# Chatbot ou agent IA ?

Selon Mesterséges Intelligencia Központ Kft., société de développement logiciel basée à Budapest, il faut un chatbot si la tâche consiste à répondre aux questions, et un agent IA si le système doit aussi exécuter des actions : consulter, enregistrer, réserver.

> **L'essentiel :** le chatbot parle, l'agent agit aussi. Mieux vaut commencer par la solution la plus simple qui accomplit la tâche, et ne passer à un agent que là où l'ordre des étapes ne peut pas être décrit à l'avance ; l'agent doit alors travailler avec des droits restreints, une journalisation et une validation humaine avant les étapes importantes.

## Que signifient ces termes ?

Les termes « chatbot » et « agent IA » sont employés dans des sens très divers sur le marché. Pour parler de la même chose au moment de décider, nous distinguons cinq solutions, de la plus simple à la plus autonome.

### Chatbot à base de règles

Il suit un scénario écrit à l'avance, composé de boutons, de mots-clés et d'un arbre de décision. Il est entièrement prévisible, n'appelle aucun modèle de langage et dit exactement ce qu'on y a écrit. Mais il ne comprend que ce pour quoi il a été préparé : une question formulée autrement sort du scénario, et chaque nouveau sujet doit être intégré à la main.

### Chatbot fondé sur un modèle de langage

Le grand modèle de langage (large language model, LLM) comprend les questions en texte libre et répond en langage naturel ; il s'en sort aussi avec les fautes de frappe et les formulations de tous les jours. Mais s'il ne repose que sur les connaissances générales du modèle, il peut donner avec assurance une réponse fausse sur l'entreprise ; c'est pourquoi, en entreprise, nous le relions presque toujours aux propres contenus de l'entreprise.

### Chatbot qui répond à partir de documents

Pour chaque question, le système recherche d'abord les passages pertinents dans les documents de l'entreprise (questions fréquentes, règlements, manuels), et le modèle répond à partir de ceux-ci, en citant la source. La méthode s'appelle RAG (retrieval-augmented generation, génération augmentée par récupération) ; son fonctionnement, la langue hongroise et le stockage des données sont traités dans l'article [L'IA sur les propres documents de l'entreprise (RAG)](https://www.mestersegesintelligenciakozpont.hu/fr/base-de-connaissances/ia-sur-les-documents-de-l-entreprise-rag).

### Flux de travail IA

Le [guide d'Anthropic consacré aux agents](https://www.anthropic.com/engineering/building-effective-agents) définit le flux de travail (workflow) comme un système dans lequel le modèle de langage et les outils sont pilotés par des chemins de code écrits à l'avance. Exemple : e-mail entrant → classement → extraction des données → projet de réponse dans le CRM. L'ordre des étapes est fixe, et à chaque étape le modèle accomplit une tâche linguistique bien délimitée. Beaucoup de besoins des entreprises sont en réalité de tels flux de travail, et non des agents.

### Agent IA

Le même guide décrit l'agent comme un système dans lequel le modèle de langage dirige lui-même son propre processus et son utilisation des outils. Selon la [documentation d'OpenAI](https://developers.openai.com/api/docs/guides/agents), les agents planifient et exécutent des tâches à l'aide d'outils, et conservent le contexte d'une étape à l'autre. L'agent reçoit un objectif (« enregistrez la réclamation et envoyez une confirmation au client ») et décide lui-même par quelles étapes l'atteindre : il consulte la commande, vérifie la garantie, enregistre le dossier, rédige l'e-mail. Ce n'est pas le modèle qui exécute l'outil : selon la [documentation de Google Gemini](https://ai.google.dev/gemini-api/docs/function-calling), le modèle n'exécute pas lui-même la fonction, et selon [Anthropic](https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview), les outils propres sont exécutés par l'application. Le modèle ne fait que demander l'opération ; c'est notre code qui l'exécute, et c'est là que se décide ce qui est autorisé.

Le conseil d'Anthropic est simple : chercher la solution la plus simple possible, et n'augmenter la complexité que si c'est nécessaire. Selon le guide, l'agent convient aux problèmes ouverts, où il est difficile ou impossible de prévoir le nombre d'étapes nécessaires ; et les systèmes à base d'agents acceptent souvent plus de latence et de coût en échange d'une meilleure exécution des tâches.

## Comparaison en un tableau

Dans le tableau, le chatbot fondé sur un modèle de langage figure dans sa variante qui répond à partir de documents, car c'est presque toujours ainsi qu'il est construit en entreprise.

