Agents vs workflows vs automations : choisir le bon niveau d'autonomie

Une équipe support a passé trois semaines à construire un « agent IAagent IALogiciel qui poursuit un objectif seul : il planifie, utilise des outils et agit avec une intervention humaine limitée.Voir la définition complète → » pour trier les emails entrants. Il appelait le modèle sur chaque message, le laissait décider quoi faire, et leur coûtait 400 $ par mois. Quand ils l'ont remplacé par un pipelinepipelineL'ensemble des opportunités commerciales actives réparties selon les étapes du processus de vente, avec leur valeur potentielle cumulée et leur probabilité de conclusion.Voir la définition complète → fixe (détecter la langue, résumer, classer par mot-clé), il tournait en une fraction du temps, ne coûtait presque rien, et a cessé de faire des erreurs de classement bizarres.

La leçon : la plupart des tâches n'ont pas besoin d'un agent. La compétence, c'est de savoir quand elles en ont besoin.

Le spectre de l'autonomie

Voyez l'automatisation comme un potentiomètre, pas un interrupteur. À gauche, vous décidez chaque étape. À droite, l'IA décide. Il y a trois arrarrL'Annual Recurring Revenue (ARR) est le revenu normalisé et prévisible qu'une entreprise par abonnement attend de ses contrats actifs sur une année.Voir la définition complète →êts utiles sur le chemin.

1. Automation (aucune décision par l'IA)

Une séquence fixe d'étapes que vous avez écrites à l'avance. L'ordinateur les suit à la lettre. Aucun modèle ne décide quoi que ce soit.

Exemple : quand un fichier arrive dans un dossier, le renommer avec la date du jour et le sauvegarder. Des outils comme Zapier, Make ou un simple script font ça. Zéro IA.

2. Workflow (l'IA dans des emplacements fixes)

Vous contrôlez toujours les étapes et leur ordre. Mais à des points précis, vous appelez un modèle d'IA pour faire un travail : résumer, classifier, extraire, réécrire. Le modèle remplit un emplacement. Il ne choisit pas ce qui se passe ensuite.

Exemple : un email arrive → l'IA écrit un résumé d'une ligne → l'IA le classe en « facturation », « ventes » ou « autre » → votre code le range dans le dossier correspondant. Le modèle fait deux travaux. Votre code décide du chemin.

C'est là que l'équipe support aurait dû commencer.

3. Agent (l'IA décide des étapes)

Un agent est un modèle qui décide quoi faire ensuite, en boucle, à l'aide d'outils (des fonctions qu'il peut appeler, comme « chercher sur le web » ou « envoyer un email »). Vous lui donnez un objectif, pas un script. Il choisit des actions, voit les résultats, et choisit à nouveau jusqu'à ce que l'objectif soit atteint.

Exemple : « Résous cette réclamation client. » L'agent lit le ticket, décide de consulter la commande, découvre qu'un remboursement est nécessaire, appelle l'outil de remboursement, puis rédige une réponse. Vous ne lui avez pas indiqué cet ordre d'étapes. Il l'a choisi.

Pourquoi plus d'autonomie coûte plus cher

Chaque arrêt vers la droite ajoute trois coûts.

L'argent. Les agents appellent le modèle de nombreuses fois par tâche (une fois par décision). Un workflow l'appelle un nombre fixe et réduit de fois. En 2026, les appels de modèles sont moins chers qu'avant, mais un agent qui boucle 15 fois coûte toujours à peu près 15x un appel unique.

La vitesse. Chaque décision est un aller-retour vers le modèle. Plus de décisions, plus d'attente. Un workflow fixe avec deux appels est rapide de manière prévisible.

La prévisibilité. C'est le point majeur. Dans un workflow, vous connaissez le chemin exact. Dans un agent, le chemin change à chaque exécution. Cette flexibilité est tout l'intérêt, mais cela signifie aussi que l'agent peut boucler indéfiniment, appeler le mauvais outil, ou « résoudre » un problème d'une façon que vous n'aviez jamais prévue.

L'équipe d'ingénierie d'Anthropic l'a dit clairement dans son guide très partagé : construisez la chose la plus simple qui fonctionne, et n'ajoutez de l'autonomie que lorsqu'une approche plus simple ne suffit pas. À lire : Building Effective Agents.

Une règle de décision réellement utilisable

Posez ces questions dans l'ordre. Arrêtez-vous au premier « oui » qui correspond.

1. Les étapes et leur ordre ne changent jamais ? → Utilisez une simple automation. Pas besoin d'IA.
2. Les étapes sont fixes, mais certaines demandent du jugement (résumer, classifier, extraire) ? → Utilisez un workflow avec de l'IA dans ces emplacements.
3. La tâche est différente à chaque fois, donc les étapes ne peuvent pas être connues à l'avance ? → Envisagez alors un agent.

Un dernier filtre avant de vous engager sur un agent :

Pouvez-vous écrire les étapes pour 80 % des cas ? Si oui, construisez un workflow et traitez les 20 % restants manuellement. Si vous ne pouvez vraiment pas prévoir les étapes, un agent justifie son coût.

