Glossaire · Agents IA
Un agent IA est un logiciel qui comprend une demande, décide des étapes et agit dans vos outils, avec des garde-fous et une escalade vers un humain. Voici 44 termes essentiels pour en parler sans jargon : technique, juridique et mesure de la performance, chacun avec un exemple concret.
Un agent IA est un logiciel qui comprend une demande en langage naturel, décide de la suite d'étapes à suivre et agit dans vos outils pour la mener à terme. Il se distingue d'un chatbot, qui se limite à répondre par du texte.
Exemple. Un client demande où est son colis : l'agent lit la commande, interroge le transporteur et répond avec la date de livraison réelle.
À lire : Agents IA sur mesure
L'AI Act est le règlement européen (UE) 2024/1689 qui encadre les systèmes d'IA selon leur niveau de risque. Il définit des rôles (fournisseur, déployeur) et des obligations qui varient selon ces rôles et l'usage du système.
Exemple. Une PME qui met un agent de support en ligne doit au minimum vérifier ses obligations de transparence et de formation de son équipe.
À lire : AI Act : obligations des PME
Une API (interface de programmation) est le point d'accès par lequel un logiciel en interroge ou en pilote un autre. C'est par les API que l'agent lit une commande, crée un ticket ou met à jour une fiche.
Exemple. L'agent appelle l'API de votre boutique pour vérifier le statut d'une commande avant de répondre.
Une base vectorielle stocke des embeddings et retrouve rapidement les passages les plus proches du sens d'une question. Elle sert de mémoire documentaire à un système RAG.
Exemple. Vos 400 fiches produits et votre FAQ sont indexées ; la question d'un client retrouve les trois passages les plus pertinents.
À lire : RAG souverain en entreprise
Un chatbot est un programme de conversation, souvent scripté avec des arbres de décision ou une FAQ. Il répond mais n'agit généralement pas dans les outils de l'entreprise, ce qui le sépare d'un agent IA.
Exemple. Un bouton de chat qui propose trois questions prédéfinies puis renvoie vers un formulaire de contact.
À lire : Agent IA, chatbot ou RPA
Le CLOUD Act (Clarifying Lawful Overseas Use of Data Act, loi américaine de mars 2018) précise qu'un fournisseur américain de services de communication électronique ou de stockage doit répondre aux demandes de conservation ou de divulgation portant sur les données en sa possession, sa garde ou son contrôle, qu'elles soient situées aux États-Unis ou à l'étranger. C'est la raison pour laquelle l'hébergeur et sa nationalité comptent, pas seulement le lieu du serveur.
Exemple. Une entreprise qui traite des données sensibles choisit un hébergeur européen non soumis au droit américain.
À lire : IA souveraine et Mistral
Un CRM (gestion de la relation client) centralise les contacts, les opportunités et l'historique des échanges. Un agent IA s'y connecte pour lire le contexte et y écrire ce qu'il a fait.
Exemple. L'agent de qualification crée la fiche du prospect et note le besoin exprimé dans le CRM.
À lire : Qualification de leads par IA
Le CSAT (Customer Satisfaction Score) est la part de clients qui se déclarent satisfaits après une interaction précise, sur une échelle courte. Il se mesure à chaud, juste après le contact.
Exemple. Après chaque conversation, le client note 1 à 5 : 80 notes de 4 ou 5 sur 100 réponses donnent un CSAT de 80 %.
À lire : CSAT : définition et calcul
Dans l'AI Act, le déployeur est la personne ou l'organisme qui utilise un système d'IA sous sa propre autorité, hors usage personnel non professionnel. L'entreprise qui met un agent en service auprès de ses clients ou de ses équipes est en général déployeur.
Exemple. Une PME qui exploite l'agent de support conçu par un prestataire est déployeur de ce système.
À lire : AI Act : obligations des PME
Le DPA (Data Processing Agreement, accord de traitement des données) est le contrat entre un responsable de traitement et son sous-traitant. L'article 28 du RGPD en fixe le contenu : traitement sur instruction documentée, confidentialité, sécurité, sort des données en fin de contrat.
Exemple. Avant de déployer un agent, vous signez le DPA avec le prestataire qui traite les données de vos clients.
À lire : DPA : clauses à vérifier
Un embedding est une suite de nombres qui représente le sens d'un texte. Deux textes de sens proche ont des embeddings proches, ce qui permet de chercher par signification plutôt que par mots exacts.
Exemple. Une question sur le « remboursement » retrouve aussi la page qui parle de « restitution de l'achat ».
