Exemple d'agent IA en PME : cinq cas, cinq pannes, aucune promesse

Un dirigeant qui cherche un exemple d’agent IA ne cherche pas une définition, il cherche à savoir si la chose est montable chez lui, cette semaine, avec les outils qu’il a déjà. Alors voici cinq agents décrits comme on décrit une machine d’atelier : ce qu’ils font geste par geste, avec quoi, pour combien, et où ils cassent.

Cherchez « agent IA exemple » depuis la France et regardez ce qu’on vous sert : le robot aspirateur, la détection de fraude bancaire, l’imagerie médicale. Des exemples de grands comptes et de produits grand public, rien qu’une entreprise de trente personnes puisse reproduire lundi matin. Et presque nulle part la seule information dont vous avez besoin pour décider : à quel endroit précis ce montage se casse la figure.

Je prends donc l’inverse. Cinq agents banals, décrits à la tâche près, avec l’outil réel derrière, un ordre de grandeur de budget, et d’abord ce qui casse. Un exemple qui ne dit pas sa panne relève de la publicité.

Un mot sur la méthode. Les cinq cas qui suivent forment un scénario composé, pas un client. Prenons une PME industrielle de trente personnes, mécanique de précision : un dirigeant, deux commerciaux, une assistante administration des ventes, un atelier. Ce sont des tâches que je rencontre régulièrement, avec les pannes que je vois arriver. Vous n’y trouverez aucun pourcentage de temps gagné ni aucune économie chiffrée, puisque cette entreprise est imaginée et que je n’ai rien mesuré chez elle.

Les cinq familles d’agents IA qu’on croise en PME

Un agent IA est un programme qui exécute seul une suite d’actions dans vos logiciels, en choisissant certaines de ses étapes selon ce qu’il trouve. Dans une PME, ils se rangent en cinq familles reconnaissables : ils trient de l’entrant, ils relancent, ils surveillent l’extérieur, ils préparent un document pour un humain, ils contrôlent des pièces comptables. Le reste est du vocabulaire.

Gartner, dans son communiqué du 25 juin 2025, distingue explicitement trois registres qu’on confond en permanence : l’agent quand une décision est nécessaire, l’automatisation pour les enchaînements routiniers, l’assistant pour une simple recherche d’information. La distinction n’est pas cosmétique, elle change le prix et le risque. Deux des cinq cas ci-dessous sont d’ailleurs à la frontière : leur partie « décision » est mince, leur partie « enchaînement » est large. Si cette frontière vous intéresse, elle est traitée en détail dans l’article qui explique ce qu’est réellement un agent IA.

Le cadrage compte d’autant plus que le marché brouille les cartes. Gartner parle d’« agent washing » : des éditeurs rebaptisent en agents IA des chatbots, des assistants ou de la robotisation de processus existants, et l’analyste estime qu’environ 130 éditeurs seulement, sur les milliers qui se revendiquent de l’IA agentique, en font vraiment. Communiqué de juin 2025, donc source de plus de douze mois : je la cite pour le vocabulaire et l’ordre de grandeur, pas comme photographie du marché d’aujourd’hui.

Cinq agents dans une PME de trente personnes : la tâche, l’outil, la panne

Voici le scénario annoncé plus haut, agent par agent. Pour chacun : ce qu’il fait exactement, avec quoi il le fait, ce qui casse, le signal concret qui rend la panne visible, et l’ordre de grandeur budgétaire. Les cinq tournent sur la même plomberie, ce qui explique que le premier coûte cher et les suivants beaucoup moins.

