Les niveaux d'automatisation des agents d'IA

La conduite autonome dispose d'un vocabulaire utile : de L1 à L5. L1 correspond à l'assistance, L2 à l'automatisation partielle, L3 commence à gérer des conditions plus complexes, L4 fonctionne de manière autonome dans des domaines définis et L5 représente l'idée d'une conduite entièrement autonome, ou FSD : le système peut aller du départ à l'arrivée sans intervention d'un conducteur humain.

L'automatisation des agents d'IA a besoin d'un vocabulaire comparable. Tout le monde parle désormais d'« agent », mais ce mot désigne souvent des choses très différentes. Pour certains, c'est l'autocomplétion. Pour d'autres, c'est un assistant de programmation. Pour d'autres encore, c'est un agent capable de lire des fichiers, d'exécuter des commandes, de mettre à jour des systèmes, de se souvenir du travail passé et de mener à bien un processus métier.

L'intérêt de ce cadre est simple : il aide une équipe à situer son niveau réel. Une fois ce niveau connu, vous voyez ce qui manque pour passer au suivant : un meilleur harnais d'IA, une mémoire d'IA plus solide, des flux de travail d'IA plus clairs, des permissions mieux maîtrisées ou des agents d'IA plus compétents.

L1 : assistance de l'IA, conduite humaine

Au niveau L1, l'IA est une aide. Elle dispose d'un peu de contexte, prédit ce que vous pourriez vouloir faire ensuite et vous aide à aller plus vite. L'humain continue de diriger la tâche, de choisir l'objectif, de vérifier le résultat et d'en assumer la responsabilité.

La fonction Tab de Cursor IDE en est un exemple simple. Elle prédit la prochaine modification ou ligne de code à partir du fichier et de la position du curseur. Cela peut sembler très puissant, car elle facilite l'écriture du code, mais elle ne décide pas quel module modifier, ne lance pas la suite de tests, n'ouvre pas de demande de fusion et ne publie rien. Le volant reste entièrement entre les mains de l'humain.

L'IA générative sous forme de dialogue est un autre exemple courant de L1. Vous rédigez une consigne comme « crée une image de produit cinématographique pour un nouvel outil de flux de travail d'IA », examinez le résultat, ajustez la consigne et choisissez l'image finale. Le modèle peut produire une image, un paragraphe ou une idée utile, mais c'est toujours l'humain qui fixe l'objectif, juge la qualité, procède aux ajustements et décide de ce qui sera utilisé.

Parmi les usages typiques de L1 :

• Compléter une ligne de code
• Rédiger une réponse
• Générer une image à partir d'une consigne
• Résumer un document
• Proposer un titre
• Expliquer un court extrait de code

L1 est utile, mais il est facile de le surestimer. Il accélère le travail humain, sans automatiser le flux de travail.

L2 : automatisation des tâches sous supervision humaine

Au niveau L2, l'IA commence à agir dans le cadre d'une tâche délimitée. Elle peut aider sur un fichier, une fonction, un petit bug, un test ou une demande précise. L'humain continue de définir la tâche, d'examiner le résultat et de décider s'il l'accepte.

GitHub Copilot correspond bien à ce niveau. Il va au-delà de la complétion d'une seule ligne : il peut suggérer des modifications, expliquer des erreurs, proposer des idées de tests et utiliser davantage de contexte dans l'IDE. Mais, la plupart du temps, le développeur continue de superviser son travail de près. L'humain décide quoi demander, quoi accepter, quoi refuser et quand le code est prêt.

C'est là que les premiers éléments d'un harnais d'IA commencent à compter. Le système a besoin de contexte, d'un accès aux outils, de limites de permissions, de journaux, d'espaces de revue croisée et d'un moyen pour l'humain d'examiner le résultat.

Par exemple, une tâche de publication de contenu peut être décomposée ainsi :

• Générer un brouillon en Markdown
• Créer une image principale en PNG
• Téléverser l'image dans la bibliothèque de médias d'un CMS
• Tester la conversion du Markdown sans publier
• Publier l'article
• Ouvrir la page en production et vérifier l'affichage du titre, du corps et de l'image

Au niveau L2, l'IA peut aider à certaines de ces étapes, mais l'humain continue de superviser le déroulement.

L3 : automatisation des flux de travail, relais humain en cas d'incertitude

Au niveau L3, l'IA ne se contente plus de répondre à une question ou de terminer une petite tâche. Elle peut comprendre un flux de travail en plusieurs étapes, exécuter plusieurs actions, constater les échecs et adapter l'étape suivante.

Claude Code est un bon exemple de ce niveau. Vous pouvez lui confier un objectif d'ingénierie : il peut examiner le dépôt, modifier plusieurs fichiers, lancer des vérifications de types ou des tests, lire les erreurs, corriger le problème et rendre compte des changements. Il gère un flux de travail au lieu de simplement produire du texte.

C'est également à ce stade que le flux de travail d'IA devient central. Un agent utile a besoin d'un parcours de travail : planifier, modifier, vérifier, corriger et résumer. Si un essai échoue, il doit corriger les métadonnées initiales. Si l'URL d'une image ne fonctionne pas, il doit examiner l'enregistrement du média. Si une page en production s'affiche sans contenu, il doit vérifier le slug, la langue, le statut dans le CMS et le contenu en texte enrichi.

L3 est fréquent dans l'automatisation à forte valeur ajoutée, car il est puissant tout en restant réaliste :

• Génie logiciel : modifier du code, lancer des tests, corriger les erreurs de lint, préparer une PR
• Opérations de contenu : transformer un brief en article dans le CMS et vérifier la page publiée
• Opérations commerciales : enrichir des prospects, mettre à jour des champs du CRM, créer des tâches de suivi
• Analyse de données : récupérer des données, produire un rapport, expliquer les anomalies
• Support client : classer les tickets, rédiger des réponses, transmettre les cas particuliers

L'essentiel n'est pas que le modèle converse mieux. L'essentiel est que le flux de travail soit assez complet pour que l'agent continue d'avancer jusqu'à rencontrer une véritable incertitude ou une limite de permissions.

