Automatisation classique ou agent IA : lequel pour quel processus ?

Le prestataire vous propose un agent IA pour traiter vos commandes entrantes.

Un scénario de quinze modules ferait le même travail, pour une fraction du prix. Et vous sauriez toujours pourquoi il a fait ce qu’il a fait.

Ce n’est pas toujours vrai. Il existe des processus où l’agent est la bonne réponse. Ce comparatif dit lesquels, en partant d’une distinction que les éditeurs de modèles eux-mêmes posent clairement.

Quelle différence entre une automatisation et un agent IA ?

Celui qui décide du chemin. Anthropic, l’éditeur de Claude, sépare les deux dans son guide sur les agents. Les workflows sont des systèmes où modèles et outils sont orchestrés par des chemins définis dans le code. Les agents sont des systèmes où le modèle dirige lui-même son processus et l’usage de ses outils.

Entre les deux, il y a un niveau que les discussions oublient. Une étape d’IA posée dans un scénario fixe : le modèle lit un texte libre, le scénario décide de la suite.

Pour la définition détaillée d’un agent et de ses types, voir notre article sur les agents IA. Ici, la question est plus pratique : lequel pour quel processus ?

Pourquoi la plupart des processus de PME n’ont pas besoin d’agent ?

Parce qu’on sait écrire leurs étapes. Une relance, une synchronisation entre CRM et facturation, un rapport mensuel : le chemin ne change pas d’une fois sur l’autre. Le confier à un modèle qui le redécouvre à chaque exécution ajoute du coût et de l’incertitude, sans rien gagner.

Les éditeurs de modèles le disent eux-mêmes. Anthropic recommande de chercher la solution la plus simple, puis de n’ajouter de complexité que si nécessaire, ce qui peut vouloir dire ne pas construire d’agent du tout. Le guide pratique d’OpenAI conclut au même endroit : hors de trois cas précis, « une solution déterministe peut suffire ».

Le marché, lui, pousse dans l’autre sens. En juin 2025, Gartner a prévu que plus de 40 % des projets d’IA agentique seront annulés d’ici fin 2027, pour des coûts qui dérapent, une valeur métier floue ou des contrôles de risque insuffisants (communiqué Gartner). Le cabinet estime qu’environ 130 seulement des milliers de vendeurs qui se disent agentiques le sont vraiment.

Quand une étape d’IA dans un scénario fixe suffit-elle ?

Dès que l’entrée est du texte libre mais que la suite est connue. Un e-mail entrant à trier, une facture fournisseur à lire, un compte rendu à résumer : le modèle transforme du langage en champs, puis le scénario reprend la main.

C’est le niveau que la plupart des PME devraient essayer en premier. Make fournit des modules d’IA prêts à l’emploi dans son Make AI Toolkit, dont « Extract information from text » et « Categorize text » (catalogue Make). n8n permet le même montage avec un appel de modèle placé entre deux nœuds.

Le coût de l’appel lui-même est négligeable. Au tarif public de Claude Haiku 5.5, relevé le 27 octobre 2026, un million de jetons coûte 0,10 $ en entrée et 0,50 $ en sortie (tarifs Anthropic). Classer un e-mail de mille jetons, avec une réponse de cent jetons, revient donc à environ 0,015 centime de dollar, selon notre calcul.

Ce qui coûte, c’est la vérification. La CNIL rappelle que ces systèmes peuvent produire des résultats inexacts qui paraissent pourtant plausibles. Elle recommande de ne jamais reprendre leurs sorties telles quelles (questions-réponses de la CNIL). D’où une règle simple : la sortie du modèle alimente une file à contrôler, au moins au début.

Quand un agent se justifie-t-il vraiment ?

Quand le chemin ne peut pas s’écrire à l’avance. Le guide d’OpenAI retient trois situations. Seulement trois :

1. un jugement nuancé, avec des exceptions et des décisions qui dépendent du contexte, comme l’approbation d’un remboursement ;
2. des règles devenues ingérables, si nombreuses et intriquées que chaque mise à jour coûte cher ou crée des erreurs ;
3. des données non structurées, du langage naturel à interpréter, des documents dont il faut extraire le sens.

Le troisième cas se règle souvent par une simple étape d’IA. Restent les deux premiers, plus rares qu’on ne le croit dans une PME de cinquante personnes.

