Un chatbot répond. Un workflow exécute une règle. Un agent IA combine contexte, décision encadrée et action. La frontière n’est pas toujours nette, mais elle suffit pour éviter beaucoup de mauvais projets.
Le piège consiste à appeler “agent IA” tout ce qui contient un modèle de langage. Ce flou coûte cher : on achète une interface de discussion alors qu’il fallait automatiser un processus, ou on construit un agent trop libre alors qu’un formulaire bien pensé aurait suffi.
Cet article sert de grille de tri avant de choisir entre agent de support, automatisation de processus ou outil web sur mesure.
Règle simple Ne choisissez pas le mot le plus vendeur. Choisissez le niveau de responsabilité que le système peut porter sans devenir dangereux.
Le bon choix est souvent moins ambitieux que la démo
Si le besoin tient en trois règles stables, commencez par une automatisation. Si la réponse dépend d’un contexte vivant, alors seulement on parle d’agent.
La décision sobre
Le bon choix n’est pas forcément l’option la plus intelligente. Un formulaire bien pensé peut battre un chatbot. Une automatisation simple peut battre un agent. Un agent devient intéressant quand la variabilité du contexte justifie le coût de contrôle.
Demandez d’abord : qui décide, sur quelle information, avec quel risque si le système se trompe ? La réponse oriente presque toujours le format.
Les trois familles
Le chatbot
Le chatbot est utile quand l’utilisateur pose des questions prévisibles. Il peut orienter, répondre à une FAQ, collecter des informations et créer un ticket.
Son rôle principal : gérer une conversation. Il ne devrait pas être vendu comme une solution d’automatisation complète s’il ne modifie aucun outil métier et ne prend aucune décision réelle.
Le workflow d’automatisation
Le workflow suit une logique déterministe : si tel événement arrive, alors telle action se déclenche. Il est très efficace pour les règles claires : envoyer une notification, créer une ligne CRM, renommer un fichier, déplacer une demande selon une catégorie.
Son rôle principal : exécuter sans improviser. Quand la règle est stable, il vaut souvent mieux qu’un agent IA. Moins cher, plus prévisible, plus facile à auditer.
L’agent IA
L’agent IA intervient quand il faut interpréter un contexte variable avant d’agir. Il peut lire un email, extraire l’intention, vérifier des données, choisir entre plusieurs chemins, préparer une réponse et demander validation si le cas sort des règles.
Son rôle principal : gérer de la variation dans un cadre contrôlé. Il n’est pas là pour remplacer les règles simples. Il est là quand les règles seules deviennent trop rigides.
Matrice de décision
| Situation | Chatbot | Workflow | Agent IA |
|---|---|---|---|
| Questions fréquentes et réponses stables | Bon choix | Utile en arrière-plan | Souvent excessif |
| Tâche répétitive avec règle claire | Faible | Bon choix | Inutilement complexe |
| Demandes écrites avec variantes | Limité | Limité seul | Bon choix |
| Besoin d’action dans un outil métier | Possible mais fragile | Bon si règle claire | Bon si contexte variable |
| Risque élevé ou décision sensible | À éviter seul | Avec validation | Avec garde-fou strict |
| Besoin de logs et audit | Moyen | Bon | Obligatoire |
La lecture simple : si la règle tient dans un arbre de décision stable, commencez par un workflow. Si la conversation est le produit, utilisez un chatbot. Si le système doit comprendre des demandes imparfaites avant de choisir une action, regardez du côté agent IA.
La matrice ne sert pas à classer un outil pour toujours. Elle sert à éviter une erreur de départ. Un même parcours peut contenir les trois briques : un formulaire capte la demande, un workflow applique les règles simples, un agent prépare les cas ambigus, puis un humain valide ce qui engage l’entreprise.
Le bon design ressemble rarement à “tout agent” ou “tout no-code”. Il ressemble plutôt à une chaîne courte où chaque brique porte seulement la part de responsabilité qu’elle peut assumer proprement.
Différenciation avec les autres guides
Ici, on choisit la famille de solution. Pour construire un agent support, utilisez ensuite le modèle de cahier des charges. Pour vérifier que l’agent support vaut le coût, passez par le calcul ROI.
Exemple : demande de facture
Prenons une demande classique : “Bonjour, je n’arrive pas à retrouver ma facture de mars, vous pouvez me la renvoyer ?”
Un chatbot peut demander l’email client, donner une procédure, ou créer un ticket.
