IA générative, agentique, prédictive : laquelle travaille pour vous ? 🤖

Click here to read in English

Karine, 28 ans, étudiante à Yaoundé, ouvre Spotify chaque matin. En quelques secondes, une playlist apparaît — exactement ce qu’il lui faut pour commencer la journée. Elle ne l’a pas choisie. Quelqu’un — ou plutôt quelque chose — l’a fait pour elle. À des milliers de kilomètres, à San Francisco, un ingénieur ouvre son terminal et demande à un agent IA de lire ses e-mails, de prioriser ses tâches et de rédiger un rapport. Sans qu’il tape une seule ligne de code supplémentaire.

Deux scènes du quotidien. Deux formes d’intelligence artificielle radicalement différentes. Et pourtant, dans les deux cas, la même confusion règne dans les conversations : « C’est quoi exactement l’IA ? C’est ChatGPT ? C’est un robot ? »

Depuis l’irruption de ChatGPT fin 2022, l’IA générative a pris toute la lumière. Puis les IA agentiques sont arrivées, promettant une autonomie inédite. Mais derrière ces deux vedettes, d’autres formes d’intelligence artificielle — plus discrètes, plus anciennes — façonnent silencieusement nos vies numériques depuis des années. Il est temps de démêler tout ça.

Le LLM : le cerveau sous le capot 🧠

Avant de parler de familles d’IA, il faut comprendre une brique fondamentale : le LLM, ou Large Language Model — qu’on peut traduire par grand modèle de langage.

Imaginez un système qui a lu une quantité astronomique de textes — des livres, des articles, des pages web, du code — et qui a appris, à partir de tout ça, à prédire quelle suite de mots est la plus probable dans un contexte donné. Ce n’est pas de la magie. C’est de la statistique à très grande échelle, entraînée sur des milliards de paramètres.

GPT-4, Claude, Gemini, Llama : ce sont tous des LLM. Ils ne « pensent » pas au sens humain du terme. Ils calculent. Mais ils le font avec une précision et une fluidité qui donnent l’illusion d’une vraie compréhension.

Le LLM est donc la matière première. Ce qu’on en fait ensuite définit le type d’IA.

L’IA générative : celle que vous voyez 💬

L’IA générative, c’est l’IA qui crée. Du texte, des images, du son, de la vidéo, du code. Elle prend une instruction — un prompt — et produit du contenu original à partir de ce qu’elle a appris.

ChatGPT, c’est une IA générative. Midjourney aussi. Suno, qui compose de la musique, est une IA générative. Ce sont des outils réactifs : vous leur donnez une consigne, ils répondent. La boucle s’arrête là.

C’est cette famille d’IA qui a le plus transformé les usages grand public depuis 2022. Rédiger un e-mail, générer une image pour un flyer, résumer un document de dix pages, traduire un contrat en cinq langues : autant de tâches que des millions de personnes confient désormais à une IA générative.

Mais attention à une confusion fréquente : tous les LLM ne sont pas de l’IA générative, et toute l’IA générative ne repose pas sur un LLM. Les outils de génération d’images comme Midjourney, par exemple, s’appuient sur des architectures différentes (des modèles de diffusion). Le LLM est une brique parmi d’autres dans l’écosystème génératif.

L’IA agentique : celle qui agit 🤖

Voilà où les choses deviennent vraiment intéressantes — et où la confusion s’installe le plus facilement.

L’IA agentique ne se contente pas de répondre à une question. Elle planifie, décide et exécute une série d’actions pour atteindre un objectif, souvent sans que vous ayez à intervenir à chaque étape. Elle est proactive là où l’IA générative est réactive.

Concrètement ? Vous lui dites : « Trouve les cinq meilleurs articles publiés cette semaine sur la fintech africaine, résume-les, et envoie un briefing à mon équipe d’ici 18h. » Un système agentique va naviguer sur le web, lire des sources, synthétiser, rédiger — et envoyer. Seul.

Pour faire ça, l’IA agentique mobilise souvent un LLM comme cerveau central, mais l’associe à des outils (navigateurs, APIs, bases de données, applications) et à une mémoire de travail. C’est ce couplage qui lui donne une capacité d’action que l’IA générative seule n’a pas.

En 2025 et 2026, les agents IA sont devenus le nouveau terrain de jeu de toutes les grandes entreprises tech : OpenAI, Anthropic, Google, Microsoft. Des entreprises comme Cursor en ont fait des assistants de développement autonomes. D’autres s’en servent pour automatiser des workflows entiers dans les RH, la comptabilité ou le service client.

La différence clé à retenir : l’IA générative crée du contenu, l’IA agentique accomplit des missions.

Les IA invisibles : celles qui étaient déjà là 👁️

Et si on vous disait que vous utilisez l’intelligence artificielle depuis bien avant l’arrivée de ChatGPT ?