Un ERP est le progiciel de gestion intégré de l'entreprise : stocks, achats, facturation, comptabilité. Un agent s'y connecte pour lire ou saisir des données de gestion, avec les droits qu'on lui accorde.
Exemple. L'agent vérifie le stock en temps réel dans l'ERP avant de confirmer un délai à un client.
L'escalade humaine est le passage de relais d'un agent IA vers une personne quand la demande sort du périmètre, est sensible ou que le client le demande. Le bon transfert inclut le résumé et le contexte pour que personne ne repose les questions.
Exemple. Un client menace de quitter l'entreprise : l'agent transfère à un responsable avec l'historique et la raison du transfert.
À lire : Méthode Bynevo Labs
L'évaluation mesure la qualité d'un agent sur des critères précis : exactitude des réponses, respect des règles, bonne escalade, ton. Elle se fait avant la mise en production et se répète après chaque changement.
Exemple. Avant chaque mise à jour, on rejoue 200 cas réels et on compare les résultats à la version précédente.
La fenêtre de contexte est la quantité de texte qu'un modèle peut prendre en compte en une fois, mesurée en tokens. Au-delà, il faut résumer ou sélectionner ce qu'on lui montre, d'où l'intérêt du RAG.
Exemple. Un contrat de 200 pages ne tient pas toujours dans la fenêtre : l'agent n'en lit que les passages utiles à la question.
Le fine-tuning (ajustement) consiste à poursuivre l'entraînement d'un modèle sur vos exemples pour spécialiser son style ou sa tâche. Il est utile dans des cas précis, mais pour apporter des connaissances à jour, le RAG est souvent plus simple et plus maîtrisable.
Exemple. Un modèle ajusté sur vos anciens e-mails pour adopter systématiquement le ton de la maison.
Dans l'AI Act, le fournisseur est celui qui développe ou fait développer un système d'IA et le met sur le marché ou en service sous son propre nom ou sa propre marque. Fournisseur et déployeur n'ont pas les mêmes obligations, et une même entreprise peut cumuler les deux rôles.
Exemple. Un éditeur qui vend son agent sous sa marque est fournisseur ; ses clients qui l'utilisent sont déployeurs.
À lire : AI Act : obligations des PME
Le function calling permet à un modèle de demander l'exécution d'une fonction définie à l'avance (chercher une commande, créer un ticket) au lieu de simplement répondre. C'est le mécanisme qui transforme un modèle de langage en agent capable d'agir.
Exemple. Le modèle appelle la fonction « statut_commande » avec le numéro donné par le client, puis rédige la réponse.
Un garde-fou est une règle ou un contrôle qui borne le comportement d'un agent : sujets autorisés, actions interdites, seuils de validation, contrôle des sorties. Il se conçoit en dehors du modèle pour rester fiable même quand celui-ci se trompe.
Exemple. Tout remboursement au-dessus d'un seuil que vous fixez exige l'accord d'une personne.
À lire : Sécurité et conformité
Une hallucination est une réponse plausible mais fausse produite par un modèle de langage, qui affirme avec aplomb un fait qu'il ne connaît pas. On la réduit en ancrant l'agent sur vos sources, en lui imposant de dire quand il ne sait pas, et en testant.
Exemple. Un agent invente un délai de retour de 60 jours alors que votre politique prévoit 14 jours.
À lire : Hallucinations de l'IA en SAV
Un helpdesk est l'outil de gestion des demandes de support : tickets, files d'attente, statuts, historique. Un agent IA s'y branche pour lire les tickets, y répondre ou les assigner.
Exemple. L'agent clôt les tickets résolus et assigne les autres à la bonne équipe dans le helpdesk.
À lire : Logiciel helpdesk e-commerce
Le human-in-the-loop place une validation humaine dans la boucle : l'agent prépare, la personne approuve avant l'action. On le retire progressivement, action par action, quand la qualité est démontrée.
Exemple. Au démarrage, chaque réponse de l'agent est relue avant envoi ; ensuite seules les demandes sensibles le sont.
À lire : Méthode Bynevo Labs
Une IA souveraine est une IA dont l'entreprise maîtrise l'hébergement, les données et le droit applicable. Concrètement : hébergeur européen, modèle dont on connaît l'origine, absence de transit hors UE, possibilité de reprendre ses données.
Exemple. Une instance dédiée hébergée en France chez OVHcloud ou Scaleway, avec un modèle européen.
À lire : IA souveraine et Mistral
L'inférence est l'exécution d'un modèle déjà entraîné pour produire une réponse. C'est ce qui se passe à chaque message traité, et ce qui consomme les ressources de calcul en production.
