Agents IA vs automatisation des workflows : le bon choix pour votre entreprise

L’automatisation des workflows utilise des logiciels pour exécuter un processus selon des règles, des actions et des conditions prédéfinies. Elle démarre avec un déclencheur, comme un contrat signé ou une heure planifiée, puis fait circuler le travail entre les systèmes. Vous définissez les chemins autorisés, y compris les validations et la conduite à tenir lorsqu’il manque des informations.

La signature d’un contrat client pourrait déclencher la création d’un projet, attribuer les tâches d’intégration du client et préparer les informations de facturation. Si des données obligatoires manquent, le workflow les demande. Si une validation est nécessaire, il attend.

Les workflows peuvent se ramifier, répéter des étapes, exécuter des tâches en parallèle et reprendre après une pause. Ils peuvent prendre en charge des processus métier importants, à condition d’en avoir conçu les chemins et les conditions. Sam Bhagwat, cofondateur de Mastra, décrit ces dépendances et modes d’exécution dans sa conférence sur la combinaison des agents et des workflows. ²

Un workflow peut aussi utiliser l’IA. Un modèle pourrait lire un e-mail et le classer, ou extraire des informations d’un document avant que l’étape suivante les valide. Le modèle effectue une partie du travail tandis que le processus qui l’entoure reste défini. Ajouter un appel à l’IA ne fait pas automatiquement de l’ensemble du système un agent. ¹

Un agent IA est un logiciel qui utilise un modèle d’IA pour choisir des actions en vue d’atteindre un objectif. Il peut utiliser des outils autorisés, examiner leurs résultats et ajuster l’étape suivante. Ses instructions et ses permissions définissent ce qu’il peut faire seul et quand il doit demander de l’aide.

Dans l’exemple de la commande en retard, un agent pourrait constater que le transporteur n’a aucune trace de l’expédition. Il pourrait alors vérifier si l’entrepôt a envoyé la commande, découvrir qu’un article manque et préparer une réponse expliquant la situation. Une autre commande pourrait conduire à une enquête différente.

Le cycle de base est le suivant : choisir une action, utiliser un outil, examiner le résultat, puis continuer, s’arrêter ou demander de l’aide. Dex Horthy, fondateur de HumanLayer, présente ce fonctionnement comme une combinaison d’instructions, d’exécution d’outils, de contexte et d’une boucle d’exécution. ³

La liberté de l’agent peut être limitée. L’autorisation d’enquêter et de rédiger une réponse n’inclut pas nécessairement celle de l’envoyer, d’effectuer un remboursement ou de modifier une commande.

Ces différences concernent le contrôle ; elles ne garantissent pas la qualité. Un workflow peut copier fidèlement des informations incorrectes. Un agent peut mener une enquête plausible et aboutir à une conclusion erronée.

Harrison Chase, cofondateur de LangChain, rend la question du contrôle concrète : si une étape doit toujours en suivre une autre, inscrivez cette exigence dans le processus. Demander au modèle de se souvenir de la séquence dans un prompt offre un contrôle plus faible. ⁴

Choisissez un workflow lorsque vous connaissez les étapes, les conditions et le résultat attendu.

Créer des fiches à partir de formulaires validés, synchroniser des systèmes, transmettre les notes de frais selon leur montant et envoyer des rappels planifiés sont de bons points de départ. Le travail peut comprendre de nombreuses étapes sans qu’un modèle ait à en décider l’ordre.

Dex Horthy raconte avoir passé environ deux heures à affiner les instructions d’un agent pour qu’il construise correctement un projet logiciel. Ses instructions ont fini par préciser la séquence exacte. Il a réalisé qu’il aurait pu écrire un court script en environ 90 secondes. C’est son exemple personnel, mais la leçon dépasse le logiciel : lorsqu’une tâche suit déjà une recette claire, mettez cette recette en œuvre. ³

Pour une entreprise, le gain peut se traduire par moins de passages de relais, moins de copies entre outils et moins de travail en attente parce que quelqu’un doit se souvenir de l’étape suivante. Un workflow simple peut supprimer un goulot d’étranglement récurrent sans y ajouter de décisions du modèle.

Envisagez un agent lorsque vous pouvez définir un résultat utile, mais que l’enquête nécessaire pour y parvenir change d’un cas à l’autre.

La recherche de fournisseurs en est un exemple. Un fournisseur publie toutes les informations nécessaires. Un autre demande de consulter plusieurs documents. Un troisième donne des réponses contradictoires qui nécessitent des recherches supplémentaires. Un agent pourrait adapter ses recherches et préparer une comparaison accompagnée de sources justificatives.

D’autres cas d’usage possibles comprennent l’analyse de problèmes clients, la préparation de notes de réunion à partir de plusieurs systèmes et la clarification de fiches ambiguës. Il s’agit d’applications illustratives, pas de résultats rapportés chez des clients de SPS.

