IA agentique vs IA générative : qui fait le travail ?
Deux tiers des demandes d’écriture envoyées à ChatGPT ne créent rien de neuf : elles corrigent, reformulent, traduisent ou condensent un texte que l’utilisateur apporte lui-même. Le chiffre sort de la plus grande étude publiée sur l’usage réel d’un assistant IA, menée par OpenAI avec des économistes de Harvard et Duke sur les conversations grand public de ChatGPT. Au même moment, une IA agentique trie une boîte de réception, met à jour un CRM ou publie un article de bout en bout, sans qu’on lui tienne la main.
Le moteur est pourtant souvent le même. Le modèle qui retouche vos mails est celui qui pourrait traiter le dossier entier. Comparer IA générative et IA agentique n’a donc rien d’une querelle de laboratoire : c’est mesurer le fossé entre ce que nous faisons de l’IA et ce qu’elle sait faire. Et ce fossé ne se comble pas tout seul.
2,6 milliards de messages par jour, surtout pour retoucher du texte
C’est le volume qu’absorbaient chaque jour les offres grand public de ChatGPT en juin 2025. L’étude en a classé un échantillon représentatif par un dispositif automatisé, sans lecture humaine, entre mai 2024 et juin 2025. Trois usages concentrent près de 80 % des conversations : le conseil personnalisé (« aide-moi à décider », « explique-moi selon ma situation »), la recherche d’information, qui grignote le territoire de Google, et l’écriture.
La ventilation de l’écriture est le résultat le plus parlant. Les deux tiers de ces demandes consistent à modifier un texte fourni par l’utilisateur : corriger, critiquer, traduire, résumer. L’IA n’écrit pas à la place des gens, elle repasse derrière eux. Un relecteur infatigable, disponible à toute heure, que l’on convoque vingt secondes et que l’on referme.
Autre surprise, le code ne pèse que 4,2 % des messages. L’outil qu’on décrit volontiers comme un compagnon de développeurs sert d’abord à des tâches de bureau et de vie courante. Le travail lui-même recule en proportion : 73 % des messages n’y sont plus liés, contre 53 % un an plus tôt.
Ce que les gens font vraiment de ChatGPT
Le périmètre de l’étude a une limite qu’il faut nommer : il couvre les formules Free, Plus et Pro, pas les offres entreprise ni les usages par API, où se joue une partie du travail sérieux. Mais la photographie de l’usage individuel est nette. On demande, on récupère, on exploite soi-même le résultat, tâche par tâche. C’est la définition exacte de l’IA générative : elle produit, vous exécutez.
Vous demandez une réponse, vous pourriez confier une mission
Relisez votre propre historique de conversations : il y a de bonnes chances qu’il ressemble à celui de l’étude. Des questions, des textes à améliorer, des choix à éclairer. Rien de honteux, c’est utile tous les jours. Simplement, tout le travail d’après reste chez vous : vous portez le contexte, vous collez le résultat au bon endroit, vous enchaînez les étapes une à une.
La bascule agentique inverse ce rapport. L’IA reçoit un objectif, pas une question, et déroule elle-même les actions dans vos outils jusqu’au résultat. Prenez une réponse à appel d’offres. En usage génératif, vous demandez quinze fois « rédige-moi cette section » et vous assemblez. En usage agentique, l’agent lit le cahier des charges, retrouve vos anciennes réponses, produit une première version complète du dossier et vous la soumet. Même modèle, même abonnement parfois. Ce qui change, c’est qui tient le volant.
Si la frontière est si simple, pourquoi des milliards de messages restent-ils massivement du côté génératif ?
Pourquoi personne ne confie de mission à son IA
Trois raisons expliquent ce surplace, et aucune n’est technologique.
La fenêtre de conversation formate la demande. Un champ de texte qui attend votre phrase appelle une question, pas une mission. Depuis trois ans, des centaines de millions de personnes apprennent l’IA à travers cette interface, et elle leur enseigne implicitement que l’IA « répond ». Demander « occupe-toi de mes relances clients de la semaine » ne vient pas naturellement dans une boîte de dialogue.
On pense tâche, pas processus. Corriger ce mail, résumer ce document, traduire ce paragraphe : des unités de travail isolées. Confier un processus entier suppose de le voir comme une chaîne, avec une entrée, des règles, des décisions, des exceptions, une sortie. Peu de gens regardent leur propre travail sous cet angle, et c’est une compétence qui ne s’improvise pas.
Le gain immédiat anesthésie l’ambition. Vingt secondes pour reformuler un mail, sans réglage, sans risque, sans demander la permission à personne. Brancher un agent sur sa messagerie ou son CRM exige des accès, des règles, des tests. Le retour est très supérieur, le ticket d’entrée aussi.
S’y ajoute une raison plus profonde : une IA qui suggère s’ignore, une IA qui agit engage. Le jour où l’assistant envoie lui-même le mail, modifie la fiche client, publie le document, il cesse d’être un outil pour devenir un acteur. Il faut alors parler droits d’accès, erreurs possibles, validation, traçabilité. Ce saut-là ne se fait pas en découvrant une fonctionnalité, il se décide.
Déléguer à l’IA commence par écrire ce que vous seul savez
L’usage génératif fonctionne sans préparation parce que tout l’implicite reste chez vous. Vous savez ce qu’est un client sensible, quand un devis peut partir sans relecture, où ranger le compte rendu. L’agent, lui, ne le sait pas, et il vaut exactement ce que vaut le contexte qu’on lui donne.
Passer à l’agentique, c’est donc formaliser ce qui ne l’a jamais été : quelles données l’agent consulte, quelles actions il mène seul, celles qu’il prépare sans les envoyer, quand il demande une validation, comment il traite un cas ambigu, qui contrôle la qualité et comment on corrige le système quand il se trompe. Ce travail ne s’appelle plus « bien formuler sa demande ». C’est de l’organisation du travail, la raison pour laquelle intégrer l’IA en entreprise est devenu un métier à part entière.
L’électricité a suivi exactement ce chemin. Remplacer la machine à vapeur par un moteur électrique n’a presque rien produit pendant vingt ans : les gains sont arrivés quand les usines ont réorganisé leurs ateliers autour du nouveau moteur. Le moteur ne suffisait pas, il fallait repenser la chaîne.
Le fossé entre IA générative et IA agentique n’est pas un retard à rattraper à coups de meilleures formulations. C’est une marche entre un outil qu’on consulte et un système qu’on installe. Les 2,6 milliards de messages quotidiens racontent que presque tout le monde se tient encore en bas de cette marche. Elle ne se franchit pas toute seule, mais elle se franchit.
En pratique chez BGT
Cet article s’appuie sur des déploiements IA réels en PME et ETI. Si vous préparez le vôtre, autant en parler avec une équipe dont c’est le métier.
Voir nos solutions IA générative →