Exemples côte à côte

Repérez le motif : les agents brillent quand le chemin est inconnu. Si vous pouvez dessiner l'organigramme, vous n'avez pas besoin d'un agent.

À quoi ressemble vraiment une boucle d'agent

L'idée de base est simple. Un agent est une boucle : le modèle choisit un outil, vous l'exécutez, vous renvoyez le résultat, et vous répétez jusqu'à la fin. Voici sa forme, indépendamment du fournisseur :

# Vendor-neutral agent loop (pseudocode-ish)
tools = {
    "search_orders": search_orders,
    "issue_refund": issue_refund,
    "send_reply": send_reply,
}

messages = [{"role": "user", "content": "Resolve ticket #4821"}]

while True:
    # Le modèle regarde la conversation et décide :
    # soit appeler un outil, soit donner une réponse finale.
    response = model.generate(messages, available_tools=tools.keys())

    if response.tool_call:
        name = response.tool_call.name
        args = response.tool_call.args
        result = tools[name](**args)          # vous exécutez la vraie fonction
        messages.append(response)             # on enregistre ce que le modèle voulait
        messages.append({"role": "tool",      # on renvoie le résultat
                         "content": result})
    else:
        print(response.text)                  # réponse finale, c'est terminé
        break

Cette boucle while True explique exactement pourquoi les agents sont moins prévisibles. C'est le modèle, pas votre code, qui choisit search_orders ou issue_refund à chaque passage. Cette même forme fonctionne avec l'OpenAI Agents SDK, le Claude Agent SDK et l'ADK de Google. Les blocs d'approfondissement par fournisseur couvrent les spécificités de chacun. Ici, ce qui nous intéresse, c'est l'idée.

Deux garde-fousgarde-fousRègles et contrôles qui maintiennent un système d'IA dans des limites sûres, légales et conformes à la marque, en bloquant les sorties et actions hors cadre.Voir la définition complète → à toujours ajouter à une boucle réelle :

• Une limite d'étapes (par exemple, s'arrêter après 10 appels d'outils) pour qu'elle ne puisse pas boucler indéfiniment.
• Des points de validation sur les outils risqués (émettre des remboursements, envoyer des emails, supprimer des données) pour qu'un humain confirme avant l'action.

Erreurs fréquentes

Se jeter d'abord sur un agent. Ça fait moderne et impressionnant. C'est généralement le mauvais point de départ. Commencez à gauche du potentiomètre et allez vers la droite seulement quand vous y êtes contraint.

Appeler un workflow un « agent ». Le marketing brouille ces mots. Si vos étapes sont fixes et que le modèle remplit juste des emplacements, c'est un workflow, et c'est très bien. On ne vous retire pas de points pour ne pas avoir utilisé d'agent.

Donner trop d'outils à un agent. Un modèle qui choisit parmi 30 outils fait plus d'erreurs qu'un modèle qui choisit parmi 4. Gardez un jeu d'outils réduit et un objectif étroit.

Pas de bouton d'arrêt. Un agent sans limite d'étapes ni plafond de budget peut faire exploser les coûts et prendre des actions étranges. Plafonnez-le toujours.

Une décision détaillée

Supposons que vous vouliez traiter les factures entrantes.

• Extraire le fournisseur, le montant et la date d'échéance. Prévisible, demande du jugement → étape de workflow (extraction par IA).
• Signaler les factures de plus de 10 000 $ pour revue. Règle fixe → automation, pas d'IA.
• Classer dans le bon dossier projet. Si les dossiers correspondent proprement à un champ, automation. S'il faut lire la facture et raisonner sur le projet concerné, une petite étape de classification en workflow.
• Relancer un fournisseur par email au sujet d'une facture contestée, en plusieurs échanges, jusqu'à résolution. Imprévisible, multi-tours, adaptatif → c'est la seule partie qui pourrait justifier un agent.

L'ensemble est à 90 % du workflow et de l'automation, avec un agent uniquement sur la marge la plus désordonnée. C'est une conception saine.

Points clés

• Commencez simple, allez vers la droite seulement quand vous y êtes contraint. Automation → workflow → agent. Chaque pas vers la droite ajoute du coût, de la latence et de l'imprévisibilité.
• Utilisez le test de l'organigramme. Si vous pouvez dessiner les étapes à l'avance, construisez un workflow, pas un agent. Les agents servent aux tâches dont le chemin est véritablement inconnu.
• Un workflow avec de l'IA dans des emplacements fixes n'est pas un choix au rabais. Pour résumer, classifier et extraire, il est moins cher, plus rapide et plus fiable qu'un agent.
• Quand vous construisez un agent, plafonnez-le. Ajoutez une limite d'étapes, une limite de budget, et une validation humaine sur les outils risqués avant qu'il puisse agir.
• Gardez un jeu d'outils réduit. Moins d'outils et un objectif étroit, c'est moins de fausses routes.