C'est quoi un agent IA : vrai agent ou chatbot repeint, le test qui tranche

C’est quoi un agent IA ? Un agent IA est un système informatique qui accomplit une tâche à votre place, seul, du début à la fin. La formulation la plus nette vient du guide pratique de construction d’agents publié par OpenAI : « Agents are systems that independently accomplish tasks on your behalf », des systèmes qui accomplissent des tâches pour vous de façon indépendante. Deux caractéristiques suffisent à le reconnaître. D’abord, il s’appuie sur un modèle de langage, ce qu’on appelle un LLM pour large language model, le moteur qui fait tourner ChatGPT, Claude ou Gemini, non pas pour bavarder mais pour piloter l’exécution : il décide de l’étape suivante, reconnaît qu’une tâche est terminée, corrige sa trajectoire et rend la main quand il bloque. Ensuite, il dispose d’outils, votre boîte mail, votre CRM, un tableur, un logiciel de facturation, et il choisit lesquels appeler selon ce qu’il vient d’observer.

D’où un test que vous pouvez tenir en trente secondes, une plaquette commerciale à la main ou en sortant d’un rendez-vous. Posez une seule question : qui décide de l’étape suivante ?

• Vous. Vous écrivez, ça répond, ça attend votre message suivant. C’est un assistant conversationnel, un chatbot. Pas un agent.
• Une règle écrite d’avance. Quand un mail arrive, faire ceci, puis cela, toujours dans le même ordre. C’est une automatisation. Utile, souvent moins chère, mais pas un agent.
• Le système lui-même, en fonction de ce que l’étape précédente a donné. Là, et seulement là, vous avez un agent.

Ce test n’est pas une opinion d’auteur. OpenAI écrit noir sur blanc, dans le même guide, que les applications qui intègrent un LLM sans lui laisser piloter l’exécution, chatbots simples, requêtes à un tour, classifieurs de sentiment, ne sont pas des agents. Le fabricant du modèle exclut lui-même de la catégorie ce que beaucoup de plaquettes commerciales appellent « agent IA ».

Ce que ça change pour vous est très concret : un agent a besoin d’accès en écriture à vos outils, d’une surveillance nommée et d’une ligne de coût récurrente. Un chatbot n’a besoin de rien de tout ça. Vous n’achetez donc pas le même objet, et vous ne prenez pas le même risque.

Quelle est la différence entre un agent IA et un chatbot ?

Un chatbot répond, un agent exécute. Le chatbot travaille au tour par tour : vous demandez, il répond, il s’arrête. L’agent reçoit un objectif, le découpe, agit dans vos logiciels, regarde le résultat, décide de la suite et continue jusqu’au bout. OpenAI le dit dans les mêmes termes : un logiciel classique aide l’utilisateur à exécuter son travail, un agent exécute ce travail à sa place avec un fort degré d’indépendance.

En pratique, la différence se voit à trois endroits que vous pouvez vérifier sans être technicien :

• La fin de la conversation. Le chatbot s’arrête quand vous vous taisez. L’agent continue quand vous fermez l’écran.
• Les droits d’accès demandés. Un chatbot lit ce que vous lui collez. Un agent réclame un accès à vos comptes, souvent en écriture, parfois avec le droit d’envoyer ou de modifier.
• La facture. Un chatbot se paie par utilisateur et par mois. Un agent se paie à l’usage, parce que chaque étape consomme des appels au modèle, et il s’y ajoute du temps humain de surveillance.

Cette confusion sert d’argument de vente. Dans son communiqué du 25 juin 2025 sur les projets d’IA agentique, Gartner estime que sur les milliers de fournisseurs qui se revendiquent « agentic AI », environ 130 seulement proposent une capacité agentique réelle et substantielle. Le cabinet appelle le reste de l’« agent washing » : rebaptiser un chatbot, un assistant ou un outil d’automatisation existant sans rien ajouter dessous. Cette source a plus d’un an aujourd’hui, mais le phénomène n’a pas quitté les plaquettes.

Le mot « agentique », puisqu’il revient partout, désigne simplement la famille des systèmes d’IA qui agissent au lieu de seulement répondre. Il ne dit rien du niveau réel d’autonomie, et c’est précisément pour ça qu’il se vend si bien.

Quelle différence entre un agent IA et une automatisation classique type Zapier ou n8n ?

