Chat agentique — quand l’IA fait le travail à votre place
Voici l’Article 2 de notre série « 3 niveaux de collaboration avec l’IA ». L’Article 1 traitait du Chat — l’art de la conversation avec l’IA. Nous explorons maintenant ce qui se passe quand la conversation devient création.
Il y a un moment que tout le monde vit lorsqu’il passe de l’IA conseillère à l’IA agentique.
Vous discutez avec Claude ou ChatGPT de la façon de construire quelque chose. Vous décrivez ce que vous voulez. L’IA répond avec des conseils utiles, des extraits de code, des instructions étape par étape. Vous copiez le code, le collez dans votre éditeur, l’exécutez. Ça marche. Ou pas. Vous revenez au chat. Vous itérez.
Puis quelqu’un vous montre Claude Code, ou Cursor, ou le mode agent de GitHub Copilot.
« Regardez ça », disent-ils. Ils décrivent ce qu’ils veulent construire. L’IA ne répond pas simplement avec des conseils. Elle ouvre des fichiers. Elle parcourt la base de code. Elle écrit du code directement dans plusieurs fichiers. Elle lance des tests. Elle détecte des erreurs et les corrige. Elle envoie les modifications dans git.
La conversation n’a pas produit des conseils. Elle a produit le produit réel.
C’est le passage du chat au chat agentique. De « dis-moi comment » à « fais-le ».
Le harnais des outils
La différence ne tient pas au modèle d’IA. Elle tient au harnais.
Quand vous chattez avec Claude sur claude.ai, vous parlez au même modèle sous-jacent que Claude Code. La différence ? Claude Code dispose d’outils :
- Recherche de fichiers — Trouver les fichiers pertinents dans votre base de code
- Read — Ouvrir et analyser le contenu des fichiers
- Write — Créer de nouveaux fichiers ou écraser les existants
- Edit — Effectuer des modifications précises sur des lignes spécifiques
- Bash — Exécuter des commandes, lancer des tests, utiliser git
- Grep — Rechercher des motifs dans les fichiers
Ces outils transforment l’IA de conseillère en exécutante. Au lieu de vous dire quoi faire, elle fait le travail.
Le même schéma existe sur différentes plateformes :
| Plateforme | Ce qu’elle apporte | Résultat |
|---|---|---|
| ChatGPT | Conversation uniquement | Conseils et extraits de code |
| Claude Code | Outils fichiers + accès shell | Construit de vrais projets |
| GitHub Copilot | Intégration IDE | Écrit du code pendant le travail |
| Cursor | Connaissance de la base de code | Modifications multi-fichiers |
| Gemini CLI | Terminal + accès fichiers | Exécute depuis la ligne de commande |
Les outils, c’est ce qui rend l’IA agentique. Donnez un marteau à l’IA, et elle peut construire. Laissez-la dans une fenêtre de chat, et elle ne peut que décrire la construction.
Du conseil à l’exécution
Voici à quoi ressemble ce changement dans la pratique.
Mode conseil (chat traditionnel) :
Vous : « Je dois créer une page d’atterrissage pour un produit SaaS avec une section hero, une grille de fonctionnalités, un tableau de prix et un pied de page. »
IA : « Voici une structure HTML d’exemple que vous pouvez utiliser… [fournit un extrait de code]. Pour le style, vous voudrez utiliser des classes Tailwind comme… [plus de code]. Pour le composant de tarification, pensez à cette approche… [autre extrait]. »
Vous : [Copie le code, crée des fichiers, colle les extraits, débogue les problèmes, retourne au chat pour des clarifications, répète]
Mode exécution (chat agentique) :
Vous : « Je dois créer une page d’atterrissage pour un produit SaaS avec une section hero, une grille de fonctionnalités, un tableau de prix et un pied de page. »
IA : « Je vais créer une page d’atterrissage pour vous. Je commence par configurer la structure… »
[Crée index.html]
[Crée styles.css]
[Écrit le HTML de la section hero]
[Implémente la grille de fonctionnalités]
[Construit le composant de tarification]
[Ajoute le pied de page]
[Lance le serveur dev local pour tester]
[Examine le résultat, identifie un problème d'espacement]
[Corrige le padding dans la section hero]
[Envoie les modifications dans git]IA : « Terminé. La page d’atterrissage est disponible sur localhost:3000. J’ai ajusté l’espacement de la section hero pour mieux correspondre à l’esthétique SaaS moderne. Voulez-vous que j’ajoute autre chose ? »
L’input est identique. L’output est fondamentalement différent. L’un produit des instructions. L’autre produit le produit.
Le vrai pouvoir : la boucle de rétroaction
Mais voici ce que personne ne vous dit sur le chat agentique, jusqu’à ce que vous le viviez vous-même.