Exemple. Chaque question d'un client déclenche une inférence sur le modèle hébergé.
Un jeu de test est un ensemble de cas représentatifs avec la réponse ou l'action attendue, utilisé pour évaluer un agent. Les meilleurs viennent de vos demandes réelles, y compris les cas difficiles.
Exemple. 150 anciens tickets anonymisés, classés par type, avec la bonne réponse validée par votre équipe.
La journalisation enregistre ce que fait l'agent : demande reçue, sources consultées, outils appelés, réponse, transfert. Elle permet l'audit, la détection d'erreurs et l'amélioration continue, en respectant la durée de conservation décidée.
Exemple. En cas de réclamation, vous retrouvez exactement ce que l'agent a répondu et pourquoi.
À lire : Sécurité et conformité
La latence est le temps entre la demande et la réponse. Elle dépend du modèle, de la longueur du contexte et des outils appelés, et pèse directement sur l'expérience, surtout à l'oral.
Exemple. Un voicebot qui met quatre secondes à répondre donne l'impression d'une ligne coupée.
Un LLM est un modèle entraîné sur de très grands volumes de textes pour comprendre et générer du langage. Il est le moteur d'un agent, mais seul il ne connaît ni vos données ni vos outils.
Exemple. Un modèle de la famille Mistral qui rédige la réponse à partir des informations que l'agent lui fournit.
À lire : Choisir son LLM : Mistral ou GPT
Le MCP est un protocole ouvert qui standardise la façon dont un modèle ou un agent se connecte à des outils et des sources de données. Il évite de refaire une intégration sur mesure pour chaque outil.
Exemple. Un même connecteur MCP donne à plusieurs agents l'accès à votre base documentaire.
Un système multi-agent répartit le travail entre plusieurs agents spécialisés, coordonnés entre eux. Il est utile quand les tâches sont distinctes, mais ajoute de la complexité : à ne retenir que si un seul agent ne suffit pas.
Exemple. Un agent qualifie la demande, un second prépare le devis, un troisième relance après envoi.
L'omnicanal désigne une relation client cohérente sur tous les canaux (e-mail, chat, messageries, téléphone) avec un historique partagé. Le client reprend la conversation là où il l'a laissée, quel que soit le canal.
Exemple. Une demande lancée par e-mail est poursuivie sur WhatsApp sans que le client ait à tout répéter.
À lire : WhatsApp Business et service client
L'orchestration est la logique qui enchaîne les étapes d'un agent : comprendre, chercher, appeler un outil, contrôler, répondre ou escalader. C'est elle qui rend le comportement prévisible et auditable en production.
Exemple. Pour une demande de retour : vérifier la commande, contrôler le délai, créer l'étiquette, confirmer au client.
À lire : Mettre un agent IA en production
Un modèle à poids ouverts est un modèle dont les paramètres sont publiés et téléchargeables, ce qui permet de l'installer sur sa propre infrastructure. Poids ouverts ne signifie pas forcément code source ou données d'entraînement ouverts, et chaque licence fixe ses conditions d'usage.
Exemple. Un modèle installé sur l'instance du client, sans appel à une API externe.
À lire : IA souveraine et Mistral
Le prompt système est l'ensemble des instructions permanentes données à un agent : rôle, ton, règles, limites, quand escalader. Il cadre chaque réponse, sans remplacer les garde-fous techniques.
Exemple. « Tu es l'assistant du service client ; tu ne promets jamais de geste commercial sans validation. »
Le RAG (génération augmentée par récupération) consiste à chercher les passages pertinents dans vos documents puis à les fournir au modèle pour qu'il réponde à partir d'eux. Il ancre la réponse sur vos sources et facilite la mise à jour sans réentraîner le modèle.
Exemple. À la question sur la garantie, l'agent retrouve la bonne clause de vos CGV et en tire sa réponse.
À lire : RAG souverain en entreprise
Le RGPD est le règlement européen (UE) 2016/679 sur la protection des données personnelles. Il impose notamment une base légale, une information des personnes, des mesures de sécurité et un contrat avec chaque sous-traitant.
Exemple. Un agent qui lit le nom et l'historique d'achat d'un client traite des données personnelles : le RGPD s'applique.
À lire : Checklist RGPD du SAV automatisé
La RPA (automatisation robotisée des processus) reproduit des clics et des saisies selon des règles fixes. Elle est fiable sur des tâches stables et structurées, mais fragile dès que le cas sort du scénario prévu.
Exemple. Un robot qui recopie chaque jour les lignes d'un export dans un autre logiciel.
