La thèse en une phrase : presque tout ce qui se vend aujourd’hui comme « agent IA » est un workflow —une séquence d’étapes fixe, écrite à l’avance par un humain— avec un nom plus cher. Le agent washing, c’est ça : changer l’étiquette de l’automatisation de toujours pour la vendre comme si elle réfléchissait. Et la question qui sépare l’un de l’autre, ce n’est pas combien d’étapes il a ni combien de modèles tournent en dessous. C’est une seule chose : est-ce que ça décide, ou est-ce que ça exécute ?
Qu’est-ce qu’un vrai agent IA (et qu’est-ce que le agent washing)
Le agent washing, c’est le même tour que le greenwashing, appliqué au logiciel : on colle le mot à la mode sur un truc qui n’a pas changé en dessous, et on facture la prime de la mode. Avant c’était « avec IA ». Puis « avec machine learning ». Maintenant c’est « agent ». Le produit en dessous —un formulaire qui déclenche un flux, trois appels API enchaînés, un if-else avec un LLM au milieu pour rédiger le texte final— est le même qu’il y a deux ans. Ce qui a augmenté, c’est le prix et le mot dans le titre.
Un workflow, même bien fait, exécute des étapes fixes : si A arrive, fais B ; sinon, fais C. La personne qui l’a conçu a déjà décidé, à la table de conception, de toutes les bifurcations possibles. L’IA qui s’y trouve, s’il y en a une, se limite à rédiger un email ou extraire une donnée d’un PDF —des tâches qu’elle fait bien, mais qui ne sont pas décider—. Un vrai agent fait autre chose : il se retrouve face à une situation que personne n’avait totalement anticipée, il choisit quel outil utiliser pour la résoudre, et ce choix n’était écrit dans aucun diagramme de flux au préalable. Cette capacité à décider à la volée, avec une information incomplète, c’est la seule chose qui sépare « agent » de « workflow avec une étape IA ».
Pourquoi on te le cache dans la démo
La démo d’un vendeur de agent washing est conçue, presque toujours sans mauvaise foi consciente, pour ne jamais montrer le cas bizarre. Elle montre le chemin heureux : le client tape exactement ce qu’on attendait qu’il tape, les données arrivent propres, l’API du moment répond du premier coup. Sur ce chemin, un workflow bien construit se comporte exactement comme un vrai agent —rapide, sûr, impeccable—. La différence n’apparaît que quand un truc sort du scénario : le client pose une question non prévue, deux conditions se déclenchent en même temps et personne n’avait anticipé laquelle gagne, l’API renvoie une erreur à moitié. Là, le workflow s’arrête ou improvise mal, parce qu’il n’a pas de marge de décision au-delà de ce qui a été écrit. Et ce moment, par définition, ne sort jamais dans la démo, parce que celui qui montre la démo choisit quel cas montrer.
Ce n’est pas forcément une tromperie délibérée. Souvent le vendeur lui-même confond « utilise un LLM quelque part » avec « est un agent », parce que le marketing du secteur pousse cette confusion depuis deux ans et ça arrange tout le monde : ça sonne mieux dans la proposition, ça justifie un prix plus élevé, et le client qui n’en a jamais construit un n’a pas de moyen facile de vérifier avant de signer. Le résultat est le même, volontaire ou pas : tu paies prix d’agent pour un workflow, et tu découvres la différence le jour où le cas bizarre arrive —généralement en production, avec un vrai client qui regarde.
Le test décisif : trois questions qu’un workflow déguisé ne tient pas
Pas besoin d’être ingénieur pour poser ces questions. Il faut les poser avant de signer, pas après :
- « Qu’est-ce qu’il fait quand l’input ne correspond à aucun des cas prévus ? » Un workflow a une branche par défaut —généralement « prévenir un humain » ou « renvoyer une erreur générique »—. Un agent évalue la situation avec les outils dont il dispose et décide d’une action raisonnable, même imparfaite.
- « Peut-il choisir de NE PAS utiliser un outil que tu lui as donné, s’il décide que ça ne colle pas ? » Si la réponse est « non, il suit toujours la séquence programmée », c’est un workflow à étapes conditionnelles, aussi sophistiqué soit-il. Un agent écarte des outils quand le contexte lui dit qu’ils ne s’appliquent pas.
- « Qu’est-ce qui se passe si je change l’ordre de la demande, ou si je lui donne deux demandes contradictoires en même temps ? » Le workflow casse ou prend la première règle qui correspond. L’agent raisonne sur la contradiction et, au minimum, la signale au lieu d’exécuter aveuglément la première correspondance.
Si le vendeur répond avec assurance et des exemples concrets, pas avec « ça n’arrive pas trop », t’as probablement affaire à quelque chose de réel. S’il esquive la question ou répond avec une métrique d’adoption au lieu d’un cas, voilà ta réponse.
| Workflow avec un badge | Vrai agent |
|---|---|
| Toutes les branches ont été décidées à la conception | Décide à la volée face à l’imprévu |
| L’IA rédige ou extrait du texte à une étape | L’IA choisit quel outil utiliser et quand |
| Le cas bizarre casse le flux ou s’arrête net | Le cas bizarre se raisonne avec ce qu’il y a de disponible |
| La démo montre toujours le chemin heureux | Tient bon face aux questions sur le chemin qui ne l’est pas |
Rien de tout ça ne veut dire que le workflow est mauvais. Un workflow bien construit, pas cher, prévisible et facile à auditer, c’est le bon outil pour 80 % des processus d’une entreprise —ceux qui ont vraiment des étapes fixes et n’ont besoin que personne ne décide rien—. Le problème, ce n’est pas d’avoir un workflow. Le problème, c’est de le payer comme si c’était un agent, et de découvrir la différence le jour où il faut décider et qu’il n’y arrive pas. Pour comprendre ce qu’il faut vraiment pour construire un truc qui décide réellement —mémoire entre les interactions, choix d’outil et mesure de son propre travail, pas juste un LLM collé au bout d’une chaîne— y’a la carte complète dans comment créer un agent IA qui ne soit pas un chatbot déguisé ; cet article s’arrête à comment le repérer avant d’acheter.
Quand le workflow est exactement ce qu’il te faut (et acheter un agent serait jeter l’argent par les fenêtres)
Voilà la partie que presque personne côté vente ne te dira : si ton process est répétable, avec des étapes qui ne changent pas et des exceptions assez rares pour les compter sur les doigts d’une main, un agent c’est de la suringénierie chère. Tu surpaies un système pour « décider » un truc qui se décide toujours pareil de toute façon. C’est exactement le terrain où automatiser un processus avec des agents IA sans qu’il casse au premier essai veut dire construire le bon workflow, bien fait, sans le déguiser en autre chose pour facturer plus cher. Un vrai agent justifie son prix quand le processus a une variabilité réelle : quand chaque cas arrive différemment, quand les exceptions sont la majorité et pas la minorité, quand il faut que quelqu’un —humain ou agent— exerce son jugement plutôt que de suivre un script.
C’est la même logique derrière le fait de monter une équipe d’employés IA plutôt qu’un tas d’automatisations séparées : ça n’a pas de sens d’appeler « employé » un script qui fait toujours la même chose, pas plus que ça n’a de sens d’appeler « agent » un workflow. Un employé —humain ou numérique— vaut par son jugement, pas en répétant la même étape. Si ce qu’il te faut, c’est la même étape répétée mille fois sans dévier, c’est pas un employé ni un agent : c’est un workflow, et c’est très bien comme ça. Paie-le pour ce qu’il est.