Chaque fois que Spotify compose votre playlist du matin, une IA prédictive analyse vos habitudes d’écoute — la durée, le moment de la journée, le tempo des morceaux — pour anticiper vos préférences. Chaque fois que Netflix vous propose une série « faite pour vous », des algorithmes d’apprentissage automatique ont analysé vos préférences, vos évaluations et vos habitudes de visionnage pour construire cette recommandation. Chaque fois que votre messagerie filtre automatiquement un e-mail indésirable, une IA de classification est à l’œuvre.

Ces IA-là n’ont pas de nom grand public. Elles ne génèrent pas de texte et ne planifient pas de missions. Leur rôle est plus ciblé : analyser des données passées pour prédire un comportement futur, ou classer automatiquement des informations. On parle d’IA prédictive, de systèmes de recommandation, de détection d’anomalies.

Google Maps recalcule votre itinéraire en temps réel en intégrant des données de trafic : c’est de l’IA. Votre banque bloque une transaction suspecte à l’autre bout du monde alors que vous dormez : c’est aussi de l’IA. Le filtre qui détecte les deepfakes sur une plateforme sociale : idem.

Des plateformes comme YouTube et Amazon utilisent ces systèmes pour s’assurer que les produits et contenus mis en avant ont une probabilité plus élevée d’être choisis. Ce que nous croyons être des choix libres est souvent le résultat de systèmes intelligents qui filtrent l’information bien avant que nous ne la voyions.

Ces IA discrètes sont peut-être les plus puissantes de toutes — parce qu’elles agissent sans que nous en ayons conscience.

L’AGI : l’horizon qui se rapproche 🔭

Au-delà de ces trois familles, il existe un concept qui fait à la fois rêver et inquiéter : l’AGI, ou Artificial General Intelligence — en français, l’intelligence artificielle générale.

L’AGI représente le Graal de la recherche en IA : créer des machines capables de comprendre, d’apprendre et de raisonner comme l’humain dans tous les domaines. Contrairement aux IA actuelles, spécialisées dans des tâches précises, une AGI pourrait passer d’une discipline à l’autre — de la médecine à la poésie, de la physique à la négociation — avec la même aisance qu’un être humain.

Sommes-nous proches ? En janvier 2026, l’AGI véritable n’existe pas encore. Cependant, les avancées de 2025 ont posé des jalons décisifs vers cette intelligence artificielle capable de comprendre, d’apprendre et d’appliquer son intelligence à toute tâche intellectuelle humaine.

Les débats sont vifs. Certains dirigeants tech — dont Jensen Huang de NVIDIA — estiment que nous y sommes presque, selon une définition fonctionnelle. De nombreux experts de l’IA estiment que si l’on tient compte de critères cognitifs, l’IA générale au sens fort est encore hors de portée.

Ce qui est certain : la trajectoire est claire. Et la question n’est plus vraiment « si » mais « quand » — et surtout, dans quelles conditions.

Ce que ça change pour vous — ici et maintenant 🌍

Comprendre ces distinctions n’est pas un exercice théorique. C’est une question de lucidité numérique.

Savoir que Spotify vous connaît mieux que vous ne le pensez, c’est reprendre un peu de contrôle sur vos usages. Savoir que l’IA agentique peut accomplir des tâches à votre place, c’est identifier des opportunités concrètes pour gagner du temps dans votre travail ou votre activité. Savoir que l’IA générative crée du contenu — mais n’est pas infaillible — c’est apprendre à vérifier avant de relayer.

En Afrique, ces technologies arrivent à grande vitesse. Les outils d’IA générative sont déjà utilisés par des étudiants de Yaoundé, des entrepreneurs de Lagos, des développeurs de Nairobi. Les IA agentiques commencent à s’intégrer dans des processus métier sur tout le continent. Et les algorithmes de recommandation façonnent déjà ce que vous voyez, lisez et écoutez chaque jour.

L’enjeu n’est plus d’attendre que la vague arrive. Elle est déjà là. La vraie question, c’est : comment surfer dessus plutôt que d’être emporté par elle ?

Et demain ? 💡

On parle souvent de l’IA comme d’une révolution à venir. Mais à bien y regarder, elle n’a jamais cessé de se déployer — discrètement, profondément, inévitablement. Ce qui change aujourd’hui, c’est que la technologie devient visible. Et cette visibilité nous donne quelque chose de précieux : la possibilité de la comprendre, de la questionner, et de choisir comment l’intégrer dans nos vies.

L’IA n’est pas un destin. C’est un outil. Et comme tout outil, sa valeur dépend de la main qui le tient.

💬 Et vous ? Laquelle de ces formes d’IA vous surprend le plus — celle que vous utilisiez sans le savoir, ou celle qui commence à agir à votre place ? Partagez votre point de vue en commentaire, et dites-nous : l’IA vous fascine, vous inquiète, ou les deux à la fois ?