1. Le tri des mails entrants

• La tâche exacte : à chaque mail arrivant sur l’adresse de contact, l’agent lit le message et la pièce jointe, range la demande dans quatre familles (demande de prix, commande, litige, fournisseur), extrait le numéro de commande s’il existe, pose une étiquette dans la boîte et écrit une ligne datée dans un tableau partagé.
• L’outil : n8n, le connecteur de messagerie, un modèle de langage pour la lecture, un tableur partagé. Rien d’autre.
• Ce qui casse : une pièce jointe illisible. Un scan de travers, un PDF image sans couche texte, une photo de bon de commande prise au téléphone dans l’atelier. L’agent ne récupère aucun texte, se rabat sur l’objet du mail, et range la demande dans la mauvaise famille. Il ne signale rien, parce que de son point de vue il a fait son travail.
• Le signal à surveiller : le nombre de pièces jointes dont l’extraction rend moins de deux cents caractères, compté chaque semaine. Ce compteur monte avant que quiconque se plaigne.
• Ordre de grandeur : quelques euros par mois d’appels au modèle, une fois la plomberie posée.

2. La relance des devis sans réponse à J+4

• La tâche exacte : chaque matin à 8 h, l’agent liste les devis au statut « envoyé » depuis quatre jours, rédige une relance courte reprenant la référence et le montant, la dépose en brouillon dans la boîte du commercial concerné, et note la relance dans le CRM.
• L’outil : n8n, l’interface de votre CRM, un modèle de langage pour le texte, la messagerie.
• Ce qui casse : le client a déjà répondu, par téléphone. Personne n’a changé le statut dans le CRM, et l’agent relance un devis déjà signé, ou déjà refusé. C’est la panne la plus gênante des cinq, parce qu’elle se voit chez le client avant de se voir chez vous.
• Le signal à surveiller : le nombre de relances partant sur des devis dont la dernière activité enregistrée est plus ancienne que le dernier appel du commercial, et, plus simplement, la relecture de dix relances le lundi matin. Une réponse client du type « on s’en est déjà parlé » vaut une alerte.
• Ordre de grandeur : le coût est dans la règle de sortie, pas dans la machine. Comptez une demi-journée de conception pour l’écrire proprement.

3. La veille des prix concurrents

• La tâche exacte : trois fois par semaine, l’agent ouvre douze fiches produit chez quatre distributeurs, extrait la référence, le prix et le délai annoncé, normalise le format, et écrit une ligne datée par relevé dans une feuille de suivi.
• L’outil : n8n, un service d’extraction de pages, un modèle de langage pour normaliser ce qui est écrit en toutes lettres, un tableur. La brique intelligente ne remplace pas le tableur ni le site des concurrents, elle les relie.
• Ce qui casse : le site change de structure. L’agent lit alors une valeur au mauvais endroit : un prix barré, un prix hors taxes, le prix d’un accessoire affiché en dessous. La feuille continue de se remplir, proprement, avec des chiffres faux. Trois mois plus tard, quelqu’un fixe un tarif dessus.
• Le signal à surveiller : toute valeur qui bouge de plus de 15 % entre deux relevés part dans une file de contrôle humaine, et toute page qui rend un champ vide déclenche une ligne d’anomalie. Le jour où le site est refondu, la file se remplit d’un coup.
• Ordre de grandeur : quelques dizaines d’euros par mois, la ligne qui pèse étant le service d’extraction de pages, dont le tarif dépend du nombre de pages relevées.

4. La préparation des rendez-vous commerciaux

• La tâche exacte : la veille au soir, pour chaque rendez-vous du lendemain, l’agent rassemble en une page l’historique client, les trois dernières commandes, les incidents ouverts, et ce que dit le site public de l’entreprise visitée. La fiche part dans la messagerie interne du commercial.
• L’outil : n8n, le CRM, une recherche web, un modèle de langage pour la mise en forme.
• Ce qui casse : une fiche société périmée. Le dirigeant est parti il y a huit mois, l’effectif affiché date de trois ans, l’activité a changé. L’agent produit une page nette, bien écrite, et fausse. Le commercial la lit dans la voiture et cite le mauvais nom.
• Le signal à surveiller : chaque information de la fiche porte sa source et sa date. Vous comptez ensuite les fiches dont la source la plus récente a plus de douze mois. Une fiche sans date n’est pas une fiche, c’est une rumeur mise en page.
• Ordre de grandeur : quelques euros par mois. Les appels au modèle sont bon marché : sur la page tarifaire de Mistral relevée le 9 septembre 2026, Mistral Large est facturé 0,50 dollar par million de jetons en entrée et 1,50 dollar en sortie. Une fiche de préparation consomme une fraction de centime.

