Agent IA, automatisation, chatbot : les différences

Les trois se distinguent sur une seule question : qui décide de l’étape suivante. Dans une automatisation, c’est vous, à l’avance, quand vous avez dessiné le workflow. Dans un chatbot, c’est la personne qui écrit, message après message, et le bot se contente de répondre. Dans un agent, c’est le modèle, à chaque étape : il choisit l’outil à appeler ensuite jusqu’à atteindre l’objectif ou buter sur une limite. Le reste (coût, fiabilité, manière de tester) découle de là.

Les éditeurs emploient le mot « agent » pour les trois. Mieux vaut donc savoir lequel on vous vend, et lequel votre problème demande. D’expérience, la plupart des tâches growth réclament une automatisation avec un ou deux appels à un modèle à l’intérieur, et moins de tâches qu’on ne le dit ont besoin d’un vrai agent.

L’automatisation : vous dessinez le chemin

Une automatisation est une suite d’étapes fixe, déclenchée par un événement. Make et n8n sont les outils habituels. En voici une typique, écrite noir sur blanc :

trigger: new row in the "Demo requests" sheet
steps:
  1: search the CRM for a company with this domain
  2: if none found, create the company
  3: create a deal at stage "Demo booked", owner = round robin
  4: post the deal link in the #sales channel
on_error: email the ops owner

Même entrée, même sortie, à chaque fois. Elle coûte peu, se teste avec une poignée de cas, et ses pannes sont en général bruyantes : une étape plante, vous recevez l’e-mail. Sa faiblesse, c’est la variété. Le jour où une demande arrive avec une adresse Gmail personnelle au lieu d’un domaine d’entreprise, l’étape 1 ne trouve rien, l’étape 2 crée une entreprise nommée « gmail.com », et rien ne proteste. Chaque nouveau cas impose une nouvelle branche, dessinée à la main.

On peut placer un modèle dans une automatisation. L’étape 2 pourrait demander à un modèle de classer la demande en « entreprise », « étudiant » ou « spam » avant de créer quoi que ce soit. Le chemin reste le vôtre ; le modèle ne remplit qu’une case. C’est l’hybride que j’utilise le plus souvent.

Le chatbot : il répond, il n’agit pas

Un chatbot, c’est un modèle dans une conversation. Il lit ce que vous tapez et écrit une réponse. Certains savent chercher sur le web ou lire un fichier joint, mais le résultat vous revient sous forme de texte, et c’est vous qui décidez quoi en faire.

C’est un bon outil pour réfléchir : rédiger, reformuler, explorer une idée, expliquer un jeu de données collé dans la fenêtre. Il convient mal aux opérations, parce que le travail s’arrête au bord de la conversation. Quelqu’un doit recopier la réponse dans le CRM, le tableur ou l’outil d’envoi, et ce quelqu’un est précisément le goulot que vous vouliez supprimer. Un bot de support sur votre site est la même chose tournée vers les clients : il répond dans les limites de ce qu’on lui a donné, et il ne faut pas le présenter comme davantage.

Trousseau de vieilles clés sur un livre ouvert

L’agent : un modèle dans une boucle, avec des outils

Un agent est un modèle à qui l’on donne un objectif, des règles et des outils qu’il peut appeler. Un outil est une fonction que vous exposez avec un nom, une description et les paramètres attendus. Par exemple, dans le format utilisé par l’API de Claude :

{
  "name": "find_company",
  "description": "Look up a company in the CRM by root domain. Returns id, name, owner and stage, or null if not found. Read only.",
  "input_schema": {
    "type": "object",
    "properties": {
      "domain": { "type": "string", "description": "Root domain, for example acme.com" }
    },
    "required": ["domain"]
  }
}

Le modèle lit l’objectif, décide d’appeler un outil, reçoit le résultat, décide de la suite, et ainsi de suite :

give the model: goal + rules + tool definitions
repeat:
  the model returns a tool call or a final answer
  tool call    -> run it, give the result back to the model
  final answer -> check it against the spec, then stop
stop anyway after N steps or when the budget is spent

C’est cette boucle qui permet à un agent de gérer seul le cas Gmail : il ne trouve aucune entreprise, remarque que l’adresse est personnelle, cherche le nom sur LinkedIn, et répond « employeur inconnu » plutôt que d’inventer une société. C’est aussi ce qui le rend plus difficile à tester, puisque deux exécutions sur la même entrée peuvent suivre des chemins différents. MCP, un protocole ouvert, est une manière standard d’exposer des outils comme find_company à n’importe quel client IA compatible ; le chapitre 7 en parle. L’équipe d’ingénierie d’Anthropic a publié un texte clair sur la différence entre workflows et agents, qui fait la même distinction du point de vue de celui qui construit (en anglais).