Une automatisation suit un chemin écrit à l’avance, un agent choisit son chemin. C’est la ligne de partage posée par Anthropic dans son article d’ingénierie sur la construction d’agents efficaces, publié le 19 décembre 2024 : un workflow, c’est-à-dire une suite d’étapes, désigne un système où le modèle et les outils sont orchestrés par du code défini à l’avance ; un agent désigne un système où le modèle dirige lui-même son propre déroulé et son usage des outils.

Traduit dans votre entreprise : si un développeur ou vous-même avez dessiné le trajet à la souris dans n8n ou Zapier, ces logiciels dits no-code où l’on assemble des blocs au lieu d’écrire du code, alors le modèle remplit des cases mais ne décide de rien. C’est une automatisation, même si une étape appelle ChatGPT au passage.

L’image d’OpenAI est la plus parlante pour un dirigeant. Sur la détection de fraude au paiement, un moteur de règles classique fonctionne comme une liste de contrôle : il signale les transactions qui cochent des critères fixés d’avance. Un agent fonctionne comme un enquêteur expérimenté : il évalue le contexte, repère des motifs discrets et identifie une activité suspecte même quand aucune règle nette n’a été violée.

Quand faut-il l’un plutôt que l’autre ? Anthropic tranche sans détour : un agent se justifie sur des problèmes ouverts, où il est difficile ou impossible de prévoir à l’avance combien d’étapes seront nécessaires. Pour une tâche bien définie aux étapes prévisibles, une automatisation classique fait le travail plus vite et pour moins cher. Le même article prévient que l’agent s’achète au prix d’une latence et d’un coût supérieurs, et d’un risque d’erreurs qui s’accumulent d’une étape à l’autre.

Trois questions à poser au prestataire, à ce moment précis du rendez-vous :

1. Sur ce cas, le nombre d’étapes est-il connu d’avance ? Si oui, pourquoi un agent ?
2. Qu’est-ce que le système fait quand il rencontre un cas non prévu : il s’arrête, il improvise, il me prévient ?
3. Combien coûte un mois de fonctionnement à mon volume réel, appels au modèle compris ?

Quels sont les types d’agents IA ?

Oubliez la taxonomie académique : dans une PME, on rencontre quatre familles, et deux d’entre elles ne sont pas des agents. Les reconnaître suffit à savoir ce qu’on vous vend.

• L’assistant qui répond. ChatGPT, Claude, Copilot, un chatbot posé sur votre site. Il attend votre question. Valeur réelle, coût faible, autonomie nulle.
• L’automatisation à règles fixes. Un scénario n8n ou Zapier qui part à 8 h, lit un tableur, envoie un mail. Elle tourne sans vous, mais elle ne décide rien. Anthropic en recense cinq schémas courants, dont l’enchaînement d’étapes avec vérification entre chaque, l’aiguillage d’une demande vers un traitement spécialisé, et la boucle où un second modèle relit et corrige le premier.
• L’agent qui choisit ses étapes. Un seul modèle, équipé d’outils et de consignes, qui tourne en boucle jusqu’à ce que l’objectif soit atteint. C’est la forme la plus fréquente, et dans la grande majorité des cas en PME, la seule dont vous ayez besoin.
• Les agents qui se répartissent le travail. Plusieurs agents coordonnés. Soit un agent chef d’orchestre qui distribue le travail à des agents spécialisés, soit des agents qui se passent la main les uns aux autres. Puissant, plus cher, plus difficile à surveiller.

Ce site en est un exemple que vous pouvez vérifier. Le moteur qui produit les articles du blog est un enchaînement d’agents que j’ai écrit, avec des portes de qualité bloquantes : une porte d’intention qui peut refuser un mot-clé avant même la rédaction, puis sept relectures adversariales qui doivent toutes se prononcer, faute de quoi rien n’est publié. Ce n’est pas un chatbot, et ce n’est pas non plus un scénario figé : le système décide de continuer ou de s’arrêter.

Comment utiliser un agent IA ?

Un agent se justifie sur trois familles de tâches, et sur elles seulement. OpenAI les nomme explicitement : les décisions complexes qui demandent du jugement, l’exemple cité étant l’approbation d’un remboursement client ; les règles devenues trop nombreuses ou trop coûteuses à maintenir, l’exemple cité étant la revue de sécurité des fournisseurs ; et le traitement de documents non structurés, l’exemple cité étant un dossier de sinistre en assurance habitation.

