Deux approches, deux logiques
Une automatisation classique suit un chemin écrit à l'avance : si telle condition est remplie, faire telle action. Elle prend la forme d'un script, d'un workflow dans un outil sans code ou d'une règle dans votre CRM. Avec les mêmes données en entrée, elle produit toujours le même résultat.
Un agent IA s'appuie sur un modèle de langage (LLM). On lui donne un objectif, des instructions et des outils, par exemple lire une fiche client ou créer une tâche. À chaque étape, il interprète la situation et choisit lui-même l'action suivante. Sur des entrées proches, il peut suivre des chemins différents.
Entre les deux, il existe des workflows qui appellent un modèle à une étape précise, pour classer un e-mail ou extraire un champ, sans lui laisser le choix de la suite. Ce n'est pas un agent au sens strict, et c'est souvent ce dont on a besoin.
Quand une automatisation classique suffit, et vaut mieux
Si vous pouvez écrire la règle, écrivez-la. Une règle se teste, se relit et s'explique. Elle ne coûte presque rien à l'exécution et ne se trompe pas de façon imprévue : quand elle échoue, c'est que la règle ou les données sont fausses, et l'on sait où chercher.
Exemples : relancer une facture échue après un délai défini, recopier une commande validée du CRM vers l'ERP, alerter quand un stock passe sous un seuil.
- Règles stables : la logique change rarement et tient en quelques conditions.
- Données structurées : les informations arrivent dans des champs connus, au bon format.
- Coût d'erreur élevé : paiements, écritures comptables, données réglementaires, engagements envers un client. Ici, la prévisibilité prime.
- Volume répétitif : la même opération en grand nombre, où chaque appel à un modèle ajouterait un coût et un délai.
- Besoin d'audit : il faut pouvoir démontrer pourquoi une action a été faite.
Quand un agent apporte vraiment quelque chose
Un agent devient utile quand la règle ne peut pas s'écrire complètement, parce que les entrées sont trop variées ou demandent une lecture. Le modèle apporte ce qu'une règle ne sait pas faire : comprendre un texte écrit par un humain, avec ses tournures, ses oublis et ses sous-entendus.
Un agent IA sur mesure se justifie alors : conçu pour un processus précis, avec vos règles écrites, vos outils et un périmètre délimité. Ce n'est pas un assistant généraliste branché sur tout.
- Texte libre : e-mails, demandes clients, comptes rendus, documents dont la forme change d'un émetteur à l'autre.
- Cas variables : chaque dossier ressemble au précédent sans être identique, et la liste des exceptions ne se referme jamais.
- Décisions à interpréter : juger si une demande est urgente, si un dossier est complet, à quel service une question doit aller.
- Recherche en plusieurs étapes : retrouver une information dans plusieurs outils, recouper, puis rédiger une synthèse.
Les risques propres aux agents
Un agent ne se trompe pas comme une règle. Ses erreurs sont plausibles : une réponse bien rédigée mais fausse, un document classé avec assurance dans la mauvaise catégorie, une action cohérente en apparence mais hors sujet. Elles sont donc plus difficiles à repérer.
Ces risques n'excluent pas les agents. Ils imposent un cadre : un champ d'action limité, des contrôles réguliers, et une autonomie accordée seulement quand le journal la justifie.
- Imprévisibilité : deux exécutions sur des cas proches peuvent donner des résultats différents. Il faut tester sur des cas variés, pas sur un exemple.
- Coût : chaque étape appelle un modèle. Sur de gros volumes, ce coût et le temps de réponse deviennent un critère de choix.
- Dérive : un changement de modèle, de données ou de formulation peut modifier le comportement sans que personne ne s'en aperçoive.
- Contenus piégés : un texte lu par l'agent, un e-mail par exemple, peut contenir des consignes qui tentent de le détourner. Ses outils doivent limiter ce qu'il peut faire, quoi qu'il lise.
- Surface d'action : plus l'agent a d'outils, plus ses erreurs peuvent coûter cher. Le périmètre doit rester étroit.
Les garde-fous : autonomie, validation, journal
Le niveau d'autonomie se règle action par action, pas pour l'agent dans son ensemble. Le même agent peut classer des e-mails seul et n'envoyer une réponse qu'après validation.
Chaque décision est inscrite dans un journal : ce que l'agent a lu, ce qu'il a décidé, pourquoi, et ce qu'il a fait. Ce journal permet de corriger, d'expliquer, et de décider si l'agent peut monter d'un niveau.
- N0, Observation : l'agent analyse et signale. Il n'agit pas.
- N1, Suggestion : il propose une action ; un humain la déclenche.
- N2, Exécution supervisée : il prépare l'action, dont l'effet attend une validation.
- N3, Exécution autonome : il agit seul sur un périmètre défini, et chaque action est journalisée.
L'approche hybride, la plus fréquente
Dans un processus réel, la plupart des étapes sont déterministes et quelques-unes demandent une lecture. La bonne architecture réserve le modèle à ces étapes et confie tout le reste à des règles.
Prenons le traitement des demandes entrantes. Une règle récupère les e-mails et leurs pièces jointes. Un modèle lit chaque demande, identifie le client, l'objet et l'urgence, et justifie son classement. Des règles prennent le relais : créer le ticket, l'affecter, appliquer le délai de réponse prévu. Seuls les cas ambigus, ou signalés comme incertains, passent par un humain.
Ce découpage limite le coût, rend le système plus prévisible et cantonne les erreurs possibles à l'étape où le modèle intervient.
Grille de décision : agent ou automatisation ?
Pour chaque étape du processus, posez ces questions dans l'ordre. Partez du problème métier, pas de la technologie : la réponse en découle.
Les réponses peuvent différer d'une étape à l'autre d'un même processus. C'est normal : on choisit l'approche étape par étape, pas pour le processus entier.
- La règle peut-elle s'écrire complètement ? Si oui, automatisation classique.
- Les entrées sont-elles structurées et stables ? Si oui, automatisation classique. Sinon, un modèle pour lire, des règles pour agir.
- Une erreur serait-elle coûteuse ou irréversible ? Si oui, règle déterministe, ou validation humaine systématique (N1 ou N2).
- La tâche demande-t-elle de chercher, recouper et choisir entre plusieurs actions ? Si oui, un agent, avec des outils limités au strict nécessaire.
- Le volume est-il élevé et la tâche simple ? Si oui, des règles, moins coûteuses et plus rapides.
- Pouvez-vous journaliser et vérifier chaque décision ? Si non, l'agent n'est pas prêt à agir seul.
