N'utilise pas d'agent IA quand tu peux décrire le chemin à l'avance. Dans ce cas, une automatisation (un workflow) fait le même travail, de façon plus prévisible et moins chère. Un agent devient utile quand les étapes dépendent de ce qu'il découvre en route, et c'est plus rare qu'on le croit.
Qu'est-ce qui distingue un agent d'un workflow ?
Dans un workflow, c'est toi qui dessines le chemin : l'IA classe, puis des règles décident où va le résultat. Dans un agent, c'est l'IA qui choisit quel outil utiliser, dans quel ordre, et quand s'arrêter. Pour la version complète de cette distinction, lis chatbot, automatisation ou agent IA.
| Workflow | Agent | |
|---|---|---|
| Qui choisit le chemin | Toi, à l'avance | L'IA, à chaque exécution |
| Prévisibilité | Totale | Bonne si bien conçu, jamais totale |
| Coût | 1 appel d'IA (ou zéro) | Souvent 2 à 5 appels |
| Idéal pour | Des cas connus, toujours les mêmes | Des cas variés, où les étapes dépendent de ce qu'on découvre |
Dans quelles situations faut-il éviter un agent IA ?
Quand tu peux écrire la règle en une phrase
Si tu peux formuler la règle sans « en général » ni « ça dépend », utilise une règle fixe. Elle est gratuite, instantanée et donne toujours le même résultat. Une IA coûte à chaque appel, elle est plus lente et deux exécutions peuvent donner deux réponses différentes.
| Tâche | Règle ou IA ? | Pourquoi |
|---|---|---|
| Rejeter un formulaire dont l'e-mail est vide | Règle | Une phrase suffit |
| Envoyer un récapitulatif tous les lundis à 8 h | Règle | C'est une heure fixe |
| Calculer la TVA d'un devis | Règle | Une IA peut se tromper en calcul |
| Vérifier si un client existe déjà | Règle | C'est une recherche dans une base |
| Classer un message libre en devis, support ou spam | IA | Il faut comprendre le sens |
| Résumer un e-mail en deux lignes | IA | Il faut juger ce qui compte |
Le principe : l'IA décide, les règles exécutent. Mets le moins d'IA possible, au seul endroit où il faut comprendre ou juger.
Quand une action ratée est coûteuse ou irréversible
Un agent qui agit, c'est une décision que personne n'a vérifiée avant l'action. S'il se trompe, la ligne est déjà écrite et le message déjà envoyé. Un e-mail parti ne revient pas. Dans un workflow, tu peux placer une vérification entre la réponse de l'IA et l'action : si la réponse est hors format, la demande part en revue chez toi et rien n'est écrit.
Quand un outil qui échoue peut passer inaperçu
Voici un défaut difficile à repérer. Quand un outil échoue, l'agent reçoit l'erreur comme une simple réponse. Il peut réessayer, abandonner, ou répondre « c'est fait » alors qu'aucune ligne n'existe. L'exécution reste en général verte : aucune alerte ne part. Avec un nœud ordinaire, un échec arrête le workflow en rouge et déclenche ton workflow d'erreur.
Quand tu as besoin de résultats reproductibles
Si le même cas doit toujours produire la même action (une facture, une relance, un enregistrement comptable), évite de confier le choix à l'IA. Un agent peut, selon l'exécution, appeler un outil, un autre, ou aucun.
Quand le coût compte
Chaque tour de boucle d'un agent est un appel au modèle. Un agent coûte souvent plusieurs appels là où un workflow en coûte un seul. Pour un usage ponctuel, la différence est faible. À grande échelle, elle devient visible. Consulte les tarifs de ton fournisseur, qui changent régulièrement : le coût réel dépend du modèle et de la longueur des textes.
Qu'en disent les concepteurs de ces systèmes ?
Anthropic, dans son guide Building effective agents, recommande de chercher la solution la plus simple possible et de n'ajouter de la complexité que si c'est nécessaire. Le guide ajoute que les systèmes agentiques échangent souvent de la latence et du coût contre de meilleures performances, et que leur autonomie entraîne des coûts plus élevés et un risque d'erreurs qui s'accumulent. Il recommande des tests approfondis dans des environnements isolés et des garde-fous adaptés. Les workflows conviennent aux tâches bien définies, les agents aux décisions flexibles prises à grande échelle par le modèle.
Quand un agent a-t-il vraiment du sens ?
Un agent se justifie quand il reste un vrai choix à faire et que tu ne peux pas le dessiner à l'avance. Exemples :
- chercher une information avant de répondre, sans savoir quelle recherche sera nécessaire ;
- enchaîner un nombre d'étapes qui varie selon la demande ;
- traiter des cas assez variés pour qu'un schéma devienne ingérable.
Même dans ces cas, garde des protections : peu d'outils, des descriptions d'outils précises (à quoi ça sert et quand l'utiliser), des paramètres sensibles fixés par toi plutôt que remplis par l'agent, et des contrôles sur ce qu'il produit.
Comment décider en quatre questions ?
- Puis-je écrire le chemin à l'avance ? Oui : workflow.
- Qu'arrive-t-il si l'action est mauvaise ? Si c'est grave, vérifie avant d'agir.
- Ai-je besoin du même résultat à chaque fois ? Oui : règles fixes.
- Combien de fois ça tourne ? Plus c'est fréquent, plus un seul appel d'IA compte.
Si tu réponds « oui » à la première, tu n'as pas besoin d'agent.
Un exemple : trier des demandes de contact
Prenons un tri en quatre catégories : devis, support, spam, autre. Une fois la catégorie vérifiée, l'action découle de la catégorie : un devis va dans Google Sheets, un support ou un « autre » arrive en alerte Telegram, un spam est ignoré. Il n'y a plus rien à décider. Un agent n'ajouterait ici que du coût et un risque d'erreur.
Le schéma retenu est donc : un nœud If filtre les messages trop courts ou trop longs, l'IA classe avec un prompt de production, un nœud de contrôle vérifie la réponse, un nœud Switch choisit l'action, puis un nœud Google Sheets ou Telegram agit. Le niveau 1 construit exactement ce projet, après un premier agent sur des données fictives pour comprendre comment il décide. C'est un terrain d'essai, pas un modèle à mettre en production sur de vraies demandes.
Questions fréquentes
Un agent IA est-il plus intelligent qu'un workflow ?
Pas forcément. L'intelligence vient du modèle utilisé dans les deux cas. La différence est le contrôle : dans un workflow, tu décides du chemin. Dans un agent, le modèle le décide, ce qui apporte de la flexibilité mais aussi de l'imprévisibilité.
Peut-on mélanger workflow et agent ?
Oui. Une architecture courante garde un workflow solide (filtre, vérification, alerte) et n'utilise un agent que pour une étape précise où un vrai choix reste à faire, avec ses propres contrôles.
Pourquoi apprendre à construire un agent si on conseille de les éviter ?
Pour comprendre comment il décide. Construire un agent sur un cas simple, avec des données fictives, montre le rôle des descriptions d'outils et pourquoi chaque décision doit être vérifiable. Ce savoir sert ensuite quand un vrai besoin d'agent se présente.
Un agent est-il dangereux ?
Il l'est dans la mesure des actions qu'on lui donne. Un agent qui lit est peu risqué. Un agent qui envoie, supprime ou paie, sans contrôle humain, expose à des erreurs coûteuses, y compris à des instructions cachées dans les contenus qu'il lit (l'injection de prompt).