| Critère | Chatbot à base de règles | Chatbot qui répond à partir de documents | Flux de travail IA | Agent IA |
|---|---|---|---|---|
| Ce qu'il fait | suit un scénario écrit à l'avance | répond à partir des contenus de l'entreprise | exécute une suite d'étapes fixe, avec des tâches linguistiques | reçoit un objectif et choisit lui-même les étapes |
| Ce qu'il comprend | les mots-clés et les boutons préparés | le texte libre | le texte qui entre dans le processus | le texte libre et les résultats des outils |
| Ce à quoi il a accès | le scénario | la base de connaissances | les systèmes désignés pour les étapes | les outils qui lui sont fournis |
| Prévisibilité | totale | élevée, s'il cite ses sources | élevée | plus faible, des limites strictes sont nécessaires |
| Risque principal | rigide, beaucoup de questions sortent du scénario | réponse fausse ou obsolète | extraction erronée à une étape | actions erronées ou trop nombreuses, erreurs qui s'accumulent |
| Contrôle | maintenance du scénario | citation des sources, « je ne sais pas », transfert à un collaborateur | vérification à chaque étape, validation | droits d'accès, validation, journal, limites |
| Bon choix si | les questions sont peu nombreuses et bien délimitées | il y a beaucoup de questions et de documents | les étapes du processus peuvent être décrites à l'avance | le nombre et l'ordre des étapes ne sont pas prévisibles |

La frontière n'est pas nette : un chatbot qui consulte l'état d'une commande avec un seul outil en lecture seule a déjà fait un pas vers l'agent, mais son risque reste faible. La question décisive est toujours ce que le système a le droit de faire, et non le nom qu'on lui donne.

## Quelle solution pour quel usage ?

### Service client

Pour les questions fréquentes (livraison, paiement, garantie, horaires d'ouverture), le chatbot qui répond à partir de documents est le bon point de départ, à toute heure de la journée, avec transfert à un collaborateur lorsqu'il est bloqué. Pour l'état de la commande, une consultation en lecture seule suffit. Là où le bot écrit aussi, par exemple lorsqu'il enregistre une réclamation ou déclenche un remboursement, il faut des capacités d'agent, et une validation avant toute étape qui touche à l'argent.

### Ventes

Le bot recommande des produits à partir du catalogue, prépare la demande de devis, réserve un rendez-vous et enregistre le prospect dans le CRM. La réservation et l'enregistrement relèvent de l'utilisation d'outils, ce sont donc des éléments d'agent ; il est en revanche judicieux de retirer le prix, la remise et le délai des compétences du bot, et de les confier à un collaborateur.

### Assistance interne

Pour les questions RH et informatiques, les règlements et les instructions de travail, le chatbot qui répond à partir de documents est le choix naturel ; il facilite aussi la formation des nouveaux collègues. Ici, la question principale est celle des droits d'accès : le bot ne peut répondre qu'à partir des documents que le collaborateur qui pose la question pourrait lui-même ouvrir. L'ouverture d'un ticket ou une demande d'accès peut déjà relever d'un agent doté d'un jeu d'outils restreint.

### Back-office

Le traitement des factures, des commandes et des e-mails relève généralement du flux de travail IA, car les étapes sont connues à l'avance : extraction, rapprochement, enregistrement, exceptions transmises à un collaborateur. Un agent se justifie là où les cas sont très variés, par exemple pour l'instruction d'une réclamation qui exige de rassembler des données provenant de plusieurs systèmes. Nous parlons de l'automatisation qui traverse plusieurs systèmes sur la page [Automatisation des processus](https://www.mestersegesintelligenciakozpont.hu/fr/services/automatisation), et des schémas d'intégration (API, webhook, appel de fonctions, MCP) dans l'article [Comment relier les systèmes de l'entreprise par l'intelligence artificielle ?](https://www.mestersegesintelligenciakozpont.hu/fr/base-de-connaissances/relier-les-systemes-d-entreprise-par-l-ia).

## Les risques de l'agent et les contrôles

Ce qui rend l'agent utile, c'est qu'il agit. C'est aussi ce qui le rend risqué. Le guide d'Anthropic cite, comme prix de l'autonomie des agents, des coûts plus élevés et le risque d'erreurs qui s'accumulent, et recommande des tests approfondis dans un environnement isolé (sandbox), avec des garde-fous appropriés. La liste des risques de l'OWASP GenAI Security Project cite trois causes de la [liberté d'action excessive](https://genai.owasp.org/llmrisk/llm062025-excessive-agency/) (Excessive Agency) : les fonctionnalités superflues, les droits d'accès trop larges et l'autonomie excessive. C'est pourquoi nous intégrons les contrôles suivants :

- **Un jeu d'outils restreint :** l'agent ne reçoit que les outils nécessaires à sa tâche ; un agent du service client n'a pas besoin de supprimer quoi que ce soit.
- **Des droits minimaux :** autant que possible, un accès en lecture seule ; l'opération s'exécute avec les propres droits de l'utilisateur, et non avec un compte de service qui a accès à tout.
- **Contrôle dans le système cible :** chaque demande est aussi contrôlée par les règles du système cible ; ce qui est autorisé ne dépend donc pas du jugement du modèle.
- **Validation humaine :** avant toute étape qui touche à l'argent, à un contrat, à un message envoyé à un client ou à une modification irréversible, c'est une personne qui décide. [OpenAI](https://developers.openai.com/api/docs/guides/tools-connectors-mcp), par exemple, demande par défaut une validation avant de partager des données avec un serveur MCP distant.
- **Journal :** chaque appel d'outil, chaque paramètre et chaque résultat peut être retrouvé, afin d'établir la cause d'une opération erronée.
- **Limites :** plafonds sur le nombre d'étapes, la fréquence et les montants, pour qu'une erreur ne puisse pas se multiplier.
- **Le contenu externe traité comme des données :** le texte d'un e-mail entrant ou d'un document téléversé n'est pas une instruction. Contre la [prompt injection](https://genai.owasp.org/llmrisk/llm01-prompt-injection/) (injection de prompt), l'OWASP recommande de traiter le contenu externe à part, en le marquant comme non fiable.
- **Tests dans un environnement isolé :** avant la mise en production, dans un système de test, avec des cas réels et des entrées délibérément trompeuses.

