Vous avez un processus à automatiser et à force d’entendre parler d’IA, la première question qui vous vient en tête c’est : est-ce qu’on devrait faire ça avec un agent IA? Avant de répondre, posez-vous la vraie question : qu’est-ce qu’on cherche à gagner? Et qu’est-ce qu’on est prêt à perdre en contrepartie?
Agent IA ou automatisation traditionnelle?
L’arrivée des agents d’intelligence artificielle transforme la façon dont les entreprises approchent l’automatisation. Là où l’automatisation traditionnelle exécute un processus défini à l’avance, un agent IA peut interpréter une situation, raisonner, choisir une action, etc.
Pour simplifier, nous utiliserons ici le terme « automatisation traditionnelle » pour englober aussi bien l’automatisation robotisée des processus (RPA) que les automatisations développées directement en back-end.
Ainsi, je vois souvent passer sur les médias sociaux ou dans des conférences des tableaux de ce type :

Présenté comme cela, le choix paraît évident : les agents IA sont l’évolution de l’automatisation traditionnelle et devraient être privilégiés.
Cette comparaison oublie toutefois une dimension essentielle, soit que la flexibilité et l’adaptabilité ont une contrepartie. Plus on donne de la latitude à un système pour interpréter une situation et décider, moins on peut prédire ce qu’il va faire (moins son comportement est déterministe et reproductible) et donc, le risque d’erreurs augmente. Par exemple, si vous donnez exactement la même tâche deux fois à un agent IA, vous n’êtes pas garanti d’obtenir exactement la même réponse.
Il faudrait donc également inclure :

Pour savoir si l’agent IA est « meilleur », on doit plutôt se demander :
Où avons-nous besoin de flexibilité et raisonnement et où avons-nous besoin de standardisation et de reproductibilité?
Automatisation traditionnelle et agent IA : deux philosophies d’automatisation

Automatisation traditionnelle : La recette
L’automatisation traditionnelle repose sur des règles explicites et une séquence connue d’avance. C’est comme une recette :
- Récupérer une donnée, par exemple récupérer l’adresse courriel pour chaque nouveau client qui passe une commande sur notre site web transactionnel
- Valider que la donnée respecte le format standard d’une adresse courriel
- Copier cette adresse courriel dans le CRM
- Enregistrer le résultat
- Envoyer un courriel avec une promotion prédéterminée pour inciter le client à faire un deuxième achat
Lorsque les étapes et les ingrédients sont identiques, vous obtenez toujours le même résultat. On dit que le comportement est reproductible et prévisible (déterministe).
Cette caractéristique est particulièrement pertinente pour les tâches répétitives, les processus stables et les opérations où l’on souhaite pouvoir expliquer précisément pourquoi une action a été exécutée. Cela facilite les tests, l’explication des incidents, les audits et la transparence. Sa cohérence garantit aussi une certaine forme d’équité de traitement, puisque des cas identiques seront toujours traités de la même façon. Pas de surprise!
Cette rigidité ou transparence a évidemment un prix. Chaque cas de figure non prévu devient une exception à coder et donc du code de plus à créer et maintenir.

L’agent IA : Le chef cuisinier
Un agent IA fonctionne quant à lui comme un chef cuisinier. On lui fournit un objectif et des outils plutôt qu’une séquence d’instructions. Par exemple : « fais un repas qui goûte bon et qui me permettra d’augmenter ma masse musculaire avec les ingrédients et les ustensiles suivants ». Il regarde ce qu’il a sous la main, il réfléchit et il ajuste en cours de route. L’agent peut donc interpréter les informations disponibles, décider de la prochaine étape, appeler une API ou un outil, observer le résultat puis adapter son comportement jusqu’à l’atteinte de son objectif.
Par exemple, un agent IA au support client
Prenons comme exemple un courriel reçu au support client :
« Nous avons reçu seulement quatre des six appareils commandés (commande #3242329) et aimerions un suivi.»
Un agent IA peut :
- Comprendre le message
- Extraire les informations importantes des données non-structurées (ex : numéro commande)
- Identifier qu’il s’agit probablement d’une livraison partielle
- Rechercher la commande dans le système
- Vérifier l’état des expéditions
- Lire la politique de l’entreprise
- Générer un brouillon de la réponse au client pour validation par l’employé/ proposer la prochaine action
On voit donc tout le potentiel des agents IA!
Mais cette capacité à interpréter signifie aussi qu’une partie du processus est désormais confiée au jugement du modèle. Il devient donc nécessaire de réfléchir non seulement à ce que l’agent peut faire, mais aussi à ce qu’il devrait être autorisé (ou pas) à faire seul.
Ainsi, les agents IA ont des avantages importants; ils permettent d’automatiser des situations que des règles rigides gèrent difficilement. Ils peuvent comprendre le langage naturel, raisonner à partir de plusieurs sources et s’adapter à des variations importantes.
Mais la conclusion globale reste la même : si on a besoin de reproductibilité (déterminisme) sans avoir besoin de flexibilité ou de raisonnement, l’automatisation traditionnelle est tout indiquée. Inversement, une situation pour laquelle la compréhension du contexte et le raisonnement sont importants nécessitera fort probablement une solution d’IA.
Pouvez-vous énumérer tous les cas possibles ou règles d’avance? L’agent devient particulièrement intéressant lorsque les exceptions ou possibilités sont trop grandes, ou lorsque la séquence des étapes n’est pas connue au départ.