Vous ne savez pas vraiment ce que vous voulez avant de le voir.
Ce n’est pas un défaut dans votre réflexion. C’est ainsi que les humains apprennent. Nous sommes mauvais pour spécifier, excellents pour évaluer. Nous ne pouvons pas décrire parfaitement ce que nous voulons, mais nous le reconnaissons quand nous le voyons.
En mode conseil, cela crée des frictions. Vous décrivez ce que vous voulez. L’IA vous donne du code. Vous l’implémentez. Vous le regardez. Vous réalisez que ce n’est pas tout à fait ça. Vous revenez au chat. Vous essayez d’articuler ce qui ne va pas. Vous obtenez plus de code. Vous itérez. La boucle est lente parce que l’étape d’implémentation est manuelle.
En mode agentique, la boucle est serrée. L’IA construit. Vous examinez. Vous dites « ça, mais avec plus d’espace ici et des titres plus gras ». L’IA met à jour immédiatement. Vous voyez le changement. « Mieux, mais maintenant la section tarification paraît déséquilibrée. » L’IA ajuste. Trois minutes plus tard, vous avez quelque chose que vous n’auriez pas pu spécifier au départ.
La conversation ne produit pas seulement le produit. Elle révèle ce que le produit devrait être.
C’est la clé. Vous n’essayez pas de perfectionner la spécification avant de construire. Vous construisez pour découvrir la spécification.
Voici à quoi cela ressemble avec un exemple concret.
Construire par la découverte
La semaine dernière, j’ai demandé à Claude Code de créer un tableau de bord simple pour suivre les performances du contenu. Voici comment s’est déroulée la conversation :
Moi : « J’ai besoin d’un tableau de bord montrant nos 10 articles de blog les plus visités. »
[Claude construit un tableau basique avec les titres des articles et les nombres de pages vues]
Moi : « Bon début. Pouvez-vous ajouter des indicateurs de tendance ? Quelque chose qui montre si le trafic est en hausse ou en baisse par rapport à la semaine dernière ? »
[Claude ajoute des flèches et des variations en pourcentage]
Moi : « Bien. En fait, pouvez-vous coder ces pourcentages en couleur ? Vert pour la croissance, rouge pour la baisse. »
[Claude ajoute une coloration conditionnelle]
Moi : « Hmm, le tableau semble serré. Pouvez-vous l’espacer et rendre les titres cliquables vers les articles réels ? »
[Claude ajuste l’espacement et ajoute des liens]
Moi : « Vous savez ce qui serait utile ? Voir la répartition des sources de trafic. Combien vient de Google, des réseaux sociaux, en direct. »
[Claude ajoute une colonne avec des mini graphiques en barres montrant la distribution des sources]
Moi : « C’est parfait. En fait, encore une chose — pouvons-nous ajouter un sélecteur de plage de dates pour comparer différentes périodes ? »
[Claude implémente le sélecteur de dates et met à jour la logique de récupération des données]
Résultat : Un tableau de bord que je n’aurais pas pu spécifier au départ. J’ai découvert ce dont j’avais besoin par itération.
Temps écoulé : 12 minutes du premier message au produit final.
Si j’avais essayé d’écrire une spécification complète à l’avance, je l’écrirais encore. Ou pire, j’aurais spécifié la mauvaise chose et l’aurais parfaitement construite.
C’est le super-pouvoir du chat agentique. Non seulement que l’IA peut exécuter. Mais que l’exécution est assez rapide pour soutenir la découverte.
Le processus infini
Voici quelque chose qui peut sembler être un problème mais qui est en réalité une fonctionnalité : vous ne finirez jamais.
Chaque fois que vous examinez ce que l’IA a construit, vous penserez à des améliorations. Rendre les titres plus grands. Ajouter une animation. Changer le schéma de couleurs. Ajouter une fonction de recherche. Réorganiser la mise en page. Intégrer une API. Ajouter de l’authentification.
Dans le développement traditionnel, cela semble épuisant. Chaque nouvelle idée signifie plus de travail d’implémentation. Plus de temps. Plus d’effort. Le backlog grossit plus vite que vous ne pouvez le résorber.
Dans le chat agentique, cela semble naturel. Parce que l’implémentation n’est plus le goulot d’étranglement. Les idées se traduisent directement en exécution.
Vous pensez : « Et si on ajoutait un interrupteur de mode sombre ? »
Vous dites : « Ajoute un interrupteur de mode sombre. »
Trente secondes plus tard, il existe.
Vous pensez : « La mise en page mobile pourrait être meilleure. »
Vous dites : « Améliore la réactivité mobile. »
C’est fait.
Le processus devient infini parce que le coût de l’itération tend vers zéro.