L4 : automatisation d'un domaine dans des limites claires

Au niveau L4, l'agent peut fonctionner longtemps dans un domaine défini. Il connaît l'objectif, a accès aux outils, comprend les permissions, se souvient de l'historique et peut réinjecter les résultats dans de vrais systèmes métier.

OpenClaw et Hermes vont dans cette direction. Ils ne se limitent pas à des tâches ponctuelles ou à des sessions de programmation isolées. Ils sont conçus pour fonctionner de manière continue : outils, mémoire, flux de travail, permissions et boucles de rétroaction. Leur intérêt n'est pas seulement qu'un agent accomplisse une fois une tâche impressionnante, mais qu'il puisse agir dans un domaine métier de façon répétée et fiable.

C'est là que la mémoire d'IA devient essentielle. Sans mémoire, l'agent repart de zéro à chaque fois. Avec une mémoire, il peut retenir les décisions antérieures, le style rédactionnel préféré, les règles du produit, le contexte propre à chaque client, les contraintes de publication et les habitudes tirées des travaux précédents.

L4 ne signifie pas que le système peut tout faire. Cela signifie qu'il peut travailler avec une grande autonomie dans un périmètre défini. S'il sort de ce périmètre, il doit s'arrêter, réduire son autonomie ou transmettre la tâche à un humain.

Voici quelques exemples possibles de L4 :

• Un agent marketing qui transforme en continu les nouveautés du produit en articles de blog, courriels, publications sur les réseaux sociaux et pages de destination
• Un agent financier qui rassemble des justificatifs, vérifie les anomalies et prépare les rapports de fin de mois
• Un agent de ressources humaines qui coordonne l'intégration, les permissions, la formation et les mises à jour de statut
• Un agent de conformité qui suit les changements de règles et prépare les documents d'audit
• Un agent d'exploitation des données qui surveille les indicateurs, examine les changements et distribue les tâches aux équipes

La difficulté ne tient pas seulement à l'intelligence du modèle. Elle consiste à réunir harnais d'IA, mémoire d'IA, flux de travail d'IA, permissions, pistes d'audit, possibilités de retour en arrière et recours à l'humain dans un seul système d'exploitation stable.

L5 : autonomie complète, le niveau FSD que nous n'avons pas atteint

L5 est l'un des termes les plus galvaudés dans l'automatisation des agents d'IA. Il ne signifie pas que le modèle semble intelligent. Il ne signifie pas non plus que l'agent peut appeler de nombreux outils. Il signifie que l'agent peut agir dans un environnement ouvert et changeant et assumer la responsabilité du résultat final.

Dans l'analogie avec la conduite, L5 ne veut pas dire « cela a fonctionné sur une route connue ». C'est la véritable idée de la conduite entièrement autonome : le système peut gérer des routes changeantes, des situations inhabituelles et l'ensemble du trajet sans conducteur humain.

Nous n'en sommes pas encore là. Même les systèmes d'agents les plus puissants aujourd'hui sont plus proches d'un solide L3 ou d'un L4 limité à un domaine. Ils peuvent obtenir d'excellents résultats lorsque le parcours, les permissions, les outils et les critères de réussite sont définis. Ce ne sont pas encore des conducteurs universels de processus métier capables d'assumer sans risque tous les résultats, quels que soient le système, le secteur et le cas particulier.

Pour approcher L5, le système aurait besoin :

• D'un harnais d'IA pour les outils, les permissions, l'observabilité, l'audit et le retour en arrière
• D'une mémoire d'IA pour le contexte à long terme, les préférences, les décisions et la connaissance métier
• De flux de travail d'IA pour l'état des processus, les critères de validation et la gestion des exceptions
• D'agents d'IA capables de planifier, d'exécuter, de vérifier, de corriger et de s'améliorer avec le temps

Pour l'instant, la voie réaliste consiste à partir de L2 et L3, puis à élargir vers L4 lorsque le domaine est assez clair. L5 reste une direction, pas la réalité actuelle.

Pourquoi ce cadre est important

L'automatisation des agents d'IA touchera tous les secteurs, mais toutes les équipes ne progresseront pas au même rythme. L'ingénierie, le marketing, le support client, la finance, le droit, les opérations de santé, l'éducation, l'industrie et la chaîne d'approvisionnement peuvent tous utiliser L1 à L5 comme carte commune.

Si une équipe est au niveau L1, elle doit rendre l'expérience avec l'assistant excellente. Si elle est au niveau L2, elle doit construire un véritable harnais d'IA. Si elle entre dans L3, l'attention doit se porter sur l'orchestration des flux de travail et la reprise après erreur. Si elle vise L4, elle a besoin d'une mémoire d'IA, de permissions, de traçabilité et d'intégrations système stables.

La meilleure question n'est pas « devons-nous utiliser des agents d'IA ? ». Il vaut mieux se demander :

Où en sommes-nous aujourd'hui ? Quel est le prochain niveau ? Quels flux de travail sont assez répétitifs, utiles et vérifiables pour être automatisés en premier ? Dans quelles parties de notre secteur existe-t-il déjà des parcours, des règles et des boucles de rétroaction clairs ?

Lorsque le harnais d'IA, la mémoire d'IA, le flux de travail d'IA et les agents d'IA fonctionnent ensemble, l'automatisation par l'IA cesse d'être une démonstration et commence à devenir une infrastructure. L1 à L5 n'est pas un slogan. C'est une feuille de route.