Même justifié, un agent se monte avec des garde-fous. OpenAI demande une supervision humaine sur les actions sensibles, irréversibles ou à fort enjeu. Dans n8n, on peut exiger une validation humaine avant qu’un agent n’utilise un outil précis : supprimer des données, écrire à un client, passer une commande (documentation n8n). Make propose un module d’agent depuis février 2026, encore en bêta ouverte. Son aide conseille de ne lui confier que les tâches qu’on confierait à un stagiaire (aide Make).

Processus par processus : que choisir ?

Voici comment on tranche sur les processus qu’on rencontre le plus souvent en PME.

La relance des factures est l’exemple type de la règle fixe. Le mode opératoire est dans automatiser la relance des factures impayées. Les questions sur la documentation relèvent d’un assistant RAG, qui répond sans agir. Pour qu’il lise vos outils en direct, il faut un serveur MCP.

Comment trancher chez vous en quatre questions ?

Posez-les dans l’ordre, sur un processus à la fois.

1. Pouvez-vous écrire les étapes sur une page ? Si oui, c’est une règle fixe. Si seules certaines entrées posent problème, c’est une étape d’IA.
2. L’entrée est-elle structurée ? Un formulaire, une ligne de base : règle fixe. Un e-mail, un PDF, une conversation : étape d’IA.
3. Une erreur est-elle réversible ? Un e-mail mal classé se reclasse. Un virement, un message au client, une suppression ne se rattrapent pas : validation humaine obligatoire, quel que soit le niveau.
4. Combien de fois par mois ? En dessous de quelques dizaines d’occurrences, aucune des trois options ne vaut la peine. Un humain avec une bonne check-list fait mieux.

La quatrième question est celle qu’on oublie. Elle tranche plus souvent que les trois autres.

Combien coûte chaque option ?

Le prix de l’outil compte peu. Ce qui coûte, c’est ce qu’il faut surveiller ensuite.

Une règle fixe coûte son abonnement et sa maintenance. Make facture en crédits : chaque action d’un module en consomme. Les fonctions d’IA avancées peuvent en consommer plus, selon sa grille tarifaire. Quand elle casse, elle casse de la même façon à chaque fois, ce qui se diagnostique vite.

Une étape d’IA ajoute une fraction de centime par appel, plus le temps de vérifier les sorties tant que la confiance n’est pas établie.

Un agent multiplie les appels, puisqu’il raisonne à chaque étape. Anthropic prévient que sa nature autonome implique des coûts plus élevés et un risque d’erreurs qui se cumulent. S’y ajoute la supervision : un journal de ce qu’il a fait, une validation sur ce qui engage, quelqu’un pour relire.

Pour chiffrer le temps qu’une automatisation vous rendrait, le calculateur de ROI fait le calcul sur vos volumes.

Que demande la loi ?

Une formation. Et un humain sur les décisions qui comptent. Le règlement européen sur l’IA impose depuis le 2 février 2025 une obligation de maîtrise de l’IA à toute entreprise qui déploie un système d’IA. La Commission précise qu’aucun niveau précis n’est imposé (questions-réponses de la Commission).

Côté données personnelles, le RGPD encadre déjà les décisions entièrement automatisées qui produisent des effets sur une personne. En juillet 2026, une note publiée sur le site de la CNIL au sujet de l’IA agentique demandait une validation humaine pour les décisions les plus critiques. Elle rappelait qu’une validation purement formelle ne suffit pas (note CIANum, juillet 2026).

En pratique, pour une PME : savoir quels outils d’IA tournent chez vous, former ceux qui les utilisent. Puis garder un humain sur ce qui touche un client, un salarié ou un paiement.

En bref

Commencez par la règle. Ajoutez une étape d’IA là où le texte est libre. Gardez l’agent pour les cas où le chemin change à chaque fois.

En 2025, 18 % des entreprises françaises de dix salariés ou plus utilisaient au moins une technologie d’IA, selon l’INSEE. Celles qui en tirent quelque chose ne sont pas celles qui ont le plus d’agents. Ce sont celles qui ont choisi le bon niveau, processus par processus.

Chez Bienfait, on part de la règle fixe, on ajoute l’IA où elle lit mieux qu’une règle, puis on vous dit quand un agent ne servirait à rien. Le reste de la démarche est dans notre guide pour mettre l’IA sur vos données.

Lequel de vos processus a vraiment besoin qu’un modèle choisisse le chemin à votre place ?

Questions fréquentes

Écrit par

Simon

Co-fondateur

in