Par Nicolas Favier · Publié le
Un workflow agentique et un agent IA font tous les 2 travailler une intelligence artificielle (IA) à votre place, et on les confond souvent sous le même nom. Pourtant, ils ne se construisent pas de la même façon, et il existe une 3e option, sans IA : le workflow classique.
Avec un workflow, vous écrivez chaque étape à l’avance. Avec un agent, vous écrivez seulement l’objectif et les limites. La routine qui écrit les articles de ce site montre un workflow agentique en fonctionnement.
Workflow agentique ou agent IA : quelle différence ?
Dans un workflow agentique, vous donnez à l’IA un cadre et des étapes à respecter : à certains endroits, l’IA juge, puis un contrôle vérifie son résultat et le fait refaire s’il ne convient pas. Avec un agent IA, vous donnez seulement un objectif et l’accès à des logiciels : l’agent choisit lui-même ses étapes et le moment où il s’arrête.
Les 3 façons d’automatiser une tâche : workflow classique, workflow agentique, agent IA
Le terme « workflow agentique » n’a pas de définition unique. J’emploie la définition ci-dessous, comparée à 2 notions voisines.
- Un workflow classique enchaîne des étapes dans un ordre fixe, sans IA : chaque étape fait toujours la même chose. Quand un client ne répond pas à un devis, il reçoit un email de relance quelques jours plus tard, sans que personne ne l’envoie à la main.
- Un workflow agentique garde cet ordre fixe, mais une IA travaille à certaines étapes : elle lit un message et le classe, ou rédige une réponse. Une étape de contrôle vérifie ensuite ce travail : s’il ne convient pas, elle le renvoie à l’IA, ou le passe à une personne quand refaire ne servirait à rien. Les étapes qui ne demandent aucun jugement (envoyer, enregistrer, calculer une date) restent fixes, sans IA.
- Un agent IA reçoit un objectif et l’accès à des logiciels (messagerie, tableur, recherche sur internet), puis décide seul de la suite : quoi chercher, quoi essayer, quand s’arrêter. Aucune étape n’est écrite à l’avance : l’agent choisit sa prochaine action d’après ce qu’il vient de trouver.
Le contrôle est ce qui distingue un workflow agentique d’une simple étape IA. Il prend 1 de ces 3 formes : une règle (la réponse de l’IA est-elle bien l’une des catégories prévues ?), une seconde IA qui relit selon une liste de critères, ou une personne qui valide.
Anthropic, l’entreprise qui édite Claude, fait la même distinction dans son guide pour construire des agents (décembre 2024). Selon elle, les systèmes agentiques, workflows comme agents, sont souvent plus lents et plus chers, en échange de meilleurs résultats.
Les 3 comparés
| Ce qui change | Workflow classique | Workflow agentique | Agent IA |
|---|---|---|---|
| Ce que vous écrivez | Chaque étape | Chaque étape, plus l’instruction donnée à l’IA et le contrôle qui la suit | L’objectif, les logiciels autorisés et les limites (actions interdites, nombre d’essais) |
| Qui décide de l’ordre des étapes | Vous, à l’avance | Vous, à l’avance | L’IA |
| Qui vérifie le travail | Personne : chaque étape fait toujours la même chose | Une étape de contrôle, prévue à l’avance, qui fait refaire | L’agent lui-même, puis vous à la fin |
| Résultat d’un jour à l’autre | Identique | Le plus souvent le même ; un cas limite peut être traité autrement | Peut changer fortement |
| Quand ça se trompe | Une étape est mal réglée, vous la corrigez |
| L’agent peut prendre une direction que vous n’aviez pas prévue |
Avec quels outils les construire
Un workflow se construit dans un logiciel d’automatisation comme n8n, Make ou Zapier : vous posez les étapes une à une à l’écran, et chacune agit dans un de vos logiciels (lire un email, créer une tâche, envoyer un message). Ces 3 logiciels permettent aussi d’ajouter de l’IA, à des endroits différents selon ce que vous construisez.
| Ce que vous construisez | Comment |
|---|---|
| Workflow classique | Des étapes fixes dans n8n, Make ou Zapier, sans IA |
| Workflow agentique |
|
| Agent IA |
|
Exemple de workflow agentique : la routine qui écrit les articles de Système Marketing
Les articles de ce site sont écrits par une routine : un programme qui tourne chaque jour et enchaîne 5 étapes. À plusieurs d’entre elles, une IA fait le travail et un contrôle le vérifie. Une exécution complète dure environ une demi-heure.
Contrairement aux workflows du tableau, ma routine n’est pas montée dans n8n, Make ou Zapier. Claude, l’IA d’Anthropic, est lancé chaque jour à heure fixe et suit, dans l’ordre, les étapes écrites dans un document. Chaque étape laisse une trace dans ma liste (le plan enregistré, le texte vérifié, le statut de publication), ce qui me montre si l’une a été sautée.
n8n sert seulement à relier la routine à WordPress, le logiciel du site, et à ma liste de mots-clés. Dans n8n ou Make, on poserait ces 5 étapes une à une.
