Qu'est-ce qu'un agent IA ? Retour sur 70 ans de recherche académique

En 2026, le mot « agent IA » est partout. Sur les sites éditeurs, dans les pitchs commerciaux, dans les annonces de levées de fonds. Pourtant, à peine ouvre-t-on un manuel d'intelligence artificielle qu'on s'aperçoit que la majorité des produits qui revendiquent ce statut ne le tiennent pas. Le terme a une histoire académique précise, longue de plus de 70 ans, et il pose des conditions exigeantes. Cet article retrace cette histoire et restitue la définition canonique du concept.

1955, La conférence de Dartmouth et l'origine du terme

Le terme « agent intelligent » apparaît dans la proposition rédigée par John McCarthy, Marvin Minsky, Nathaniel Rochester et Claude Shannon pour la conférence de Dartmouth de 1956, l'événement fondateur de l'intelligence artificielle. McCarthy y décrit un agent comme « un programme qui perçoit son environnement et agit sur lui ». Cette définition, presque triviale aujourd'hui, contenait déjà les deux propriétés que toute la littérature ultérieure va raffiner : la perception et l'action.

Mais la vraie systématisation viendra plus tard. Pendant les trois décennies suivantes, les chercheurs en IA construisent des systèmes experts, des moteurs de planification, des programmes de jeu d'échecs. Aucun de ces objets ne s'appelle « agent », ce sont des programmes, des solveurs, des inférences. La notion d'agent au sens moderne ne s'impose qu'avec les années 1990, quand l'IA distribuée et la robotique mobile font émerger le besoin d'un cadre conceptuel pour des programmes qui agissent dans des environnements ouverts.

1995, Russell et Norvig posent la définition de référence

Stuart Russell et Peter Norvig publient en 1995 la première édition de Artificial Intelligence: A Modern Approach (AIMA), qui devient instantanément le manuel standard de l'IA dans toutes les universités du monde. Le livre s'organise autour d'une définition unique de l'agent : « Un agent est tout ce qui peut être considéré comme percevant son environnement à travers des capteurs et agissant sur cet environnement à travers des actionneurs. »

L'apport décisif de Russell et Norvig est de définir non pas l'agent en tant que tel, mais l'agent rationnel. Un agent est rationnel si, étant donné une mesure de performance, une connaissance de son environnement, des actions qu'il peut entreprendre et un historique de perceptions, il choisit l'action qui maximise sa performance attendue. Cette définition introduit la notion centrale de mesure de performance, un agent sans objectif explicite n'est pas un agent rationnel, c'est un programme qui exécute.

1995, Wooldridge et Jennings fixent les quatre propriétés

La même année que Russell et Norvig, mais venant d'une autre tradition (l'IA distribuée britannique), Michael Wooldridge et Nick Jennings publient un papier qui va devenir tout aussi structurant : « Intelligent Agents: Theory and Practice ». Ils y proposent une définition opérationnelle qui distingue un agent intelligent d'un programme classique par quatre propriétés simultanément requises.

• Autonomie. L'agent fonctionne sans intervention humaine directe et garde le contrôle de ses actions et de son état interne. Un script déclenché à chaque commande utilisateur n'est pas autonome.
• Réactivité. L'agent perçoit son environnement (qu'il soit physique, logiciel ou humain) et répond aux changements qu'il y observe dans des délais raisonnables.
• Pro-activité. L'agent ne se contente pas de réagir : il prend l'initiative quand son objectif l'exige. Il peut commencer une action sans qu'on le lui demande.
• Capacité sociale. L'agent interagit avec d'autres agents, humains ou logiciels, via un langage de communication (qui peut être structuré, comme KQML ou FIPA-ACL, ou plus libre, comme du langage naturel).

Wooldridge insiste sur le fait que ces quatre propriétés doivent coexister. Un thermostat est réactif mais pas pro-actif (il ne décide pas tout seul d'allumer le chauffage par anticipation). Un planificateur classique est pro-actif mais pas réactif (il fait son plan sans tenir compte des changements en cours d'exécution). Un agent intelligent est les deux, et plus encore.

