La différence avec un chatbot
Un chatbot reçoit une question et renvoie une réponse, l'échange s'arrête là. Un agent reçoit un objectif et se débrouille pour l'atteindre : chercher sur le web, lire des fichiers, exécuter du code, appeler une API. Le LLM reste le même en coulisses, ce qui change, c'est la boucle construite autour.
La boucle agentique
Le fonctionnement tient en un cycle. Le modèle reçoit la tâche et la liste des outils disponibles. Il choisit un outil et ses paramètres, le programme hôte l'exécute et lui renvoie le résultat. Le modèle décide alors de la suite : appeler un autre outil, corriger si le résultat ne convient pas, ou conclure. La boucle tourne jusqu'à ce que la tâche soit accomplie ou déclarée impossible.
C'est cette capacité de correction qui fait l'agent. Un script enchaîne des étapes prévues d'avance ; un agent constate qu'un test échoue et modifie son code avant de relancer.
Des exemples concrets
Claude Code écrit du code, lance les tests et corrige jusqu'à ce qu'ils passent. Les modes Deep Research de ChatGPT ou Gemini enchaînent des dizaines de recherches web avant de rédiger leur synthèse. Le MCP fournit le standard qui permet de brancher ces agents sur des outils externes.