Des informations non structurées ne suffisent pas à justifier le choix d’un agent. Lire une facture peut nécessiter une seule étape d’extraction suivie d’une validation. La raison la plus solide est que les découvertes intermédiaires modifient ce que le système doit faire ensuite. Anthropic considère les tâches ouvertes dont les étapes sont difficiles à prévoir comme un usage pertinent des agents. ¹

Vous devez néanmoins définir clairement la fin de la tâche : que doit contenir le résultat, quelles sources et quels outils sont autorisés, et quand le système doit-il vous rendre la main ?

Les agents et les workflows partagent une grande partie de leurs fondations opérationnelles. Les deux peuvent se connecter aux systèmes métier, suivre l’avancement, réagir à des événements et faire intervenir des personnes. Les deux ont besoin de surveillance et d’un mécanisme pour traiter les échecs.

Ils peuvent aussi s’appeler mutuellement. Un agent peut réaliser une étape au sein d’un workflow. Un workflow peut devenir un outil qu’un agent utilise pour accomplir une tâche précise. ²

Pour la demande client, une conception possible serait la suivante :

1. Un workflow reçoit l’e-mail et identifie le client.
2. Un agent examine le problème à l’aide des données et des outils autorisés.
3. L’agent prépare une réponse et les éléments qui la justifient.
4. Une personne examine tout remboursement proposé ou engagement inhabituel.
5. Le workflow envoie la réponse approuvée et consigne le résultat.

Dex décrit une répartition comparable des responsabilités dans le processus de déploiement de HumanLayer. Du code conventionnel prend en charge une grande partie de la chaîne. Un agent propose des actions de déploiement et s’adapte aux instructions humaines. L’exécution revient ensuite aux tests conventionnels. ³

C’est aussi une raison de construire des workflows réutilisables. Un processus bien défini peut servir à plusieurs fonctions de l’entreprise et devenir un outil contrôlé pour un assistant. Nous approfondissons cette approche dans notre comparatif n8n vs Make.

L’abonnement à la plateforme ou la facture du modèle ne représente qu’une partie du coût.

L’automatisation des processus métier demande de cartographier les processus, de réaliser les intégrations, de tester et d’assurer un suivi continu. Les règles métier changent. Les applications connectées évoluent. Quelqu’un doit prendre en charge les exceptions et maintenir le processus en état de marche.

Un agent nécessite aussi des tests répétés de ses instructions, de ses outils et de ses décisions. Les coûts d’utilisation peuvent varier selon les cas, car le nombre d’appels au modèle, de recherches et de nouvelles tentatives peut changer. AWS recommande d’évaluer le coût d’exploitation complet, y compris l’infrastructure, l’utilisation du modèle, les opérations et la supervision humaine. ⁵

Une exécution plus chère peut valoir son coût si elle accomplit un travail utile. De même, une exécution bon marché peut présenter peu d’intérêt si quelqu’un doit refaire le résultat.

Mesurez le coût par cas correctement terminé. Incluez les logiciels et leur utilisation, la maintenance, la vérification humaine et le temps de correction. Comparez ce total au processus actuel.

Prenons un calcul illustratif : une tâche demande 30 minutes manuellement. Le nouveau processus nécessite cinq minutes de préparation et dix minutes de vérification. Sur 100 cas, cela libère 25 heures de capacité. Cela n’économise pas automatiquement 25 heures de salaire : le bénéfice commercial dépend de l’utilisation de ce temps par l’équipe et du coût d’exploitation du système.

Un workflow peut échouer parce qu’une connexion se rompt, qu’une règle est erronée ou qu’un cas inattendu n’a pas de chemin adapté. Un agent ajoute de l’incertitude sur les actions choisies par le modèle et sur la justesse de son interprétation.

Dex décrit des agents qui se bloquent lorsque des erreurs d’outils répétées s’accumulent dans leur contexte. Gérer ce que voit le modèle et le moment où l’exécution s’arrête fait partie de la construction d’un système fiable. ³

Les permissions déterminent jusqu’où une erreur peut se propager. Lire une fiche, préparer une modification et appliquer cette modification sont des responsabilités différentes. Le NIST avertit qu’un accès étendu peut permettre aux agents d’utiliser des outils ou des données inattendus et de provoquer des dommages involontaires. Il recommande des autorisations strictement délimitées et une gestion rigoureuse des identifiants d’accès. ⁶

Pour un premier système, nous recommandons de limiter l’accès à la tâche, de fixer des limites de durée et d’utilisation, de consigner les actions et d’exiger une vérification avant les modifications importantes. Prévoyez comment le travail en échec est transmis à une personne et comment les actions effectuées peuvent être vérifiées ou annulées lorsque c’est possible.