Les trois côte à côte

	Automatisation	Chatbot	Agent
Qui décide de l’étape suivante	Vous, à l’avance	L’utilisateur, à chaque message	Le modèle, à chaque étape
Même entrée, même sortie	Oui	Non	Non
Agit dans vos outils	Oui	Rarement, vous recopiez le résultat	Oui, via les outils que vous autorisez
Coût par exécution	Faible et prévisible	Par conversation	Variable, il faut un plafond
Panne typique	Mauvaise branche silencieuse sur une entrée imprévue	Mauvaise réponse donnée avec assurance	Mauvais chemin, boucle, fait inventé, succès annoncé sur un travail partiel
Comment le tester	Un jeu de cas de test	Lire les conversations	Cas de test figés, échantillons, journaux d’exécution

Les deux dernières lignes sont celles qu’on saute. Un agent a besoin d’un plafond de coût et d’une limite d’étapes inscrits dans sa configuration, et ses tests doivent être relancés à chaque modification de ses instructions.

Clés en laiton éparpillées sur du vieux bois

La plupart des vrais systèmes mélangent les trois

Le plugin outbound que j’ai publié pour Derrick (un outil de prospection que j’ai cofondé) montre comment les trois se combinent. Le flux global est fixe, comme une automatisation : import, enrichissement, message, séquence, push, puis une revue hebdomadaire. À l’intérieur de certaines étapes, le modèle tranche : quel signal sur un lead vaut la peine d’être utilisé, comment écrire le premier message dans la voix de l’utilisateur. À l’étape risquée, un contrôle déterministe tourne avant toute écriture : le push refuse d’écraser un lead déjà présent dans une campagne active. Et à l’étape séquence, l’agent se contente de conseiller la structure ; la personne monte la séquence elle-même dans son outil d’envoi.

La même logique décide quel modèle tourne où. Dans l’équipe d’agents qui fait tourner le marketing de Derrick, le modèle le plus puissant sert l’agent principal et les experts, là où le jugement compte, et un petit modèle rapide traite les sous-tâches purement mécaniques comme un rechercher-remplacer.

Les règles que j’applique pour choisir :

Si vous pouvez lister tous les cas à l’avance, construisez une automatisation.
Si une étape demande de lire ou de classer du texte en désordre, ajoutez un appel à un modèle à cette étape et gardez le chemin fixe.
Si le nombre d’étapes dépend de ce que l’agent trouve en route, envisagez un agent, avec une limite d’étapes, un budget et un contrôle du résultat.
Si une étape est irréversible (envoyer, payer, supprimer, écraser), gardez-la déterministe ou mettez-y un humain.

Ce qu’il faut demander avant d’acheter un « agent »

Quand un éditeur ou un freelance vous propose un agent, ces questions vous disent lequel des trois vous achetez :

Question	À quoi ressemble une bonne réponse
Qui décide de l’étape suivante ?	Une réponse nette : flux fixe, modèle, ou un mélange, étape par étape
Quels outils peut-il appeler, avec quelles permissions ?	Une liste, lecture seule et écriture séparées
Qu’est-ce qui l’arrête ?	Une limite d’étapes, un plafond de coût, une condition d’arrêt sur erreur
Comment le résultat est-il contrôlé avant d’atteindre un client ?	Un contrôle par règles plus un échantillon lu par une personne
Que se passe-t-il quand une entrée ne ressemble à aucun exemple ?	Il répond « inconnu » ou s’arrête, et on vous prévient
Puis-je voir le journal d’une exécution ?	Oui, chaque appel d’outil et son résultat

Si les réponses restent floues, vous avez probablement affaire à un chatbot avec une plus jolie interface, ou à une automatisation rebaptisée. Les deux peuvent convenir, du moment que le prix correspond.

Prochaine étape : reprenez la tâche entourée au chapitre 1 et notez, pour chaque étape, qui décide de la suite. Choisissez ensuite vos outils avec le chapitre sur les outils.