1995, Jacques Ferber et la dimension organisationnelle

La même année, en France, Jacques Ferber publie Les systèmes multi-agents : vers une intelligence collective. C'est un ouvrage fondateur de l'IA distribuée européenne, qui apporte une dimension décisive et souvent oubliée : un agent n'existe pas seul. Il est situé dans un environnement où d'autres agents évoluent, et il fait partie d'une organisation.

La contribution centrale de Ferber est de séparer l'agent (entité individuelle) du système multi-agents (la société d'agents). Pour caractériser un système multi-agents, Ferber identifie cinq dimensions : les agents et leurs propriétés, l'environnement dans lequel ils évoluent, les interactions entre eux, l'organisation qui structure ces interactions, et la dynamique globale du système. Un agent isolé sans environnement, sans pairs et sans organisation, n'est qu'un programme un peu sophistiqué.

Cette dimension organisationnelle est précisément ce que la plupart des frameworks dits multi-agents de 2026 oublient. Empiler trois LLM qui se parlent en langage naturel ne fait pas un système multi-agents au sens de Ferber, ça fait un orchestrateur.

1987-1995, L'architecture BDI : croyances, désirs, intentions

Au-delà des définitions générales, l'IA des années 1990 produit aussi des architectures concrètes pour structurer un agent. La plus influente est l'architecture BDI (Belief-Desire-Intention), théorisée par Michael Bratman dans Intention, Plans, and Practical Reason (1987) et formalisée par Anand Rao et Michael Georgeff au début des années 1990.

Dans BDI, un agent est constitué de trois bases mentales : ses croyances sur le monde (ce qu'il sait), ses désirs (ce qu'il veut atteindre), et ses intentions (ce qu'il a décidé de faire pour réaliser ses désirs compte tenu de ses croyances). À chaque cycle, l'agent met à jour ses croyances depuis sa perception, en déduit les désirs pertinents, et raisonne pour produire ou réviser ses intentions.

L'architecture BDI a été implémentée dans des dizaines de systèmes industriels, de la gestion de trafic aérien au contrôle de procédés industriels. Elle reste, trente ans plus tard, l'architecture théorique la plus aboutie pour penser un agent rationnel délibératif. Et c'est justement ce qui rend la comparaison avec les agents LLM contemporains éclairante : ces derniers fusionnent souvent les trois composantes BDI dans un seul prompt monolithique, ce qui rend le raisonnement non inspectable.

Pourquoi ces définitions résistent en 2026

Les définitions posées par Russell, Norvig, Wooldridge, Ferber et Bratman ont entre 30 et 40 ans. Elles n'ont pas été produites pour des LLM. Elles n'anticipaient pas la révolution transformer. Et pourtant, elles restent les meilleurs outils pour évaluer un produit qui se réclame d'agent IA en 2026.

Pourquoi ? Parce qu'elles capturent ce qui rend un système réellement autonome, et pas seulement automatisé. Un wrapper LLM qui répond à un prompt sur commande n'est pas autonome au sens de Wooldridge. Une chaîne d'outils orchestrée par un humain qui clique à chaque étape n'est pas pro-active. Un système multi-agents qui ne sait pas qui décide en cas de conflit ne respecte pas la dimension organisationnelle de Ferber.

Le test simple, qui résume les quatre propriétés Wooldridge en une question : « L'agent peut-il refuser de répondre à un humain pour finir sa tâche en cours ? » Si la réponse est non, et c'est non pour 99 % des produits dits agents IA en 2026, alors ce n'est pas un agent au sens fort. C'est un assistant intelligent, ou un wrapper, ou un workflow. Tous ces objets sont utiles. Mais ils ne sont pas des agents.

Un agent est tout ce qui peut être considéré comme percevant son environnement à travers des capteurs et agissant sur cet environnement à travers des actionneurs.

, Stuart Russell et Peter Norvig, AIMA, 1995

Pour aller plus loin

Cet article pose les bases historiques. Trois questions découlent naturellement de ces définitions et méritent leur propre traitement : le terme agent IA est-il devenu galvaudé en 2026 ? Comment la notion de système multi-agents de Ferber se traduit-elle aujourd'hui dans des plateformes productionnables ? Et que recouvre concrètement la définition d'agent que pose Swoft ? Ces trois questions font l'objet d'articles dédiés.