Agent IA vs chatbot : quelle différence, et qu'est-ce que l'IA agentique ?

« On veut un agent IA » : c'est l'une des phrases que j'entends le plus souvent chez mes clients. Souvent, ce dont ils ont besoin, c'est d'un bon chatbot. Parfois, c'est l'inverse. Les mots sont employés un peu au hasard, alors voici une explication simple de la différence entre agent IA et chatbot, de ce qu'ajoute l'« IA agentique », et de la façon de choisir pour votre entreprise.

Agent IA vs chatbot : la réponse courte

• Un chatbot répond. Vous envoyez un message, il répond. Il peut chercher dans vos documents, mais son travail s'arrête à la réponse.
• Un agent IA agit. Vous lui donnez un objectif ; il choisit des étapes, utilise des outils (votre CRM, votre agenda, une base de données, l'e-mail, un navigateur, du code), vérifie les résultats et continue jusqu'à ce que l'objectif soit atteint ou qu'il ait besoin d'aide.

La différence ne vient pas du modèle. Le même grand modèle de langage peut faire tourner les deux. Elle vient de ce que le système autour du modèle l'autorise à faire : seulement parler, ou aussi agir sur plusieurs étapes.

Ce qu'un chatbot moderne sait faire

Les chatbots ont bien changé depuis les arbres de décision scriptés. Un bon chatbot LLM peut :

• répondre en langage naturel, y compris en dialecte et en mélangeant les langues,
• appuyer ses réponses sur vos propres contenus (conditions, catalogue, anciens tickets) pour ne pas inventer,
• se souvenir de la conversation et poser des questions de clarification,
• passer la main à une personne avec un résumé quand il est dépassé.

Pour beaucoup d'entreprises, cela couvre l'essentiel des conversations clients. Un assistant WhatsApp pour une boutique marocaine ou un chatbot de service client en arabe est surtout un chatbot, avec quelques actions soigneusement choisies.

Ce qui fait d'un système un agent IA

Un système devient un agent quand il sait faire trois choses :

1. Utiliser des outils. Appeler une API, interroger une base de données, envoyer un e-mail, mettre à jour une fiche.
2. Planifier sur plusieurs étapes. Décider de la suite en fonction de ce qui vient de se passer, au lieu de suivre un script figé.
3. Viser un objectif, et pas seulement répondre au dernier message.

Un exemple simple : un client écrit « Je voudrais décaler mon rendez-vous à la semaine prochaine ». Un chatbot peut expliquer comment faire. Un agent peut consulter l'agenda, trouver des créneaux libres, en proposer deux, réserver celui que le client choisit et envoyer une confirmation.

Entre les deux, il y a une large zone grise. Un chatbot qui consulte le statut d'une commande utilise un outil, mais il reste surtout là pour répondre. Ce n'est pas un problème : l'étiquette compte moins que ce que le système a le droit de faire.

IA agentique vs agent IA

Les deux termes sont proches, d'où la confusion.

• Un agent IA est un logiciel précis : un modèle en boucle, avec des instructions et des outils.
• L'IA agentique désigne l'approche, ou la propriété, plus large : des systèmes qui agissent avec une certaine autonomie vers un objectif. Un système agentique peut être un seul agent, ou plusieurs agents qui travaillent ensemble avec des passages de relais, des relecteurs et des points de contrôle humains.

L'IA agentique est donc la catégorie, et un agent IA en est une brique. Quand un système réunit plusieurs agents aux rôles différents, c'est un système multi-agent, et les questions de conception portent alors sur leur coordination.

Exemples en entreprise, côte à côte

• Service client. Chatbot : répond aux questions sur la livraison et les retours. Agent : traite aussi le retour, génère l'étiquette et met à jour la commande.
• Commercial. Chatbot : répond aux questions de tarifs sur votre site. Agent : qualifie le prospect, rédige une relance personnalisée, l'enregistre dans le CRM et planifie le contact suivant. Ma plateforme Sendline va dans ce sens : les réponses reçues par e-mail peuvent déclencher des relances rédigées par l'IA dans des flux d'automatisation.
• Connaissance interne. Chatbot : répond aux questions de l'équipe à partir de vos manuels. Agent : ouvre aussi le ticket informatique ou remplit la note de frais.
• Opérations. Chatbot : vous dit ce que contient un rapport. Agent : rassemble les données de plusieurs outils, rédige le rapport hebdomadaire et signale ce qui a changé.

Risques et garde-fous

Les agents sont plus utiles parce qu'ils agissent. Ils sont plus risqués pour la même raison. Un chatbot qui se trompe donne une mauvaise réponse. Un agent qui se trompe peut envoyer le mauvais e-mail, réserver le mauvais créneau ou modifier la mauvaise fiche.

Les garde-fous que je mets sur chaque agent :

• Le moindre privilège. Seulement les outils et les droits nécessaires à la tâche, en lecture seule quand c'est possible.
• Une validation humaine pour les actions irréversibles. Paiements, messages sortants vers les clients, suppressions. Au début, l'agent prépare et une personne valide.
• Des limites. Un plafond d'étapes et de tentatives, pour qu'il ne tourne pas en boucle et ne fasse pas exploser la facture.
• La journalisation. Chaque appel d'outil est enregistré, pour comprendre pourquoi il a fait ce qu'il a fait.
• Un passage de main clair. Quand il n'est pas sûr, il s'arrête et demande à une personne.

Le coût

Un chatbot coûte en général moins cher par conversation : un ou deux appels au modèle par réponse. Un agent fait plusieurs appels par tâche, et relit du contexte à chaque fois qu'il planifie, appelle un outil ou vérifie un résultat. Ça ne rend pas les agents chers par nature, mais il faut mesurer le coût par tâche accomplie, pas par message. Il existe de bonnes façons de le réduire, comme confier les étapes courantes à des modèles plus petits ou locaux ; je les détaille dans comment réduire les coûts d'API LLM.

Comment choisir

Posez-vous trois questions :

1. Le travail se termine-t-il par une information, ou par une action ? Une information : chatbot. Une action dans un autre outil : agent.
2. Quelle est la gravité d'une erreur ? Si elle est facile à repérer et à annuler, l'autonomie est acceptable. Sinon, gardez une personne qui valide, quel que soit le nom du système.
3. Le processus est-il assez clair pour être écrit ? Un agent a besoin de règles claires et d'un bon accès aux outils. Si le processus n'existe que dans la tête de quelqu'un, réglez ça d'abord.

Un bon chemin pour la plupart des entreprises : commencer par un chatbot qui répond bien et passe la main proprement, puis ajouter des actions une par une, là où les données montrent que c'est sûr.

Travailler ensemble

Je construis les deux : des chatbots fiables, appuyés sur vos contenus, et des agents IA qui agissent sur de vrais systèmes, du modèle jusqu'au logiciel en production. Voyez mes études de cas.

Si vous ne savez pas lequel des deux il vous faut, envoyez-moi une courte description du processus et je vous répondrai honnêtement.