5. Le contrôle des factures fournisseurs

• La tâche exacte : à réception, l’agent extrait le fournisseur, le numéro de facture, le montant hors taxes, la TVA, le total, rapproche du bon de commande correspondant, valide si l’écart est inférieur à 2 %, et envoie le reste dans une file humaine.
• L’outil : n8n, l’extraction de document, un modèle de langage, le logiciel de comptabilité.
• Ce qui casse : un montant en devise étrangère, ou une TVA à taux multiples sur une même facture. L’agent applique un taux unique, ou additionne des euros et des dollars, et l’écart calculé passe alors sous le seuil de 2 %. L’anomalie est validée automatiquement. C’est la panne la plus coûteuse des cinq, et la plus silencieuse.
• Le signal à surveiller : un contrôle arithmétique posé en dur, total toutes taxes égal au hors taxes plus la somme des lignes de TVA, plus un drapeau sur toute facture qui n’est pas en euros ou qui porte plus d’un taux. Ces deux tests coûtent dix minutes à écrire.
• Ordre de grandeur : quelques dizaines d’euros par mois d’extraction de documents, selon le volume.

La règle qui traverse les cinq cas : chaque agent doit avoir un chemin de sortie vers un humain, et ce chemin doit être écrit avant l’agent. Quatre questions, dans cet ordre : qui reçoit le cas douteux, sous quel délai, dans quel outil, et comment on sait que personne n’a regardé. Un agent sans chemin de sortie ne tombe pas en panne, il continue.

Quel est l’intérêt d’un agent IA ?

L’intérêt d’un agent est de faire disparaître une tâche régulière, ennuyeuse et cadrée, pas de vous rendre plus intelligent. Il vaut quand trois conditions sont réunies : la tâche revient souvent, elle suit une règle qu’on peut écrire, et son erreur se rattrape. Retirez une des trois et l’agent devient un risque déguisé en gain de temps.

Les gains publiés existent, à condition de regarder qui les publie. Dans son article sur les cas d’usage des agents IA, l’éditeur Zapier cite un agent de traitement de tickets chez ClickUp qui traite 5 000 tickets par mois, là où la recherche manuelle prenait quinze minutes par ticket, et un agent de service client chez Erewhon dont 70 % des brouillons partent sans modification humaine. Ces chiffres viennent de l’éditeur de l’outil, dans un article de son propre blog : ils indiquent un ordre de grandeur, pas une garantie pour votre entreprise.

Le contexte français est plus sobre. Selon le Baromètre France Num 2025, publié par la Direction générale des Entreprises sur 11 021 entreprises interrogées, 26 % des TPE et PME déclarent utiliser l’intelligence artificielle, mais l’automatisation de tâches plafonne à 5 %. L’écart entre ces deux chiffres est la seule chose que je retiens ici : déclarer utiliser l’IA et avoir mis une tâche en marche tout seul sont deux situations très différentes, et la seconde reste rare. Le baromètre ne dit pas ce que font les entreprises situées entre les deux, et je ne le devine pas à leur place.

Quels sont les meilleurs agents IA ?

Un agent ne s’achète pas sur étagère, il se monte, donc la question du meilleur ne veut pas dire grand-chose. Celle qui décide chez vous : lequel casse le moins cher ? Un agent excellent sur une tâche dont l’erreur atteint un client vaut moins qu’un agent moyen sur une tâche interne.

Trois critères de tri, dans cet ordre :

1. Le coût de la panne. Une mauvaise étiquette dans une boîte mail se corrige en dix secondes. Une relance envoyée à un client qui a déjà signé se paie en crédibilité. Commencez par le premier.
2. La régularité du volume. Une tâche qui revient trois fois par semaine se surveille. Une tâche qui revient trois fois par an ne mérite pas de machine, elle mérite une procédure écrite.
3. La présence d’un juge humain. S’il n’existe personne pour dire « celle-là est fausse », l’agent n’a pas de garde-fou et ne peut pas être évalué.