Pourquoi un workflow agentique plutôt qu’un agent IA
Écrire un article prend des heures de recherche et de relecture : l’article sur le blog d’entreprise chiffre ce temps. J’ai voulu confier ce travail à l’IA, à condition que chaque article passe par les mêmes vérifications : un sujet pas encore traité, un lecteur qui correspond à mes clients, des chiffres sourcés, une relecture.
Ces vérifications répondent à ce que Google attend. Dans sa page de conseils sur le contenu généré par IA, il écrit que l’IA générative « peut être particulièrement utile pour effectuer des recherches sur un sujet ». Le risque qu’il nomme est de « générer de nombreuses pages sans ajouter de valeur pour les utilisateurs ». Ses règles contre le spam visent ces pages produites en masse « dans le but principal de manipuler le classement dans la recherche Google et non d’aider les utilisateurs », IA ou pas.
Un agent IA choisit ses étapes et peut en sauter une : rien n’aurait garanti que chaque article passe par ces vérifications. En écrivant les étapes moi-même, je choisis les vérifications que chaque article traverse, et l’IA décide seulement à l’intérieur de chacune : le plan à suivre, les phrases à corriger, l’image à refaire.
Les 5 étapes de la routine
- Prendre un mot-clé. La routine prend le suivant dans ma liste : un mot-clé, c’est la recherche que tapent mes futurs lecteurs, et il donne un article. L’IA vérifie qu’aucun article récent ne traite déjà ce sujet sous le même angle. Elle regarde aussi à qui s’adressent les pages que Google affiche pour cette recherche, et écarte le mot-clé si elles visent d’autres lecteurs que mes clients. C’est arrivé avec « ia pour le trading », ajouté à la liste par erreur.
- Rédiger. L’IA lit les pages qui se classent sur Google pour ce mot-clé et choisit le plan. Elle écrit ensuite en suivant mes règles d’écriture, rassemblées dans un document qu’elle lit juste avant de rédiger. C’est l’équivalent d’un skill : un document de consignes que l’IA lit avant chaque tâche.
- Relire. Un script Python, un petit programme rédigé une fois pour toutes, vérifie d’abord les règles mesurables, comme un mot répété dans une phrase ou un nombre écrit en lettres. Il tourne sans IA, donc ne coûte rien à chaque passage. Plusieurs IA relisent ensuite le texte, chacune avec sa liste de défauts à chercher, et l’IA qui l’a écrit corrige chaque phrase qu’elles relèvent.
- Publier. La routine met l’article en ligne, ou le planifie sur un créneau de 13 h ou 17 h calculé par un autre script, puis vérifie dans WordPress que le statut et la date sont les bons. Je ne relis pas chaque article avant sa sortie, car un texte de blog ne part pas chez un client : la routine me signale ceux où un contrôle a laissé un doute.
- Créer les images. Juste après la publication, l’IA dessine l’image principale de l’article, la regarde et la refait si le titre est coupé ou le dessin illisible. Une autre IA ajoute ensuite les schémas dans le texte.
Dans cette routine, ce qui doit donner le même résultat à chaque fois est confié à un script, et ce qui réclame un jugement revient à l’IA, avec une étape de contrôle qui la fait recommencer quand son travail ne passe pas.
Comment choisir entre workflow classique, workflow agentique et agent IA
Si la tâche revient rarement, une question posée directement à ChatGPT ou à Claude suffit souvent. Un workflow vaut le coup pour une tâche qui revient chaque semaine. Prenez cette tâche et posez ces 3 questions :
- Pouvez-vous écrire les étapes à l’avance, parce que les cas se ressemblent toujours ? Si non, confiez la tâche à un agent IA. Si oui, passez à la question suivante.
- Une de ces étapes doit-elle juger (lire un message et dire ce qu’il est, rédiger une réponse, résumer un document), ou toutes se contentent-elles d’exécuter ? Si toutes exécutent, un workflow classique suffit : des étapes fixes dans n8n, Make ou Zapier, sans IA. Si une étape doit juger, choisissez un workflow agentique : l’IA travaille à cet endroit, suivie d’un contrôle.
- Une erreur peut-elle arriver jusqu’à un client sans que personne la voie ? Si oui, quel que soit votre choix, ajoutez une étape où une personne valide avant l’envoi.
Prenons une entreprise qui reçoit des demandes de devis par email. Les étapes sont toujours les mêmes, mais l’une d’elles demande de lire chaque message pour décider ce qu’il est : c’est un workflow agentique.
- Un nouvel email arrive dans la boîte des devis : le workflow démarre.
- L’IA lit la demande de devis et la classe dans une seule catégorie : urgente, à rappeler cette semaine, ou hors de l’activité de l’entreprise.
