Les différentes IA, de 1950 à l’IA agentique : le guide complet 2026

On appelle intelligence artificielle l’ensemble des techniques qui permettent à une machine de réaliser des tâches que l’on associait jusqu’ici à l’intelligence humaine : reconnaître une image, comprendre une phrase, prévoir une tendance, rédiger un texte, prendre une décision ou enchaîner des actions.

Derrière ce mot unique se cachent en réalité des technologies très différentes, apparues à des époques différentes. Le filtre anti-spam de votre messagerie, le GPS qui recalcule votre itinéraire, la reconnaissance faciale de votre téléphone et ChatGPT sont tous de l’IA, mais ils ne fonctionnent pas du tout de la même façon.

Toutes les IA actuelles sont des IA « spécialisées » : elles excellent sur certaines tâches sans avoir la compréhension générale du monde d’un être humain. L’« IA générale », capable de tout faire aussi bien qu’une personne, reste un objectif de recherche et un sujet de débat.

• 1950 – Le test de Turing. Le mathématicien Alan Turing pose la question « Les machines peuvent-elles penser ? » et propose un test pour le vérifier.
• 1956 – Naissance du terme. La conférence de Dartmouth, aux États-Unis, donne son nom à l’« intelligence artificielle ».
• Années 1980 – Les systèmes experts. Des programmes appliquent des milliers de règles écrites par des spécialistes (diagnostic, configuration industrielle). Efficaces mais rigides et coûteux à maintenir.
• 1997 – Deep Blue bat Kasparov. L’ordinateur d’IBM remporte un match d’échecs contre le champion du monde : la puissance de calcul fait la différence.
• 2012 – L’essor du deep learning. Les réseaux de neurones profonds, entraînés sur de grandes quantités de données, font un bond spectaculaire en reconnaissance d’images, puis de la voix.
• 2017 – L’architecture « Transformer ». Des chercheurs de Google publient la technique qui est à la base de tous les grands modèles de langage actuels (le « T » de GPT).
• Novembre 2022 – ChatGPT. OpenAI met l’IA générative entre les mains du grand public. Le service devient l’application à la croissance la plus rapide de l’histoire et lance la course entre OpenAI, Google, Anthropic, Microsoft, Meta, Mistral AI…
• 2024-2026 – Raisonnement puis agents. Les modèles apprennent à « réfléchir » avant de répondre (2024), puis à utiliser des outils, naviguer, coder et enchaîner des tâches en autonomie : c’est l’ère de l’IA agentique (2025-2026).

1. L’IA symbolique (à base de règles)

La machine applique des règles écrites à la main : « si le montant dépasse 5 000 €, alors demander une validation ». Elle est prévisible et explicable, mais ne sait rien faire en dehors de ses règles. Elle reste très présente dans les logiciels métier.

2. L’IA prédictive (machine learning)

Au lieu de règles, la machine apprend à partir d’exemples passés pour prévoir ou classer : prévision des ventes, détection de fraude, maintenance prédictive d’une machine, score de risque, recommandation de produits. C’est l’IA la plus répandue dans les entreprises depuis les années 2010, souvent de façon invisible.

3. Le deep learning : vision, voix, langage

Les réseaux de neurones profonds ont permis à la machine de « percevoir » : reconnaître des images (contrôle qualité en usine, imagerie médicale), transcrire la voix (dictée, sous-titres), traduire automatiquement.

4. L’IA générative

Elle ne se contente plus d’analyser : elle crée. Les grands modèles de langage (LLM) produisent du texte, du code ou des tableaux ; d’autres modèles génèrent des images, de la voix, de la musique ou de la vidéo à partir d’une simple consigne écrite (le « prompt »). C’est la famille de ChatGPT, Claude, Gemini, Copilot ou Mistral.

5. Les modèles de raisonnement

Depuis 2024, les modèles les plus avancés prennent le temps de décomposer un problème en étapes avant de répondre. Résultat : des progrès nets en mathématiques, en programmation, en analyse de documents complexes et en planification.

6. L’IA agentique

Dernière étape en date : l’IA qui agit. Un agent reçoit un objectif, établit un plan, utilise des outils (navigateur, logiciels, fichiers, messagerie), vérifie ses résultats et recommence jusqu’à atteindre le but. Nous y revenons en détail plus bas.

Le marché évolue chaque mois : de nouvelles versions sortent en permanence. Voici l’état des lieux au 29 septembre 2026.

• OpenAI (ChatGPT) : GPT-6 Astra, lancé début septembre 2026, est le nouveau modèle phare. Il est pensé pour le travail : utilisation d’un ordinateur, navigation, analyse de données, et il agit directement dans les applications de l’entreprise via ChatGPT Work et Codex.
• Anthropic (Claude) : Claude Fable 5.1, sorti début septembre 2026, vise le code et le travail intellectuel de longue haleine. Anthropic met en avant des tâches autonomes de plusieurs dizaines d’heures. Claude Opus 5.5 complète la gamme depuis le 22 septembre.
• Google (Gemini) : la famille Gemini 3 se décline en versions « Pro » (raisonnement poussé) et « Flash » (rapides et économiques) ; Gemini 3.8 Flash est sorti le 2 septembre 2026. Son atout : l’intégration à Gmail, Docs, Sheets et Drive.
• Microsoft (Copilot) : Copilot s’appuie sur plusieurs modèles, dont ceux d’OpenAI et d’Anthropic, et travaille directement dans Word, Excel, PowerPoint, Outlook et Teams.
• Mistral AI : l’acteur français, apprécié pour ses options d’hébergement en Europe et ses modèles ouverts. Mistral Medium 3.5 (avril 2026) est son modèle phare, complété par des modèles de raisonnement (Magistral), de code agentique (Devstral) et de voix (Voxtral).
• Les autres acteurs : xAI (Grok), Meta, et des modèles ouverts très performants venus de Chine, comme DeepSeek et Qwen (Alibaba), téléchargeables et installables sur ses propres serveurs.

