Atelier

Lección 2 — Comprendre les agents

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

6 min de lectura

Este contenido aún no está traducido. Se muestra la versión original.

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

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

ChatbotWorkflowAgent
Qui décide des étapes ?personne : une question, une réponsevous, dans le codele LLM, à chaque tour
Appels d'outilsaucun (ou RAG fixe)oui, dans un ordre écrit d'avanceoui, choisis dynamiquement
Nombre d'appels LLM1fixe et connuvariable
Prévisibilitéforteforteplus faible
Coût par requêtefaible, stablemoyen, stablevariable, parfois élevé
ExempleFAQ 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 :

  1. Un appel LLM bien prompté (avec éventuellement des documents dans le contexte).
  2. Un workflow : enchaînement fixe, routage par catégorie, étapes en parallèle.
  3. Un agent à quelques outils.
  4. 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

SignalPourquoi c'est un problèmeAlternative
Le processus est entièrement connul'agent « réinvente » à chaque fois un chemin que vous connaissez déjàworkflow
Une erreur coûte très cher ou est irréversible (virement, suppression)le LLM peut choisir la mauvaise actionworkflow + validation humaine obligatoire
Latence exigée très faibleplusieurs allers-retours LLM par requêteun seul appel, ou du code classique
Pas de jeu de testsimpossible de savoir si une modification améliore ou casse l'agentconstruire d'abord 20 à 50 cas de test réels
Règle métier déterministe (« -10 % au-delà de 100 € »)un LLM peut se tromper dans un calculune 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.

  1. Résumer chaque compte rendu de réunion et l'envoyer par e-mail aux participants.
  2. Répondre aux questions sur le règlement intérieur à partir d'un PDF de 20 pages.
  3. Aider un commercial à préparer un devis : chercher les produits, vérifier les remises autorisées, consulter l'historique du client.
  4. Vérifier qu'un numéro de SIRET a 14 chiffres.
  5. Trier les tickets entrants en « facturation », « technique », « autre » et les router vers la bonne équipe.
Voir la solution
  1. Workflow : étapes fixes (résumer → envoyer). Le LLM ne fait qu'une étape.
  2. Chatbot (avec le document dans le contexte ou un RAG) : une question, une réponse, aucune action.
  3. Agent : l'ordre et le nombre de recherches dépendent du client et des produits. Bon candidat, avec validation humaine du devis final.
  4. Pas de LLM : une expression régulière (re.fullmatch(r"\d{14}", s)) suffit.
  5. 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
Siguiente