Agents IA ou automatisation de workflows : que choisir ?

La différence entre agents IA et automatisation de workflows tient à qui décide des étapes. Dans un workflow automatisé, vous définissez la séquence à l'avance : à l'arrivée d'un e-mail, le classer, extraire le numéro de commande, le rechercher, rédiger une réponse. L'IA peut réaliser certaines étapes, mais le chemin est fixe. Un agent IA reçoit un objectif et des outils, et décide pendant l'exécution de la suite, en boucle, jusqu'à estimer le travail terminé. Les workflows sont plus prévisibles, moins chers et plus faciles à tester. Les agents sont plus souples pour les tâches ouvertes. Pour la plupart des processus métier actuels, la meilleure réponse est un workflow, avec un agent uniquement pour les étapes qui exigent vraiment de la flexibilité.

Des définitions sans battage

Le marketing emploie ces termes de façon floue ; voici comment nous les utilisons :

Terme	Signification
Automatisation à base de règles	Étapes et conditions fixes, sans IA. « Si le montant de la facture > X, envoyer au manager. »
Workflow enrichi par l'IA	Étapes fixes, mais certaines appellent un modèle d'IA, par exemple pour classer un message ou rédiger un texte.
Agent IA	Un modèle doté d'un objectif et d'outils (recherche, base de données, e-mail, code) qui choisit lui-même, en boucle, la séquence de ses actions.
Système multi-agents	Plusieurs agents aux rôles différents qui se transmettent le travail.

Un agent IA ne se définit pas par son intelligence, mais par le flux de contrôle : c'est le modèle, et non votre code, qui décide de l'étape suivante.

Comment fonctionne un workflow enrichi par l'IA

Prenons le traitement des e-mails clients entrants :

1. Déclencheur : un nouvel e-mail arrive.
2. Étape IA : classer le sujet (suivi de commande, retour, réclamation, autre).
3. Règle : si « autre », transmettre à une personne et s'arrêter.
4. Étape IA : extraire le numéro de commande.
5. Étape système : rechercher la commande dans la boutique en ligne.
6. Étape IA : rédiger une réponse avec les données de commande et la politique applicable.
7. Étape humaine : un conseiller relit et envoie.

Chaque étape est visible, testable et remplaçable. Si la classification est fausse, vous savez exactement où chercher. Le nombre d'appels au modèle par e-mail est connu d'avance, donc les coûts sont prévisibles.

Comment fonctionne un agent IA

La même tâche confiée à un agent :

• Objectif : « Traiter cet e-mail client. »
• Outils : lire le système de commandes, chercher dans le centre d'aide, rédiger un e-mail, créer une demande de remboursement.
• L'agent lit l'e-mail, décide de rechercher la commande, lit le résultat, décide de chercher la politique de retour, rédige une réponse, décide peut-être de créer une demande de remboursement, vérifie son brouillon et termine.

L'agent peut traiter des cas que personne n'avait prévus, comme un client qui pose une question sur deux commandes et sur un produit dans le même message. Mais le chemin change à chaque fois, le nombre d'étapes varie et l'agent peut choisir une action inattendue, comme créer une demande de remboursement à tort.

Comparaison point par point

Critère	Workflow enrichi par l'IA	Agent IA
Prévisibilité	Élevée : mêmes étapes à chaque fois	Plus faible : le chemin varie selon le cas
Cas imprévus	Limités aux branches prévues	Bien gérés, dans la limite de ses outils
Tests	Étape par étape, avec des résultats attendus clairs	Tests de scénarios et évaluation d'exécutions complètes
Coût par tâche	Nombre d'appels connu	Variable, souvent plusieurs fois plus élevé
Rapidité	Généralement rapide	Plus lent quand de nombreuses étapes sont nécessaires
Débogage	Défaillances faciles à localiser	Plus difficile : il faut retracer le raisonnement et les actions de l'agent
Risque d'actions non voulues	Faible : seules les actions prévues s'exécutent	Plus élevé : dépend des droits et des garde-fous
Effort de mise en place	Concevoir chaque étape	Concevoir outils, droits, garde-fous et évaluation
Idéal pour	Processus répétitifs aux variantes connues	Recherche ouverte, résolution de problèmes en plusieurs étapes, demandes variées

La question des coûts

Les agents appellent généralement le modèle de nombreuses fois par tâche : une fois pour planifier, une fois par appel d'outil pour décider quoi faire du résultat, et souvent une fois de plus pour vérifier. Chaque appel renvoie le contexte, qui grossit : objectif, descriptions des outils et tout ce qui a été appris. Un workflow peut se contenter de deux ou trois appels ciblés par cas ; un agent en utilise facilement dix ou plus, avec un long contexte à chaque fois.

Une comparaison illustrative, avec des hypothèses :

• Workflow : 3 appels × 2 000 tokens d'entrée et 300 tokens de sortie chacun.
• Agent : 10 appels × 6 000 tokens d'entrée en moyenne (le contexte grossit) et 400 tokens de sortie chacun.