Méfiez-vous des classements d’outils. La démonstration qu’on vous montre tourne sur des données propres. Votre atelier, lui, envoie des photos de bons de commande prises de travers.

Combien coûte un agent IA pour une PME ?

Un agent se paie sur trois lignes, et la troisième est celle qu’on oublie : la brique logicielle, les appels au modèle, le temps humain de conception et de surveillance. Les deux premières se comptent en dizaines d’euros par mois. La troisième se compte en milliers à la mise en route, puis en centaines par mois.

Les chiffres d’outils, relevés le 9 septembre 2026 sur les pages officielles :

• n8n, page tarifaire officielle de n8n : 20 EUR par mois pour le plan Starter (2 500 exécutions mensuelles), 50 EUR pour le plan Pro (10 000 exécutions), en facturation annuelle. L’édition auto-hébergée est disponible sans frais de licence, à condition de savoir l’installer et la maintenir.
• Le modèle de langage, page tarifaire de Mistral : 0,50 dollar par million de jetons en entrée et 1,50 dollar en sortie pour Mistral Large, facturés en dollars et non en euros. Pour les volumes d’une PME de trente personnes, cette ligne reste marginale.
• Le temps humain : de 3 000 à 12 000 EUR pour un premier agent réellement branché sur vos outils, puis de 150 à 500 EUR par mois de supervision. Ce sont les fourchettes que j’observe en France, ordres de grandeur et non résultats d’étude. Les agents suivants, montés sur la même plomberie, coûtent nettement moins cher : c’est la raison pour laquelle on en construit cinq et pas un.

Le détail du calcul, tâche par tâche, est posé dans le mode d’emploi pour construire un premier agent. Et si vous partez du gratuit, sachez ce que vous achetez : les plafonds des offres sans frais sont mesurés dans l’article sur les limites des agents IA gratuits.

Un agent IA peut-il remplacer un salarié ?

Non. Un agent remplace des gestes, pas un poste. Il prend la partie répétitive et cadrée du travail, et il rend à l’humain la partie ambiguë, exactement celle qui prend du temps. Dans les cinq cas ci-dessus, aucun ne supprime un poste : ils suppriment des minutes, et ils créent une tâche nouvelle, la surveillance.

Regardez le cinquième cas, le contrôle de factures. L’agent lit, rapproche, valide sous 2 % d’écart. Ce qu’il ne fait pas : appeler le fournisseur quand la facture est incohérente, négocier un avoir, décider qu’on paie quand même parce que le chantier est urgent. Ces trois gestes sont le métier. Le reste était de la saisie.

Dans son communiqué du 25 juin 2025, Gartner prévoit 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. C’est une prévision d’analyste publiée il y a plus de douze mois, pas un fait mesuré, et elle porte sur des décisions, pas sur des emplois.

Comment savoir si un agent IA est fiable avant de le déployer ?

Vous ne le savez pas avant, vous le mesurez pendant. La seule méthode qui tienne est de faire tourner l’agent en parallèle de l’humain sur deux à quatre semaines, sans qu’il envoie ni ne valide quoi que ce soit, puis de comparer ses sorties aux décisions réelles. Un agent qui n’a pas de période à blanc n’a pas été testé, il a été mis en production avec optimisme.

Quatre contrôles à poser avant la mise en route :

• Un jeu d’épreuves difficiles. Vingt cas choisis pour être moches : le scan de travers, la facture en dollars, le devis déjà signé par téléphone. Pas vingt cas propres.
• Un journal d’exécutions lisible par quelqu’un qui n’a pas construit l’agent, avec entrée, sortie et décision pour chaque passage.
• Un compteur d’anomalies par agent, celui décrit dans chacun des cinq cas ci-dessus.
• Un chemin de sortie vers un humain, écrit avant l’agent, avec un destinataire nommé.

