Agentique : définition, lectures d’OpenAI et d’Anthropic, Claude Code

« Agentique » est devenu l’adjectif obligatoire de toute plaquette commerciale depuis 2025, ce qui l’a vidé d’une partie de son sens. Il en garde pourtant un, précis et utile : un système est agentique quand un modèle de langage ne se contente plus de répondre, mais décide lui-même des actions à enchaîner pour atteindre un but, en appelant des outils et en observant leurs résultats. Tout le reste, autonomie, mémoire, planification, découle de cette boucle.

→ Lire l’explication complète de la marmotte

La définition générale : une boucle, pas un modèle

Un modèle de langage seul produit du texte. Il devient agentique quand on l’insère dans une boucle à trois temps : il décide d’une action (lire un fichier, interroger une base, lancer une commande), l’environnement exécute cette action, et le résultat lui revient comme nouvelle entrée. Le modèle choisit alors l’action suivante, et ainsi de suite jusqu’à ce qu’il estime le but atteint ou qu’une limite l’arrête. L’agent n’est donc pas un modèle particulier : c’est un modèle, des outils, des instructions et un programme qui fait tourner la boucle.

Trois propriétés distinguent un agent d’un simple assistant conversationnel :

L’usage d’outils. Le modèle produit des appels structurés (une fonction et ses paramètres) que le programme hôte exécute réellement. C’est le passage du texte à l’effet, détaillé côté risques dans la validation du function calling.
Le contrôle du déroulé. C’est le modèle, et non un code écrit à l’avance, qui décide de l’ordre et du nombre des étapes. Deux exécutions de la même demande peuvent suivre deux chemins différents.
L’autonomie graduée. Entre l’assistant qui demande confirmation à chaque geste et l’agent qui travaille seul pendant des heures, il existe toute une échelle. Le degré d’autonomie est un réglage, pas une nature.

La distinction qui compte en pratique est celle entre workflow et agent. Dans un workflow, des appels au modèle sont orchestrés par un code fixe : étape 1, puis étape 2, puis vérification. Dans un agent, le modèle tient lui-même le volant. Le workflow est prévisible et testable ; l’agent s’adapte aux situations imprévues, au prix d’un comportement moins déterministe et d’un coût moins borné. Beaucoup de produits dits agentiques sont en réalité des workflows, ce qui est souvent une excellente nouvelle pour leurs utilisateurs.

La lecture d’OpenAI : un système qui accomplit des tâches à votre place

Dans son guide pratique sur la construction d’agents, publié en avril 2025, OpenAI définit un agent comme un système qui accomplit des tâches de manière indépendante pour le compte de l’utilisateur. Le guide insiste sur deux critères : le modèle pilote l’exécution d’un flux de travail et reconnaît lui-même quand celui-ci est terminé, et il dispose d’outils pour agir sur des systèmes extérieurs, en choisissant lequel employer selon l’état de la tâche.

Le guide décompose un agent en trois fondations : un modèle, qui raisonne et décide ; des outils, qui lui donnent prise sur le monde (lecture de données, actions) ; des instructions, qui fixent son comportement. Il recommande de commencer par un seul agent, enrichi d’outils, avant d’envisager plusieurs agents coordonnés, et consacre une large part aux garde-fous : filtres en entrée et en sortie, évaluation du risque de chaque outil, et retour à un humain quand l’agent échoue de façon répétée ou s’apprête à une action à fort impact.

Côté produits, cette lecture s’est traduite en 2025 par une boîte à outils pour développeurs (l’Agents SDK, kit de développement publié en mars 2025, qui fournit la boucle, le passage de relais entre agents et les garde-fous), par Operator, un agent capable de piloter un navigateur web, présenté en janvier 2025 puis intégré à ChatGPT sous le nom de ChatGPT agent en juillet 2025, et par Codex, un agent de développement logiciel décliné en ligne de commande et en service hébergé. La philosophie générale : l’agent est un produit que l’on assemble, avec des briques fournies par la plateforme.

La lecture d’Anthropic : préférer le plus simple qui marche

Anthropic a publié en décembre 2024 un texte d’ingénierie, « Building effective agents », devenu une référence parce qu’il commence par refroidir l’enthousiasme. Il range les workflows et les agents sous le terme commun de systèmes agentiques, puis les distingue nettement : les workflows sont des systèmes où modèles et outils sont orchestrés par des chemins de code prédéfinis ; les agents sont des systèmes où le modèle dirige dynamiquement son propre processus et son usage des outils.

La brique de base y est le « LLM augmenté » : un modèle de langage doté de recherche documentaire, d’outils et de mémoire, qu’il sait utiliser de lui-même. Au-dessus, le texte décrit cinq patrons de workflow (enchaînement de prompts, routage, parallélisation, orchestrateur et exécutants, évaluateur et optimiseur) avant d’aborder les agents proprement dits. Son conseil central tient en une phrase : chercher la solution la plus simple possible, et n’ajouter de la complexité que lorsqu’elle améliore réellement le résultat. Un appel unique et bien construit au modèle suffit souvent, ce qui est une position rare de la part de quelqu’un qui vend des appels au modèle.

Anthropic a aussi publié en novembre 2024 le MCP (Model Context Protocol), un standard ouvert pour brancher un modèle sur des outils et des sources de données externes sans réécrire l’intégration pour chaque application. L’idée rejoint celle d’OpenAI sur le fond, l’agent vaut ce que valent ses outils, mais par la normalisation de l’interface plutôt que par une boîte à outils propriétaire.

