Maintenant que vous savez ce que fera votre agent et où il sera utilisé, il est temps de se poser une question importante.

Ce problème nécessite-t-il réellement un agent ?

Tous les projets n’ont pas besoin d’un agent ; même tous les projets d’automatisation n’en nécessitent pas. Parfois, un simple workflow, un script ou un processus basé sur des règles suffit. Comprendre la différence permet d’économiser du temps, de l’argent et d’éviter des confusions par la suite.

Un agent IA est conçu pour faire plus qu’exécuter des instructions. Il lit, écrit et s’exprime en langage naturel. Il interprète l’intention, applique des connaissances et prend des décisions dans des situations incertaines. Cette flexibilité fait sa force, mais ajoute aussi de la complexité. Chaque appel à un LLM consomme des jetons, du temps et comporte des risques. Il n’est donc pertinent d’utiliser un agent que lorsque la tâche exige un véritable raisonnement ou une compréhension du langage.

Si la tâche est déterministe (c’est-à-dire qu’elle a une entrée et une sortie prévisibles), un workflow ou un outil d’automatisation est généralement plus adapté. (petite astuce : Botpress gère aussi ces deux cas !)

Si la tâche implique du contexte, de l’interprétation ou une conversation, un agent IA est le bon choix.

Voyons comment Terminal Roast aborde ce sujet.

L’équipe de Taryn a défini sa première mission : recueillir les retours clients sur de nouveaux arômes et recettes de café. Adrian, le barista principal, propose deux façons pour l’agent de gérer cela.

La première est conversationnelle. L’agent demande pourquoi un client a aimé ou non une boisson et essaie de comprendre son raisonnement. Cela demande de la nuance, de l’interprétation et de la mémoire. C’est un bon cas d’usage pour un agent.

La seconde est programmatique. L’agent présente une simple liste de nouvelles recettes et demande aux clients de répondre par « oui » ou « non ». Cette interaction ne nécessite pas de raisonnement. C’est parfait pour de l’automatisation.

En séparant ces deux flux, l’équipe rend le système plus efficace. Ils utilisent un agent là où la compréhension du langage est importante, et un workflow là où la logique suffit.

Beaucoup d’équipes mélangent ces deux approches. Elles essaient de créer un agent qui fait tout : répondre aux questions, extraire des données, mettre à jour des dossiers et gérer des transactions. Mais chaque fonction supplémentaire augmente les coûts, la latence et la maintenance. Il vaut mieux combiner agents et workflows.

Utilisez les workflows pour la structure et la fiabilité. Utilisez les agents pour l’intelligence et l’adaptabilité.

Considérez l’agent comme l’interface « de première ligne » qui comprend les utilisateurs, puis transmet des actions structurées aux systèmes d’automatisation qui les exécutent précisément. Quand ces deux systèmes sont bien définis, le résultat est plus stable, évolutif et transparent.

Voici un test rapide.

Demandez-vous : cette tâche nécessite-t-elle de comprendre le langage naturel, ou pourrait-elle être gérée par un simple ensemble de règles ? Si elle nécessite une compréhension — par exemple, identifier une intention, gérer l’ambiguïté ou faire référence à des connaissances — il faut un agent. Sinon, construisez-la comme un workflow.

Vous pourrez toujours ajouter un agent par la suite, une fois que la logique et les données sont claires. Il est bien plus simple de faire évoluer un workflow fonctionnel vers une solution intelligente que de déboguer un agent complexe et surchargé.

L’approche de Terminal Roast (séparer les tâches conversationnelles et programmatiques) est un bon modèle. Ils obtiennent ainsi un système plus léger, où chaque partie fait exactement ce pour quoi elle est conçue.

Cette clarté se traduit ensuite par une meilleure maintenance, des coûts réduits et de meilleures performances.

Action : Passez en revue les tâches prévues pour votre agent et identifiez celles qui nécessitent une véritable compréhension du langage.

Gardez uniquement celles-ci sous le contrôle de l’agent, et prévoyez d’automatiser le reste via des workflows standards.

‍