, une mauvaise définition, voire une absence totale de définition, vous contraindra à rouvrir des litiges a posteriori sur des points qui auraient dû être réglés en amont, une démarche bien plus longue et coûteuse pour parvenir aux mêmes limites.
Suzanne :
Adeline a parfaitement raison, et c'est là tout l'enjeu : définir les limites avant de commencer le travail, et tout ce qui s'y trouve cesse d'être un acte de foi et devient utile. Cela change aussi la nature des informations que l'on fournit. Au quotidien, j'utilise rarement des questions et des réponses. J'ai créé et déployé une petite application iPhone pour un voyage en France, environ quarante-cinq minutes de travail, afin de pouvoir partager les frais comme je le souhaitais, au lieu de payer l'abonnement habituel. J'ai un agent qui analyse l'historique des sprints de mon équipe, les postes vacants et les relevés de temps pour m'indiquer où nous sommes réellement en sous-effectif. Et pour ce blog, un agent extrait et trie les articles sur lesquels je m'appuie, tandis qu'un autre travaille dans le dossier partagé où ma fille et moi écrivons, lisant et modifiant directement les fichiers.
Pour le reste, il s'apparente davantage à un assistant très rapide qu'à un véritable agent : présentations, propositions et plans sont rédigés en quelques minutes, puis retravaillés par mes soins, et, honnêtement, c'est le cas pour presque tout le reste. Je ne travaille plus vraiment sans lui, c'est pourquoi il est essentiel de bien distinguer à chaque instant l'outil que vous utilisez : celui avec lequel vous communiquez, ou celui auquel vous confiez une tâche.
Adeline :
De mon côté de l'Atlantique, le quotidien ressemble moins à une liste bien ordonnée d'agents qu'à une mosaïque, car chacun occupe une place différente. Certains collègues considèrent encore l'IA comme un chatbot, au sens précis du terme décrit par Suzanne : un moyen rapide d'obtenir une première ébauche ou un deuxième avis. Ils ont d'ailleurs parfaitement raison de l'utiliser ainsi pour le moment. D'autres, en revanche, ont déjà automatisé le type de tâches complexes et fastidieuses qu'elle décrit ici, et vous diraient que revenir à une approche manuelle leur paraît presque volontairement inefficace.
Je ne pense pas que cet écart soit révélateur de la technologie elle-même. Il en dit plus long sur la façon dont une tâche peut être décomposée en étapes suffisamment claires pour être déléguées, et sur la capacité de chacun à décider à l'avance des étapes qui nécessitent encore son intervention. C'est ce facteur, plus que le modèle ou l'interface, qui permet réellement de prédire qui utilise un chatbot et qui a discrètement commencé à faire appel à un agent.
Suzanne :
Le point soulevé par Adeline est celui que je tiens à souligner. Utiliser un chatbot ou un agent en dit finalement moins long sur le logiciel lui-même que sur votre compréhension de votre propre travail : quelles étapes peuvent être déléguées et lesquelles nécessitent encore votre intervention. Voilà pour le « quoi ». Je réserve les questions plus complexes pour la suite : comment ces systèmes fonctionnent-ils concrètement ? Pourquoi cela devient-il si important dès lors que votre travail doit être répété ou audité ? Et que se passe-t-il lorsque votre agent commence à interagir directement avec le travail d'un autre utilisateur ? C'est là que les choses deviennent vraiment intéressantes.
Suzanne écrit des États-Unis ; Adeline écrit de l’Union européenne. Aucune de nous deux ne laisse la plume à la machine.
Sources et lectures complémentaires
Article précédent de cette série : « À qui appartiennent les résultats ? » (Transatlantic Intelligence)
Et parce que ça vaut le coup : Seinfeld, « La sieste » — Les nouveaux placards de cuisine de Jerry (extrait)
Also published on Substack.
Subscribe to get new dispatches by email.
Également publié sur Substack.
Abonnez-vous pour recevoir les nouvelles dépêches par e-mail.
SubscribeS'abonner
AI and governance, across the Atlantic — delivered to your inbox.IA et gouvernance, de part et d'autre de l'Atlantique — dans votre boîte mail.