Dans une PME, ça ressemble à ceci :

• Trier des demandes entrantes qui arrivent sous dix formes différentes, mails, PDF, formulaires, et en extraire ce qui compte.
• Préparer un dossier client en allant chercher les pièces dans trois logiciels qui ne se parlent pas.
• Mener une prospection de bout en bout : premier message, relance si pas de réponse, changement de canal, mise en pause pendant les jours fériés. C’est le cas que je montre en formation, une automatisation de prospection en production chez un studio 3D depuis 2025.

Le mode d’emploi tient en quatre gestes : vous décrivez l’objectif et les limites, vous donnez les accès strictement nécessaires, vous laissez tourner sur des données d’essai, puis vous ouvrez le journal d’exécution chaque semaine. Ce dernier point n’est pas une option. Un agent qui tourne sans que personne ne regarde ses échecs accumule une dette en silence.

Un agent IA peut-il remplacer un salarié dans mon entreprise ?

Non, et la question est mal posée. Un agent absorbe des gestes répétitifs à l’intérieur d’un poste, sans le remplacer. Sur les actions qui engagent l’entreprise, OpenAI recommande explicitement de rendre la main à un humain, et cite trois exemples : annuler une commande client, autoriser un remboursement important, effectuer un paiement. Le fabricant du modèle vous dit lui-même de ne pas laisser son agent décider seul là-dessus.

Deux déclencheurs de reprise en main sont recommandés dans ce guide : le dépassement d’un seuil d’échecs répétés, et toute action sensible, irréversible ou à fort enjeu. Si un prestataire vous vend un agent « 100 % autonome » sur des gestes financiers, il vend quelque chose que l’éditeur du modèle qu’il utilise déconseille par écrit.

Le rythme du marché va d’ailleurs dans ce sens. Gartner avance dans son communiqué du 25 juin 2025 qu’à l’horizon 2028, au moins 15 % des décisions de travail quotidiennes seront prises de façon autonome par de l’IA agentique, contre 0 % en 2024. Quinze pour cent, ce n’est pas un remplacement, c’est une part de gestes.

Comment puis-je créer un agent IA ?

En assemblant trois briques existantes, pas en entraînant une intelligence artificielle. Un agent, c’est un modèle déjà entraîné qui raisonne et décide, des outils qu’il peut appeler pour agir, boîte mail, CRM, tableur, et des consignes écrites qui posent son comportement et ses limites. Le travail réel tient dans le tri : choisir la tâche qui mérite un agent, et dire lesquelles n’en méritent pas.

La méthode complète, la grille de tri et les pièges du passage en production sont détaillés dans le guide de création d’un agent en PME publié le 2 septembre 2026. Si vous voulez d’abord tester sans payer, les plafonds réels des offres gratuites sont relevés page par page dans ce que le gratuit permet et où il s’arrête.

Quel est le tarif d’un agent IA ?

Il n’y a pas de prix de catalogue, il y a trois lignes de coût. Les fourchettes que j’observe en France : un prototype assemblé en no-code coûte de 0 à 200 EUR par mois d’abonnements, la mise en production d’un premier agent va de 3 000 à 12 000 EUR, et la supervision de 150 à 500 EUR par mois. C’est la troisième ligne qui fait dérailler les budgets, parce que c’est la seule que personne ne met dans la proposition commerciale.

Deux repères de terrain pour situer une offre. Côté outils, relevé le 7 septembre 2026 sur les pages officielles : Zapier offre 100 tâches par mois et deux étapes maximum par scénario, Make 1 000 crédits et deux scénarios actifs, n8n aucune offre gratuite permanente en ligne et 20 EUR par mois pour 2 500 exécutions. Côté projet, Gartner prévoit dans le même communiqué de juin 2025 que plus de 40 % des projets d’IA agentique seront annulés d’ici fin 2027, pour trois raisons : des coûts qui s’envolent, une valeur métier peu claire, des contrôles de risque insuffisants. Aucune n’est technique. Le détail du chiffrage est dans le guide sur la création d’un agent.

Quels accès un agent IA demande-t-il à mes outils ?

C’est le volet dont on ne parle jamais en rendez-vous, et c’est celui qui vous engage. Un agent qui décide de ses actions a besoin d’écrire dans vos outils. OpenAI est explicite : les garde-fous doivent être couplés à une authentification solide, à des contrôles d’accès stricts et aux mesures de sécurité logicielles habituelles, et un garde-fou seul ne protège de rien, il en faut plusieurs en couches.