Et si on n’avait pas à choisir? L’approche hybride
Les approches de type workflow agentique ou automatisation augmentée par IA combinent un peu des deux mondes. Le déroulement général reste structuré et prévisible, mais des appels à des LLM (IA) peuvent être intégrés à des moments précis pour interpréter, extraire de l’information de données non-structurées, raisonner ou traiter des situations plus complexes.
On bénéficie ainsi de la flexibilité de l’IA, tout en conservant une partie de la reproductibilité et du contrôle propres à l’automatisation traditionnelle.
Reprenons notre recette en cinq étapes pour voir concrètement où l’IA s’insère.
| Étape | Approche | Pourquoi? |
| 1. Récupérer le courriel | Traditionnelle | Un webhook suffit. Aucun jugement requis. |
| 2. Valider le format | Traditionnelle, avec appel IA optionnel | Une expression régulière valide la syntaxe. L’IA peut en plus signaler les fautes de frappe plausibles du type gmial.com, mais n’est pas nécessaire. |
| 3. Copier dans le CRM | Traditionnelle | Aucune raison d’utiliser l’IA ici |
| 4. Enregistrer le résultat | Traditionnelle | Aucune raison d’utiliser l’IA ici |
| 5. Choisir la promotion | Appel IA encadré | Utilisation intéressante : L’IA sélectionne l’offre la plus pertinente selon l’historique d’achat, mais dans un catalogue préapprouvé, sans pouvoir en inventer une. |
| 6.Nouveau! Extraire de l’information à partir du courriel et enrichir les données | IA | On peut utiliser l’IA pour enrichir les données; par exemple, extraire le domaine de l’adresse courriel de l’utilisateur, puis utiliser l’IA pour créer des variables : identifier si c’est une adresse perso ou pro, si adresse pro : nom de la compagnie, lieu du siège social, taille de l’entreprise, domaine de l’entreprise etc |
Cette dernière étape mérite qu’on s’y attarde, car on a pu l’ajouter en raison de l’utilisation de l’IA; les étapes 1 à 5, elles, existaient déjà. En intégrant l’IA, on en profite pour repenser les processus! On peut donc rendre abordable et accessible de nouvelles fonctionnalités.
Choisir la bonne méthode, pas la plus tendance
L’objectif ne devrait pas être de maximiser l’utilisation de l’IA, même si la pression pousse plusieurs organisations dans cette direction. Pour les meilleurs résultats et ROI, il faut réfléchir au besoin d’affaires, trouver la meilleure méthode pour résoudre le problème et choisir l’IA là où elle apporte réellement quelque chose.
Le secret réside donc dans la sélection de la meilleure approche pour chaque tâche : parfois ce sera de l’automatisation traditionnelle, parfois un agent IA autonome et d’autres fois une combinaison hybride!
Une approche mal adaptée peut entraîner davantage d’erreurs, de maintenance, de coûts ou de complexité, alors qu’une architecture bien choisie permet d’atteindre un meilleur équilibre entre fiabilité, flexibilité et performance.
Vous avez un processus à automatiser, mais vous hésitez sur la meilleure approche à prendre?