À lire : Agent IA, chatbot ou RPA
Au sens du RGPD, le sous-traitant est l'organisme qui traite des données personnelles pour le compte du responsable du traitement, lequel détermine les finalités et les moyens. Leur relation est encadrée par un contrat (voir DPA).
Exemple. Vous êtes responsable du traitement ; le prestataire qui opère l'agent traite les données de vos clients en tant que sous-traitant.
À lire : DPA : clauses à vérifier
Le SSO (authentification unique) permet de se connecter à plusieurs outils avec une seule identité d'entreprise. Il simplifie la gestion des accès et leur retrait au départ d'un collaborateur.
Exemple. Vos équipes accèdent au tableau de suivi de l'agent avec leur compte professionnel habituel.
Le taux de résolution automatique est la part des demandes réglées de bout en bout par l'agent, sans intervention humaine. Pour être honnête, il se lit avec le CSAT : une demande « résolue » mais mal vécue n'est pas un succès.
Exemple. Sur 1 000 demandes, 600 sont closes par l'agent sans reprise humaine : taux de 60 %.
À lire : KPI du service client
Un token est l'unité de texte que traite un modèle : un mot, un morceau de mot ou un signe. La taille des entrées et des sorties se compte en tokens, ce qui détermine la fenêtre de contexte, la vitesse et le coût d'usage.
Exemple. Une réponse de deux paragraphes représente quelques centaines de tokens.
À lire : Budget d'un agent IA : les facteurs
L'article 50 de l'AI Act impose notamment que les systèmes d'IA destinés à interagir directement avec des personnes soient conçus pour qu'elles sachent qu'elles parlent à une IA, sauf si c'est évident vu le contexte. Il impose aussi de marquer les contenus de synthèse générés par l'IA dans un format lisible par machine.
Exemple. Le chat annonce dès le premier message : « Je suis l'assistant virtuel de l'entreprise ».
Un voicebot est un agent conversationnel qui dialogue à l'oral, par téléphone ou sur un canal vocal. La latence, la reconnaissance de la parole et la qualité du transfert vers un humain y sont déterminantes.
Exemple. Il décroche hors horaires, qualifie l'appel et programme un rappel pour le lendemain.
Un webhook est une notification automatique qu'un logiciel envoie à un autre quand un événement se produit. Il déclenche l'agent sans qu'il ait à interroger le système en boucle.
Exemple. Une nouvelle commande ou un nouveau ticket envoie un webhook qui réveille l'agent.
Pour aller plus loin : agents IA sur mesure, sécurité et conformité ou notre méthode. Les définitions juridiques résument les textes (AI Act, RGPD, Cloud Act) et ne constituent pas un avis juridique.
Voir aussi : agent IA, chatbot ou RPA, AI Act et PME, RAG souverain, ou tous les guides Bynevo Labs.
Il se branche sur vos outils
Nos agents IA se connectent à vos outils métier, et Gustave, l'agent de SAV e-commerce, à votre boutique et au helpdesk que vous utilisez déjà, Gorgias, Zendesk ou Front. Changer d'outil n'est pas un préalable.
Questions fréquentes
Un chatbot répond, souvent à partir d'un script ou d'une FAQ. Un agent IA comprend la demande, décide des étapes et agit dans vos outils (lire une commande, créer un ticket, préparer un devis), avec des garde-fous et une escalade vers un humain.
Non. Il suffit de maîtriser quelques notions : ce que l'agent peut faire, avec quelles données, où il est hébergé et qui valide. Le diagnostic de 30 minutes sert justement à traduire ces notions en décisions concrètes pour votre activité.
Le fournisseur développe ou fait développer un système d'IA et le met sur le marché ou en service sous son nom ou sa marque. Le déployeur l'utilise sous sa propre autorité. Une même entreprise peut cumuler les deux rôles, et les obligations diffèrent selon le rôle et l'usage.
Parce qu'il précise qu'un fournisseur américain doit répondre aux demandes de divulgation sur les données qu'il contrôle, même stockées hors des États-Unis. Choisir un hébergeur et un modèle européens réduit cette exposition, ce qui compte pour les données sensibles.
Pour que l'agent s'appuie sur vos documents à jour (FAQ, CGV, fiches produits), le RAG est en général le plus simple et le plus maîtrisable. Le fine-tuning vise plutôt un style ou une tâche très spécifique. Le choix se fait pendant le cadrage, sur vos cas réels.
Prochaine étape
30 minutes sur votre activité : ce que l'agent doit faire, avec quelles données, où il est hébergé et qui valide.
Sans engagement · nous répondons sous 24 h ouvrées