Un workflow peut envoyer automatiquement une facture si le client clique dans un espace connecté et si la facture existe.
Un agent IA peut lire l’email, identifier le client, chercher la facture de mars, vérifier que l’adresse correspond au compte, préparer l’email de réponse, joindre le document et journaliser l’action. Si le client demande aussi une modification de montant, l’agent s’arrête et escalade.
Le même besoin apparent cache donc trois niveaux de système. La bonne solution dépend surtout des droits d’action et du risque.
Le test des 6 questions
Avant de choisir, répondez sans jargon :
- L’utilisateur a-t-il surtout besoin d’une réponse ou d’une action ?
- La règle métier est-elle stable ?
- Le contexte arrive-t-il dans un format propre ou libre ?
- Quelle source de données fait foi ?
- Quelle erreur serait acceptable ?
- À quel moment un humain doit-il reprendre la main ?
Si vous ne savez pas répondre aux questions 4 et 6, ne lancez pas encore le développement. Le projet manque de garde-fous.
Filtre rapide
Utilisez cette formule comme filtre :
Type de solution = conversation + règle + variation + action + risque- Conversation forte, action faible : chatbot.
- Conversation faible, règle forte : workflow.
- Variation forte, action utile, risque contrôlé : agent IA.
- Risque fort, validation absente : aucun des trois en autonomie.
Cette formule n’est pas scientifique. Elle sert à ralentir la décision avant l’achat d’un outil trop large.
Les erreurs qui coûtent vraiment
La première erreur : ajouter de l’IA pour rendre un mauvais processus plus moderne. Si personne ne sait qui valide, où se trouve la donnée fiable ou quelle action est autorisée, l’agent ne règlera pas le problème. Il le rendra plus difficile à diagnostiquer.
La deuxième : confondre autonomie et absence de contrôle. Un bon agent n’est pas libre. Il a des permissions, des seuils, des messages d’erreur, des logs et une procédure d’escalade.
La troisième : utiliser un chatbot comme cache-misère. Si le client pose une question simple mais que la réponse dépend d’un statut réel dans votre outil métier, une FAQ ne suffit pas. Il faut lire la donnée.
La fiche de cadrage à remplir
Avant de parler outil, remplissez six lignes. Elles suffisent souvent à faire tomber la mauvaise option.
- Source de vérité: où se trouve la donnée fiable, et qui la maintient ?
- Action autorisée: que peut faire le système seul, préparer ou seulement suggérer ?
- Cas interdits: quel type de demande déclenche un arrêt immédiat ?
- Trace: que doit-on garder pour comprendre une décision deux semaines plus tard ?
- Tests réels: quels tickets ou emails anonymisés vont casser la démo trop propre ?
- Responsable métier: qui arbitre la règle quand l'automatisation hésite ?
Cartographier avant de brancher l’automatisation
Le livrable le plus utile est souvent une carte du workflow existant : entrées, décisions, exceptions, outils touchés, personnes qui valident. Ensuite seulement on décide ce qui relève d’un chatbot, d’une automatisation ou d’un agent.
Si votre process est déjà vivant mais fragile, regardez l’offre automatisation de processus ou envoyez le cas par contact.
La phrase à écrire avant le devis
- Question prévisible: chatbot ou FAQ assistée.
- Action répétée: automatisation simple, surveillée.
- Contexte variable: agent IA borné avec logs.
- Risque élevé: humain devant, IA en préparation seulement.
FAQ
Un chatbot peut-il devenir un agent IA ?
Oui, s’il gagne accès à des données, des actions et des règles de décision. Mais ce n’est pas une évolution automatique. Il faut revoir les permissions et la QA.
Un workflow peut-il utiliser un modèle IA ?
Oui. Par exemple pour classer un email avant de déclencher une règle. Dans ce cas, le modèle est un composant du workflow, pas forcément un agent complet.
Faut-il toujours viser l’agent IA ?
Non. Pour une règle stable, un workflow simple est souvent meilleur. L’agent devient intéressant quand la variation rend les règles seules trop lourdes.
La bonne décision
Ne choisissez pas une technologie. Choisissez un niveau de responsabilité. Le chatbot parle, le workflow exécute, l’agent interprète et agit sous contrôle.
Si vous avez un cas flou, Last Word peut vous aider à le traduire en architecture simple : chatbot, automatisation, agent ou rien pour l’instant. Vous pouvez décrire votre processus via la page contact.