Soit 6 000 tokens d'entrée pour le workflow contre 60 000 pour l'agent, un écart d'un facteur dix avant toute relance. Testez vos propres scénarios dans le calculateur de coût d'API LLM et lisez notre article sur la tarification des API LLM pour comprendre la facturation au token.

Quand un agent est le bon choix

Un agent justifie son surcoût et sa complexité lorsque :

• Les étapes ne peuvent pas être connues à l'avance. Recherches, diagnostic de pannes ou questions qui combinent de façon variable des informations de plusieurs systèmes.
• Les variantes sont trop nombreuses à modéliser. S'il vous faudrait des dizaines de branches, un agent peut être plus simple.
• La valeur par tâche est élevée. Une tâche qui représente beaucoup de temps humain peut absorber des coûts de modèle plus élevés.
• Les actions sont réversibles ou relues. L'agent propose ; un humain approuve tout ce qui compte.

Quand un workflow est le bon choix

Préférez un workflow lorsque :

• Le processus est répétitif avec des variantes connues.
• La prévisibilité des coûts compte, par exemple à fort volume.
• La traçabilité compte. Vous devez montrer précisément ce qui s'est passé et pourquoi.
• Les actions ont des conséquences : paiements, communication client, modification de données.
• Vous devez tester à fond avant la mise en production.

La plupart des tâches de notre guide sur les tâches à automatiser avec l'IA entrent dans cette catégorie.

Des modèles hybrides qui fonctionnent

Rien ne vous oblige à choisir une seule approche pour tout le processus.

Workflow avec une étape d'agent

Un workflow fixe gère la réception, le routage et les actions finales. Une étape bien délimitée, comme « rechercher la réponse à cette question inhabituelle dans ces trois sources », est confiée à un agent limité en nombre d'étapes et en lecture seule. Le workflow reprend ensuite avec le résultat de l'agent.

L'agent propose, le workflow exécute

L'agent analyse le cas et propose des actions dans un format structuré. Un workflow valide la proposition au regard de règles et n'exécute que les actions autorisées, avec approbation humaine au-delà d'un seuil.

Escalade

Un workflow traite les cas standard. Lorsqu'un cas sort des variantes connues, il est transmis à un agent ou à une personne, au lieu d'être forcé dans une branche inadaptée.

Garde-fous si vous utilisez des agents

• Moindre privilège : ne donnez à l'agent que les outils et droits nécessaires. Lecture seule autant que possible.
• Limites d'étapes et de budget : un nombre maximal d'itérations et de tokens par tâche.
• Approbation humaine pour les actions lourdes de conséquences : envoi de messages aux clients, modification d'enregistrements, dépenses.
• Journalisation : enregistrez chaque appel d'outil et son résultat pour pouvoir relire les exécutions.
• Jeu d'évaluation : une collection de scénarios réalistes à tester avant chaque modification.
• Instructions claires : un prompt système bien structuré qui définit objectif, limites et conditions d'arrêt. Voir rédiger un prompt système.
• Vigilance face à l'injection de prompt : les contenus que lit l'agent, comme des e-mails ou des pages web, peuvent contenir des instructions. Ne laissez pas un contenu lu déclencher des actions sans contrôle.

La conception de la relecture humaine est détaillée dans notre article sur l'IA human-in-the-loop.

Une checklist de décision

Répondez à ces questions pour le processus envisagé :

1. Pouvez-vous écrire les étapes pour 90 % des cas ? Si oui, commencez par un workflow.
2. Les cas restants sont-ils assez rares pour être transmis à une personne ? Si oui, vous n'avez peut-être pas besoin d'agent.
3. Les étapes dépendent-elles fortement de ce qui est découvert en route ? Si oui, envisagez un agent pour cette partie.
4. Quelle est la pire action que le système pourrait réaliser ? Si elle est grave, gardez-la dans un workflow avec approbation humaine.
5. Pouvez-vous assumer un coût variable par tâche ? Sinon, plafonnez les étapes de l'agent ou utilisez un workflow.
6. Pouvez-vous le tester ? Si vous ne savez pas définir une bonne exécution, vous n'êtes pas prêt pour la production.

Les erreurs fréquentes

• Construire un agent parce que c'est tendance. Beaucoup de projets « agents » seraient plus simples, moins chers et plus fiables sous forme de workflows.
• Donner aux agents de larges droits d'écriture. Commencez en lecture seule et ajoutez les droits prudemment.
• Aucune limite d'étapes ou de coût. Un agent désorienté peut tourner en boucle longtemps.
• Ne tester que le cas idéal. Les agents échouent de façon inattendue sur des entrées inhabituelles.
• Se passer de journaux. Sans eux, impossible d'expliquer ou de corriger ce qui s'est passé.

En résumé

Utilisez des workflows quand vous connaissez les étapes et avez besoin de prévisibilité ; réservez les agents aux parties réellement ouvertes, avec des limites strictes et une approbation humaine pour les actions qui comptent. Si vous préparez un projet, estimez le coût des deux options avec le calculateur de coût d'API LLM et comparez-le au bénéfice attendu dans le calculateur de ROI de l'automatisation IA.