Chatbot, workflow ou agent : choisir (et savoir dire non)

Trois architectures, une question : qui décide de la suite ?

	Chatbot	Workflow	Agent
Qui décide des étapes ?	personne : une question, une réponse	vous, dans le code	le LLM, à chaque tour
Appels d'outils	aucun (ou RAG fixe)	oui, dans un ordre écrit d'avance	oui, choisis dynamiquement
Nombre d'appels LLM	1	fixe et connu	variable
Prévisibilité	forte	forte	plus faible
Coût par requête	faible, stable	moyen, stable	variable, parfois élevé
Exemple	FAQ sur les horaires	« classer l'e-mail → extraire la commande → l'enregistrer »	« aide ce client à commander, quoi qu'il demande »

flowchart TB
  subgraph CB["Chatbot"]
    Q1["Question"] --> L1["LLM"] --> R1["Réponse"]
  end
  subgraph WF["Workflow : le code décide"]
    Q2["E-mail"] --> S1["LLM : classer"] --> S2["LLM : extraire"] --> S3["Code : enregistrer"]
  end
  subgraph AG["Agent : le LLM décide"]
    Q3["Demande"] --> L3["LLM"]
    L3 -->|"outil ?"| T3["Outils"]
    T3 --> L3
    L3 -->|"fini"| R3["Réponse"]
  end

L'échelle de complexité

Montez d'un cran seulement quand le cran du dessous échoue sur des cas réels, mesurés :

Un appel LLM bien prompté (avec éventuellement des documents dans le contexte).
Un workflow : enchaînement fixe, routage par catégorie, étapes en parallèle.
Un agent à quelques outils.
Plusieurs agents qui collaborent (module 4).

Chaque cran ajoute de la latence, du coût et des façons de se tromper.

Un service reçoit des bons de commande PDF toujours au même format. Il faut extraire les lignes et les insérer dans l'ERP. Que choisir ?

Quand un agent est une mauvaise idée

Signal	Pourquoi c'est un problème	Alternative
Le processus est entièrement connu	l'agent « réinvente » à chaque fois un chemin que vous connaissez déjà	workflow
Une erreur coûte très cher ou est irréversible (virement, suppression)	le LLM peut choisir la mauvaise action	workflow + validation humaine obligatoire
Latence exigée très faible	plusieurs allers-retours LLM par requête	un seul appel, ou du code classique
Pas de jeu de tests	impossible de savoir si une modification améliore ou casse l'agent	construire d'abord 20 à 50 cas de test réels
Règle métier déterministe (« -10 % au-delà de 100 € »)	un LLM peut se tromper dans un calcul	une fonction Python, appelée comme outil

Quand un agent vaut le coup

Les demandes sont ouvertes et variées : un client peut demander un produit, modifier une commande, prendre rendez-vous, poser une question hors sujet.
Le nombre d'étapes n'est pas connu d'avance (chercher, comparer, vérifier, recommencer).
On peut tolérer une erreur occasionnelle parce qu'il existe une sortie vers un humain.

C'est typiquement le cas d'un assistant de prise de commande conversationnel. Watpilot, par exemple, est un agent de ce type sur WhatsApp, construit sur Gemini : il prend des commandes et des rendez-vous, et escalade vers un humain quand la demande sort de son périmètre. Les actions sensibles (création de commande) restent encadrées par des outils précis plutôt que laissées au libre arbitre du modèle.

Parmi ces besoins, lesquels justifient plutôt un agent qu'un workflow ? (plusieurs réponses)

Exercice : classer cinq projets

Pour chacun, répondez « chatbot », « workflow », « agent » ou « pas de LLM », avec une phrase de justification.

Résumer chaque compte rendu de réunion et l'envoyer par e-mail aux participants.
Répondre aux questions sur le règlement intérieur à partir d'un PDF de 20 pages.
Aider un commercial à préparer un devis : chercher les produits, vérifier les remises autorisées, consulter l'historique du client.
Vérifier qu'un numéro de SIRET a 14 chiffres.
Trier les tickets entrants en « facturation », « technique », « autre » et les router vers la bonne équipe.

Voir la solution

Workflow : étapes fixes (résumer → envoyer). Le LLM ne fait qu'une étape.
Chatbot (avec le document dans le contexte ou un RAG) : une question, une réponse, aucune action.
Agent : l'ordre et le nombre de recherches dépendent du client et des produits. Bon candidat, avec validation humaine du devis final.
Pas de LLM : une expression régulière (re.fullmatch(r"\d{14}", s)) suffit.
Workflow de routage : un appel LLM de classification, puis du code qui route. Pas besoin que le modèle choisisse ses outils.

Si vous avez répondu « agent » à plus de deux cas, relisez la section « Quand un agent est une mauvaise idée ».

Je sais faire

Expliquer la différence chatbot / workflow / agent en une phrase chacun
Citer trois situations où un agent est une mauvaise idée
Justifier le choix d'un agent pour un cas d'usage de prise de commande
Remplacer une règle déterministe par une fonction plutôt que par un prompt