À retenir : les écarts entre les meilleurs modèles se resserrent. Pour une entreprise, le bon choix dépend surtout de l’intégration à ses outils (Microsoft 365, Google Workspace…), de la confidentialité des données et du coût, bien plus que du classement du mois.

Un chatbot répond à une question. Un assistant vous aide à produire un contenu (un e-mail, une synthèse). Un agent, lui, se voit confier un objectif et l’atteint en plusieurs étapes, en utilisant des outils, avec plus ou moins d’autonomie.

Exemple : « Organise les entretiens des 8 candidats retenus la semaine prochaine. » L’agent lit les candidatures, consulte l’agenda des recruteurs, propose des créneaux, prépare les e-mails d’invitation, relance les candidats qui n’ont pas répondu et met à jour le tableau de suivi. Il ne fait pas qu’écrire : il agit.

Comment fonctionne un agent

1. Un modèle d’IA qui comprend la demande et raisonne ;
2. Des outils : navigateur web, messagerie, agenda, tableur, logiciel métier, base de données. Des standards ouverts comme le protocole MCP (Model Context Protocol, publié par Anthropic fin 2024 et adopté depuis par la plupart des acteurs) permettent de brancher l’IA sur ces outils ;
3. Une boucle d’action : planifier, agir, observer le résultat, corriger, recommencer ;
4. Une mémoire et des consignes : les règles de l’entreprise, le contexte du dossier, les préférences de l’utilisateur ;
5. Des garde-fous : droits d’accès limités, validation humaine avant toute action importante (envoi, paiement, suppression), journal des actions.

Ce que les agents font déjà en entreprise

• RH et recrutement : présélection des candidatures selon des critères définis, planification d’entretiens, préparation de l’intégration ;
• Formation : préparation des dossiers administratifs, convocations, suivi des émargements et des évaluations ;
• Commercial : recherche d’informations sur un prospect, préparation de rendez-vous, mise à jour du CRM ;
• Gestion et finance : rapprochement de factures, relances, préparation de reportings ;
• Informatique : écriture, test et correction de code, un domaine où les agents sont déjà très avancés.

Les limites à connaître

• Les erreurs en cascade : une mauvaise interprétation au début peut se propager sur toutes les étapes suivantes ;
• La sécurité : un agent qui lit des e-mails ou des pages web peut être manipulé par des instructions cachées (« injection de prompt ») ; il doit avoir des droits limités ;
• La confidentialité : l’agent accède à des données de l’entreprise, il faut encadrer lesquelles ;
• Le coût : une tâche longue consomme beaucoup de calcul ;
• La responsabilité : c’est toujours l’entreprise qui répond des actions de ses agents. La règle d’or : l’humain valide les décisions qui engagent.

Le règlement européen sur l’intelligence artificielle (AI Act) s’applique progressivement. Il a été modifié en juillet 2026 par le règlement dit « Digital Omnibus » (règlement (UE) 2026/1744). Les points à connaître pour une entreprise :

• Maîtrise de l’IA (article 4) : depuis février 2025, les organisations qui utilisent l’IA doivent agir pour que leurs équipes en aient une maîtrise suffisante. Depuis fin juillet 2026, il s’agit d’une obligation de moyens : prendre des mesures pour développer ces compétences (formation, règles d’usage, accompagnement).
• Transparence (depuis le 2 août 2026) : informer les personnes lorsqu’elles échangent avec une IA, signaler les contenus générés ou manipulés (hypertrucages notamment).
• Systèmes « à haut risque » : le recrutement, la gestion du personnel et l’éducation en font partie. Les obligations renforcées qui les concernent ont été reportées au 2 décembre 2027. C’est le moment de s’y préparer, en particulier pour tout outil qui trie des candidatures ou évalue des personnes.

Ces éléments sont donnés à titre d’information et ne remplacent pas un conseil juridique.

1. Faire l’inventaire des usages d’IA existants, y compris les usages « sauvages » de vos équipes ;
2. Choisir des outils professionnels adaptés à votre environnement (Microsoft 365, Google Workspace, solution européenne…) et qui protègent vos données ;
3. Écrire une charte d’usage simple : données interdites, validation humaine, transparence ;
4. Former les équipes : les bases de l’IA générative pour tous, puis des parcours métier (RH, commercial, gestion) et des ateliers sur les agents pour les équipes pilotes ;
5. Tester un premier agent sur une tâche répétitive et bien délimitée, mesurer le gain, puis étendre.

NAPSIA accompagne les entreprises à chaque étape : formations IA générative (en présentiel à Toulouse, à distance ou dans vos locaux), ateliers pratiques par métier, et conseil IA & RH pour définir votre feuille de route et votre charte d’usage.