La vérification humaine doit intervenir à des points de contrôle utiles. Harrison décrit la valeur d’une première version substantielle : l’agent accomplit un travail significatif, puis une personne évalue le résultat. Exiger une validation pour chaque petite étape peut absorber la capacité que vous espériez gagner. ⁴

Les workflows peuvent créer de la capacité en exécutant régulièrement et de façon constante le travail récurrent. Les agents peuvent étendre cette capacité à l’enquête, à l’interprétation et à la préparation, qui nécessitaient auparavant qu’une personne dirige chaque étape.

Cela pourrait se traduire par des réponses plus rapides aux clients, davantage de propositions préparées, moins de recherches en attente ou de meilleures informations avant une décision. Mesurez ces résultats dans votre propre processus avant de les considérer comme un retour sur investissement.

Harrison articule la décision autour de trois questions : quelle est la valeur d’un résultat correct, quelle est la probabilité de réussite et quel est le coût d’un échec ? Le bénéfice attendu doit dépasser le coût de fonctionnement du système. ⁴

Un agent n’a pas non plus besoin d’attendre dans une fenêtre de chat. Il peut démarrer à partir d’un événement entrant et préparer du travail en arrière-plan, tout en conservant des points de validation. Cela peut le rendre plus utile au sein d’une activité existante, à condition que le périmètre et les responsabilités soient clairs. ⁴

L’automatisation des workflows par l’IA peut ajouter de l’interprétation ou de la génération de contenu à un processus que vous utilisez déjà. Par exemple, une étape d’IA peut classer une demande tandis que les règles existantes gèrent l’attribution, les validations et les mises à jour des fiches. Introduisez un agent là où le choix de l’action suivante apporte de la valeur. Les workflows existants peuvent aussi devenir des outils appelés par l’agent. ^{1 2}

Choisissez une tâche récurrente avec un responsable clairement identifié. Notez sa durée, les endroits où le travail attend et les causes de reprises. Distinguez les étapes qui suivent des règles connues de celles qui demandent une enquête.

Construisez la plus petite version utile et testez-la sur des cas ordinaires comme sur des cas difficiles. Mesurez les résultats acceptés, l’effort de vérification, le délai d’exécution et le coût total d’exploitation. Élargissez les responsabilités du système seulement lorsque les éléments mesurés le justifient.

Pour en faire un premier projet, téléchargez Votre premier plan d’automatisation. Ce kit de huit pages à remplir vous aide à choisir une tâche récurrente, à estimer sa valeur et à définir une première étape concrète. Saisissez l’URL de votre profil LinkedIn personnel pour le télécharger.

Swiss Product Studio construit des agents IA et des automatisations de workflows autour des outils professionnels et des équipes existants. Apportez un goulot d’étranglement récurrent à un Operations Review de 30 minutes. Nous examinerons le travail, les outils concernés et les endroits où un workflow défini ou un agent pourrait vous aider.

Les recommandations et les exemples métier illustratifs ci-dessus constituent la synthèse de Swiss Product Studio. Les trois conférences suivantes ont été publiées par AI Engineer en 2025 ; leurs exemples correspondent aux récits des intervenants, et non à des résultats de SPS mesurés indépendamment.

1. Anthropic. Building effective agents, décembre 2024. Définitions des workflows et des agents, cas d’usage adaptés et combinaison des approches. Utilisé pour les principes d’architecture plutôt que pour des recommandations actuelles sur les outils. ↑1 ↑2 ↑3 ↑4
2. Sam Bhagwat, Mastra. Agents vs Workflows: Why Not Both?, AI Engineer, 1er août 2025. 8:18–10:22 : dépendances et contrôle des workflows ; 11:06–13:19 : combinaison des agents et des workflows. ↑1 ↑2 ↑3
3. Dex Horthy, HumanLayer. 12-Factor Agents: Patterns of reliable LLM applications, AI Engineer, 3 juillet 2025. 1:04–2:06 : anecdote du script de compilation ; 5:13–7:54 : boucle d’exécution de l’agent ; 10:03–11:58 : contexte et gestion des erreurs ; 12:32–13:36 : exemple de déploiement. ↑1 ↑2 ↑3 ↑4
4. Harrison Chase, LangChain/LangGraph. 3 ingredients for building reliable enterprise agents, AI Engineer, 23 juillet 2025. 1:59–3:02 : valeur attendue et coût d’un échec ; 5:32–7:37 : contrôle explicite et systèmes combinés ; 13:37–17:05 : exécution en arrière-plan et intervention humaine ; 19:34–20:48 : premières versions et points de vérification. ↑1 ↑2 ↑3 ↑4
5. AWS. AI Agents vs. Automation: A Leader's Guide to Understanding the Difference & Choosing the Right Solution. Cadre de décision et considérations sur les coûts d’exploitation. Consulté le 14 octobre 2026. ↑1
6. NIST. Back to the Future: Why Agentic AI Needs a Strong Identity Foundation. Permissions des agents, accès étendu et gestion des identifiants d’accès. Consulté le 14 octobre 2026. ↑1