Claude Code : l’agentique appliquée au dépôt de code

Claude Code est l’outil de développement agentique d’Anthropic, présenté en avant-première en février 2025 et généralisé en mai 2025. Sa documentation le décrit comme un outil qui lit une base de code, modifie des fichiers, exécute des commandes et s’intègre aux outils de développement. Il fonctionne dans le terminal, dans les éditeurs (Visual Studio Code, JetBrains), dans une application de bureau et dans le navigateur. On lui donne un objectif en langage courant, « écrire les tests du module d’authentification, les lancer et corriger les échecs », et il enchaîne seul lectures, modifications, exécutions et vérifications.

C’est un cas d’école de la boucle agentique, parce que ses outils ont des effets réels sur la machine : écrire dans un fichier, lancer une commande système, créer un commit, ouvrir une demande de fusion. Les mécanismes de maîtrise sont donc l’essentiel du produit, et pas un accessoire :

Les permissions. Chaque outil (lecture, édition, commande système, accès réseau) peut être autorisé, soumis à confirmation ou interdit, avec des règles par commande. Plusieurs modes vont de la validation de chaque geste à l’exécution sans demander.
Les instructions persistantes. Un fichier CLAUDE.md à la racine du projet est lu au début de chaque session : conventions, architecture, interdits.
Les hooks. Des commandes système déclenchées avant ou après les actions de l’agent, par exemple pour formater après chaque modification ou bloquer une commande dangereuse. Ils sont exécutés par le programme hôte, pas laissés au jugement du modèle.
Les sous-agents. Des instances spécialisées, lancées en parallèle sur des parties d’une tâche, chacune avec son propre contexte et ses propres outils.
MCP. Le branchement sur des outils externes (gestionnaire de tickets, documentation, bases de données) passe par le protocole ouvert décrit plus haut.

Le même moteur est exposé aux développeurs sous la forme d’un kit, l’Agent SDK, pour construire ses propres agents avec les outils et le contrôle des permissions de Claude Code.

Ce que l’agentique change pour la sécurité

Le changement est simple à énoncer : on passe d’un modèle qui peut dire une bêtise à un modèle qui peut faire une bêtise. Une hallucination devient une commande exécutée, une injection de prompt cachée dans une page web ou un ticket devient une action menée avec les droits de l’utilisateur. Le périmètre d’un agent est exactement celui de ses outils et des identifiants qu’on lui confie.

Les principes de défense ne sont pas nouveaux, ils s’appliquent simplement à un exécutant d’un genre nouveau. Le moindre privilège d’abord : un agent de développement n’a pas besoin des clés de production, et un agent de support n’a pas besoin de droits d’écriture sur la base clients. La séparation des actions réversibles et irréversibles ensuite, ces dernières passant par une validation humaine indépendante, comme détaillé dans la sécurisation des actions irréversibles. La traçabilité enfin : chaque appel d’outil doit être journalisé avec sa justification, faute de quoi l’analyse d’un incident se résume à demander à l’agent ce qu’il a fait, ce qui est une méthode d’enquête assez particulière.

Le contrôle d’accès des assistants internes est traité dans une page dédiée, et l’injection indirecte par les documents dans la sécurisation d’un corpus RAG.

🐝 Ce qui arrive si on s’en passe

Un agent déployé sans cadrage hérite de tous les droits de la session qui l’héberge : jetons d’API, clés SSH, accès aux dépôts et aux environnements. Une instruction malveillante glissée dans un fichier lu en cours de tâche, un ticket ou une page web suffit alors à lui faire exfiltrer un secret ou modifier un code, sans exploitation technique, avec des appels d’outils parfaitement valides. Sans liste d’outils autorisés ni confirmation des actions destructrices, une erreur d’interprétation supprime, pousse ou publie avant qu’un humain ait relu. Et sans journal des appels, l’incident ne laisse que l’état final du système, sans la suite d’actions qui y a mené, ce qui empêche à la fois l’enquête et la correction de la cause.

🦫 Explication de la marmotte 🍫

Un programme d’intelligence artificielle comme un assistant de discussion reçoit une question et renvoie une réponse. On parle d’agent quand on lui donne une mission plutôt qu’une question, et qu’on lui permet d’utiliser des outils pour la remplir : ouvrir des fichiers, chercher sur Internet, lancer des programmes. L’agent décide lui-même par quoi commencer, regarde le résultat, puis choisit l’étape suivante, jusqu’à ce que la mission soit terminée.

Les entreprises qui fabriquent ces outils en donnent des définitions proches. OpenAI parle d’un système qui accomplit des tâches à la place de l’utilisateur, avec un modèle, des outils et des consignes. Anthropic sépare les enchaînements fixés à l’avance par un programmeur des vrais agents qui choisissent leur propre chemin, et conseille de toujours commencer par la solution la plus simple. Claude Code est un exemple concret : on lui demande de corriger un programme, et il lit le code, le modifie, lance les tests et vérifie lui-même que tout fonctionne.

Comme un agent agit vraiment, une erreur de sa part a des conséquences réelles. Il faut donc lui donner seulement les droits dont il a besoin, lui faire demander l’autorisation avant les actions importantes, et garder une trace de tout ce qu’il fait.

Pages voisines

La citent

Agentique : définition, lectures d'OpenAI et d'Anthropic, Claude Code

Elle cite

: les deux pages se citent l’une l’autre.