Ces quatre contrôles sont exactement le travail que je fais faire en formation à la conception d’agents IA : vous arrivez avec votre propre tâche, et vous écrivez son chemin de sortie et ses compteurs avant d’ouvrir n8n. Si vos agents tournent déjà et que personne dans l’entreprise ne sait lire leur journal d’exécutions, c’est là que ça se répare, pas dans un nouvel outil.

Quels sont les risques d’un agent IA sans supervision humaine ?

Le risque principal n’est pas l’erreur, c’est l’erreur silencieuse. Un agent qui plante envoie une alerte. Un agent qui se trompe produit une sortie parfaitement bien formée, qui ressemble trait pour trait à une sortie correcte, et qui alimente vos décisions pendant des semaines. C’est ce qui rend un agent mal cadré plus cher qu’un agent bien cadré et supervisé.

Trois éléments de mesure, à prendre pour ce qu’ils sont :

• Les agents IA restent non déterministes, comme le rappelle n8n dans son article : deux exécutions identiques peuvent produire deux résultats différents.
• Le même article rappelle, en s’appuyant sur des travaux de Salesforce et de Gartner, que les agents complexes ont plus de probabilité de déclencher des erreurs aux étapes suivantes : le risque s’accumule à mesure que l’enchaînement s’allonge. Cinq agents courts valent mieux qu’un agent long.
• Gartner prévoyait en juin 2025 que plus de 40 % des projets d’IA agentique seraient annulés d’ici fin 2027, pour trois motifs : coûts croissants, valeur commerciale floue, contrôles de risque inadéquats. Deux de ces trois motifs sont des problèmes de cadrage, pas de technologie.

Cadrer et superviser s’apprend, et s’apprend plus vite que ça ne se rattrape.

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

L’automatisation classique suit un chemin que vous avez écrit : si ceci, alors cela, toujours dans le même ordre. L’agent choisit certaines de ses étapes selon ce qu’il trouve, parce que l’entrée n’est pas prévisible. La question qui tranche tient en cinq mots : qui décide de l’étape suivante ? Vous, ou le système ?

Sur les cinq cas ci-dessus, la réponse est mixte, et c’est normal. La relance à J+4 est presque entièrement une automatisation : la règle est fixe, seule la rédaction du message est confiée au modèle. Le tri des mails entrants et le contrôle de factures sont de vrais agents : le contenu arrive sous une forme différente à chaque fois, et la machine doit interpréter avant d’agir.

Zapier, dans son propre article sur les cas d’usage, recommande d’ailleurs l’automatisation traditionnelle plutôt que l’agent pour les tâches critiques, celles qui touchent à la facturation, à un format strict ou à la conformité, au nom de la précision et de la prévisibilité. Le conseil vient d’un éditeur qui vend les deux : il est d’autant plus intéressant.

Retenez la conséquence pratique. L’automatisation coûte moins cher, se teste plus vite et casse bruyamment. L’agent coûte plus cher et casse en silence. Si votre tâche tient dans une règle écrite, ne mettez pas d’intelligence dedans : c’est le tri que fait un audit d’opportunité avant d’engager le moindre euro de développement.

Sources

• n8n, les exemples d’agents IA publiés par n8n, 26 février 2026.
• Zapier, les cas d’usage d’agents IA documentés par Zapier, article de blog de l’éditeur, publié en janvier 2026 et mis à jour en juin 2026.
• Gartner, la prévision d’annulation de plus de 40 pour cent des projets d’IA agentique d’ici fin 2027, communiqué du 25 juin 2025. Même communiqué pour la part de décisions autonomes en 2028 et pour le décompte des éditeurs.
• Direction générale des Entreprises, le Baromètre France Num 2025, édition 2025, enquête menée auprès de 11 021 entreprises.
• n8n, la page tarifaire officielle de n8n, relevée le 9 septembre 2026.
• Mistral AI, la page tarifaire officielle de Mistral AI, relevée le 9 septembre 2026.