- Une règle de contrôle vérifie que l’IA a bien répondu par l’une des 3 catégories. Sinon, la demande de devis part au commercial sans classement. Cette règle ne dit pas si la catégorie est la bonne.
- Des étapes fixes créent une tâche pour le commercial si c’est urgent, ou ajoutent la demande de devis à sa liste de rappels de la semaine.
- Pour une demande de devis hors activité, l’IA prépare une réponse polie, que le commercial valide avant qu’elle parte.
- Chaque matin, le commercial reçoit la liste de ce qui a été classé la veille et corrige les erreurs de catégorie.
L’article sur la gestion des prospects détaille cette étape de classement, et celui sur le suivi des devis en attente montre comment les relancer une fois envoyés.
Un agent IA convient mieux qu’un workflow à une tâche qui revient mais dont chaque cas suit un chemin différent, comme répondre chaque semaine aux questions techniques des clients : selon la question, il faut chercher dans le catalogue ou dans les commandes passées. L’agent n’y a accès que si vous lui branchez ces logiciels, et une personne relit ses réponses avant l’envoi.
Les limites d’un workflow agentique
Un workflow agentique demande de la maintenance : une consigne manquante ne se voit qu’en relisant ce que le workflow produit. 2 exemples tirés de ma routine d’articles :
Les images ne correspondaient pas toujours au texte. L’instruction de l’IA chargée des images demandait que l’image dise la même chose que le passage, sans demander de compter les éléments : une image annonçait « 5 étapes » devant une liste de 8 points. Le contrôle a bien repéré l’erreur, mais il était seulement prévu pour la signaler, pas pour faire refaire l’image. J’ai corrigé l’instruction : l’image montre maintenant autant d’éléments que le passage.
Une étape fixe peut aussi être fausse, comme dans n’importe quel workflow. Au début, l’IA cherchait elle-même le prochain créneau de publication libre (13 h ou 17 h) dans la liste des articles programmés. J’ai confié ce calcul à un script, pour que la réponse soit la même à chaque fois. Sa première version plaçait l’article après le dernier article programmé, et 5 créneaux libres situés avant restaient vides : depuis la correction, il prend le premier créneau libre.
Chaque passage par l’IA se paie, et je n’ai pas encore chiffré le coût d’une exécution complète de la routine.
Questions fréquentes
Un workflow agentique est-il un agent IA ?
Non, un workflow agentique n’est pas un agent IA. Le workflow agentique suit les étapes que vous avez écrites. Un agent IA reçoit un objectif et décide lui-même de ses étapes.
Google pénalise-t-il un article écrit avec une IA ?
Non, Google ne pénalise pas un article pour le seul fait qu’une IA l’a écrit. Ses règles contre le spam visent les pages produites en masse dans le but principal de manipuler le classement, quelle que soit la façon dont elles sont créées. Google demande aussi de vérifier l’exactitude d’un texte généré par IA avant de le publier.
Faut-il savoir programmer pour construire un workflow agentique ?
Pour un tri de demandes de devis, non : n8n, Make et Zapier se règlent à l’écran, sans code. Dès qu’un calcul dépend de plusieurs règles, comme trouver le premier créneau libre parmi des articles déjà programmés, il faut quelques lignes de code : ChatGPT, Claude ou un prestataire peut les écrire. Pour apprendre n8n, l’article sur la formation n8n compare les cours gratuits et payants.
Par quelle tâche commencer ?
Commencez par une tâche à faible risque, dont une personne relit le résultat avant l’envoi au client : classer vos demandes de devis, par exemple, à condition que le commercial voie chaque jour la liste complète de ce qui a été classé.
Pour choisir, prenez une tâche qui revient chaque semaine et répondez aux 3 questions : pouvez-vous écrire ses étapes à l’avance, l’une d’elles doit-elle juger, et une erreur peut-elle atteindre un client sans être vue ?
Pour choisir entre n8n et Make, lisez n8n vs Make. Pour confier l’installation à quelqu’un d’autre, lisez l’article sur l’agence marketing automation.
Un workflow agentique peut prendre en charge une tâche qui revient chaque semaine, comme le tri des demandes de devis. Il demande en échange du temps pour l’installer, puis une relecture régulière de ce qu’il produit.
Mais est-ce au moment de trier les demandes de devis que votre entreprise perd le plus de clients ?
On ne le voit qu’en reprenant tout le parcours, de la façon dont un prospect vous trouve jusqu’au client qui revient commander. Le diagnostic que je propose aux dirigeants sert à ça, et nous le faisons ensemble : je regarde d’abord votre entreprise comme un inconnu la découvre sur internet, puis nous vérifions ce que j’ai vu avec vos ventes et vos devis. Vous repartez avec vos priorités classées.
Voir comment se déroule le diagnostic
À bientôt,
Nicolas Favier