La liste des garde-fous cités dans ce guide fait une check-list de questions à poser, mot pour mot, à votre prestataire :

1. Un filtre sur les données personnelles est-il en place avant que quoi que ce soit parte au modèle ?
2. Un classificateur de sécurité bloque-t-il les tentatives de détournement des consignes ?
3. Chaque outil a-t-il été noté en risque faible, moyen ou élevé, selon qu’il lit ou qu’il écrit, selon la réversibilité de l’action, les permissions demandées et l’impact financier ?
4. Une validation humaine est-elle imposée sur les actions irréversibles ?
5. Qui reçoit l’alerte quand une exécution échoue, et sous quel délai ?

Je peux vous donner un exemple vécu, parce qu’il m’est arrivé sur ce site. Le 28 juillet 2026, l’agent de rédaction du moteur de contenu est mort en cours de route, bloqué par un filtre. Les six relectures d’alors, qui devaient le contrôler, ont toutes planté faute de brouillon à lire, et à cause d’une subtilité du langage, une liste vide de votes a été comptée comme un accord unanime. La porte de qualité a été déclarée franchie sans qu’aucun contrôle n’ait eu lieu, et l’étape suivante a produit un article entier sur un autre sujet, avec d’autres chiffres, marqué comme validé. Rien n’était faux dans le code, tout était faux dans le résultat. J’ai corrigé le jour même en imposant un quorum : une relecture qui ne répond pas ferme la porte au lieu de l’ouvrir. C’est exactement le risque d’erreurs qui s’accumulent dont parle Anthropic, vu de l’intérieur.

C’est aussi pour ça que le premier module de la formation dédiée aux agents IA et à n8n ne commence pas par un outil mais par cette distinction : on met les trois cas côte à côte à l’écran, un assistant qu’on interroge, un enchaînement qui part tout seul à 8 h, un agent qui choisit ses étapes, et chacun dit à voix haute lequel correspond à sa tâche. Si vous devez arbitrer une proposition commerciale le mois prochain, c’est ce tri-là qui vous fera économiser, pas la connaissance de l’outil.

Faut-il vraiment un agent IA, ou une simple automatisation suffit-elle ?

C’est la conclusion, et elle est impopulaire chez ceux qui vendent des agents. OpenAI le formule ainsi : avant de vous engager à construire un agent, vérifiez que votre cas remplit clairement les critères, faute de quoi une solution déterministe peut suffire. Anthropic va dans le même sens en observant que les déploiements les plus réussis n’utilisaient pas de cadres complexes, mais des schémas simples et bien emboîtés. La phrase à retenir de leur article : réussir avec ces modèles, ce n’est pas construire le système le plus sophistiqué, c’est construire celui qui correspond à votre besoin.

Reprenez donc le test, et tenez-le jusqu’au bout : qui décide de l’étape suivante ? Si la réponse est « une règle que nous écrirons ensemble », vous cherchez une automatisation, et vous la trouverez pour beaucoup moins cher du côté de l’automatisation de vos tâches répétitives. Si la réponse est « le système, selon ce qu’il trouve », alors vous cherchez un agent, et la question suivante n’est plus « combien ça coûte » mais « qui le surveille ». Pour apprendre à trancher vous-même, sur vos propres tâches, tout est dans la formation agent IA. Et si vous voulez d’abord voir ce que d’autres dirigeants ont tranché avant vous, le reste du dossier est rangé dans le blog consacré à l’IA en PME.

Arrêtez de payer le mot. Évaluez l’outil sur ce qu’il fait.

Sources

• OpenAI, « A practical guide to building AI agents », relevé le 8 septembre 2026, guide pratique OpenAI pour construire des agents IA.
• Anthropic, « Building Effective Agents », 19 décembre 2024, article d’ingénierie Anthropic sur la construction d’agents efficaces.
• Gartner, « Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 », 25 juin 2025, prévision Gartner sur l’annulation de plus de 40 % des projets d’IA agentique d’ici fin 2027.
• Zapier, « Pricing », relevé le 7 septembre 2026, page officielle des tarifs Zapier.
• Make, « Pricing », relevé le 7 septembre 2026, page officielle des tarifs Make.
• n8n, « Pricing », relevé le 7 septembre 2026, page officielle des tarifs n8n.