Ce n’est pas un défaut. C’est ainsi que le travail créatif se déroule réellement. Vous construisez, évaluez, affinez. La différence est la vitesse. Dans le développement traditionnel, la boucle prend des heures ou des jours. Dans le chat agentique, elle prend des secondes ou des minutes.
Le produit ne semble jamais « terminé » parce que vous continuez à découvrir ce qu’il pourrait être. Mais ce n’est pas du chaos — c’est de l’artisanat rendu possible par la vitesse.
Ce que ça fait vraiment
Soyons honnêtes sur ce que signifie vraiment travailler de cette façon, car les supports marketing le font paraître parfait.
Ce n’est pas parfait.
L’IA vous comprendra mal parfois. Elle fera des changements que vous ne vouliez pas. Elle cassera des choses qui fonctionnaient. Elle inventera des chemins de fichiers ou des noms de fonctions qui n’existent pas. Vous devrez la corriger.
Mais voici ce qui m’a surpris : la correction est plus rapide que la création.
Quand Claude Code écrit une fonction avec un bug, je peux dire « corrige l’erreur à la ligne 47 » et c’est corrigé immédiatement. Quand il ne comprend pas ce que je voulais, je peux dire « en fait, mets le bouton sur le côté gauche » et il s’adapte. La boucle de rétroaction est si serrée que les erreurs sont bon marché.
Comparez ça avec le développement traditionnel où j’écris du code, je le lance, je vois une erreur, je trouve le bug, je le corrige, je teste à nouveau. Ou pire, j’implémente la mauvaise chose et dois la réécrire.
Avec le chat agentique, une correction de cap prend des secondes. Avec le codage manuel, elle prend des minutes ou des heures.
Cela change la psychologie de la construction. Au lieu d’essayer d’être parfait dès le départ (ce qui vous ralentit), vous pouvez être rapide et itératif. Construire, examiner, affiner. Construire, examiner, affiner.
La vitesse d’itération compte plus que la précision de la première tentative.
Quand utiliser le chat agentique
Le chat agentique n’est pas le bon outil pour tout. Voici où il brille :
Utilisez le chat agentique pour :
- Construire de nouvelles choses depuis zéro (sites web, outils, documents, présentations)
- Effectuer des changements sur plusieurs fichiers
- Explorer ce que vous voulez par itération
- Apprendre de nouvelles technologies ou frameworks
- Prototyper rapidement des idées
- Les tâches répétitives nécessitant une manipulation de fichiers
N’utilisez pas le chat agentique pour :
- Une précision chirurgicale profonde dans des systèmes complexes
- Les situations à enjeux élevés où les erreurs coûtent cher (systèmes financiers, dispositifs médicaux)
- Le travail dans des environnements très réglementés sans processus d’approbation
- Les tâches qui relèvent principalement de la réflexion stratégique, pas de l’exécution
- Les situations où le jugement humain prime sur la vitesse d’exécution
Le schéma : le chat agentique excelle dans la création et l’itération. Il peine avec la précision à enjeux élevés et le jugement stratégique.
Pour la plupart des travaux de connaissance — créer des prototypes, produire du contenu, assembler des rapports, explorer des idées — il est transformateur.
Le pont vers les agents autonomes
Le chat agentique se situe entre deux mondes.
Dans l’Article 1, nous avons parlé du chat comme fondation — comment la conversation vous permet de travailler avec l’IA en langage naturel. Le chat agentique prend cette conversation et lui donne un pouvoir d’exécution. Vous êtes toujours dans la conversation, mais maintenant la conversation produit du vrai travail.
Dans l’Article 3, nous explorerons les agents autonomes — où l’IA opère sans supervision humaine continue. Où vous définissez des objectifs et l’IA trouve comment les atteindre sur des heures, des jours ou des semaines.
Le chat agentique est le pont. Il vous apprend à travailler avec une IA qui prend des mesures. Il vous montre ce qui se passe quand la conversation devient création. Il vous prépare au dernier passage : de la conversation à la délégation.
La conversation compte toujours. Vous êtes toujours là, guidant, évaluant, corrigeant le cap. Mais le travail se fait à la vitesse de l’IA.
C’est la clé. Non pas seulement des conseils. De l’exécution. Non pas seulement de la planification. De la construction.
Quand vous donnez des outils à l’IA, la conversation devient création.
Essayez le chat agentique vous-même
Prêt à vivre le passage de la consultation à l’exécution ?
Commencez avec ces plateformes :
- Claude Code — Codage agentique en ligne de commande (niveau gratuit disponible)
- Cursor — IDE avec capacités agentiques intégrées
- TeamDay — IA agentique pour les utilisateurs professionnels (orchestration multi-agents)
Extrait de la série « 3 niveaux de collaboration avec l’IA » : Chat | Chat agentique | Agents autonomes