Ces contrôles ne ralentissent pas inutilement le travail : la validation peut se résumer à un seul clic et, sur la base des mesures, elle peut être progressivement restreinte aux cas où elle est vraiment nécessaire.

## Transparence : il faut savoir que c'est une IA qui répond

Selon l'[article 50, paragraphe 1](https://eur-lex.europa.eu/legal-content/FR/TXT/?uri=CELEX:32024R1689), de l'AI Act, c'est-à-dire du règlement (UE) 2024/1689, un système d'IA destiné à interagir directement avec des personnes physiques doit être conçu de manière que les personnes concernées soient informées qu'elles interagissent avec un système d'IA, sauf si cela ressort clairement des circonstances. Nous détaillons à partir de quand et à qui exactement cela s'applique, ainsi que ce que le RGPD impose pour un chatbot, dans l'article [AI Act et RGPD pour un chatbot d'entreprise](https://www.mestersegesintelligenciakozpont.hu/fr/base-de-connaissances/ai-act-et-rgpd-pour-les-chatbots-d-entreprise) ; ces indications sont données à titre d'information et ne constituent pas un conseil juridique.

## Exemple en direct : l'assistant IA sur notre page d'accueil

À côté du jeu qui tourne sur notre [page d'accueil](https://www.mestersegesintelligenciakozpont.hu/fr/), l'assistant IA converse avec le visiteur : c'est notre propre chatbot IA en direct, et il montre bien où passe la frontière entre chatbot et agent.

- Il fonctionne avec un modèle de langage Claude et reçoit un rapport automatique sur les événements du jeu (perte d'une vie, record, passage de niveau), auquel il réagit en direct.
- Il répond dans les 14 langues du jeu et vouvoie toujours le visiteur, même si celui-ci le tutoie.
- Il parle de l'entreprise à partir des faits qui lui ont été fournis : selon ses instructions, il n'invente ni référence, ni prix, ni délai, ni garantie.
- Il peut parler, mais pas agir : il ne peut pas intervenir sur l'état du jeu, ni accorder des points ou des vies.

Le dernier point est l'essentiel : la limite de ce qu'il a le droit de faire n'est pas fixée par les bonnes intentions du modèle, mais par l'architecture du système. Vous trouverez nos propres développements sur la page [Nos réalisations](https://www.mestersegesintelligenciakozpont.hu/fr/nos-realisations).

## Comment commencer petit ?

1. **Un domaine, une liste de questions :** recenser ce qui est demandé le plus souvent, par exemple au service client.
2. **Un chatbot sur vos propres contenus :** avec citation des sources, une réponse « je ne sais pas » et le transfert à un collaborateur.
3. **Mesure sur de vraies questions :** avant la mise en production sur un jeu d'évaluation, ensuite à partir du journal des conversations.
4. **Un premier outil, en lecture seule :** par exemple la consultation de l'état d'une commande.
5. **Une première opération d'écriture avec validation :** par exemple l'enregistrement d'une réclamation, validé par un collaborateur.
6. **Extension sur la base du journal :** un nouvel outil ou un cercle de validation plus restreint, uniquement là où la mesure le justifie.

## Erreurs typiques

- **Un agent là où un chatbot suffit :** plus de pièces mobiles et plus de risque, sans bénéfice.
- **Tous les outils à la fois :** l'agent peut aussi faire ce dont il n'aura jamais besoin.
- **Pas de « je ne sais pas » :** le bot préfère inventer quelque chose plutôt que de transmettre la question.
- **Pas de transfert à une personne :** le client bloqué ne parvient pas jusqu'à un collaborateur.
- **Pas de journal :** après coup, impossible de savoir pourquoi une opération erronée a eu lieu.
- **Traiter le texte externe comme une instruction :** une phrase cachée dans un e-mail peut piloter l'agent.

## Questions fréquentes

### Quelle est la différence entre un chatbot et un agent IA ?

Le chatbot répond aux questions, dans le meilleur des cas à partir des propres contenus de l'entreprise, en citant ses sources. L'agent IA utilise en plus des outils (il consulte, enregistre, réserve, rédige des e-mails) et choisit lui-même les étapes au service d'un objectif. Les deux peuvent reposer sur le même modèle de langage ; la différence tient à ce qu'ils ont le droit de faire.

### Quand un chatbot suffit-il ?

Lorsque la tâche consiste à informer : questions fréquentes, règlements, informations sur les produits, connaissances internes. Il suffit aussi lorsque, après la réponse, c'est une personne qui accomplit le travail. Si le système doit modifier des données ou agir dans un autre système, c'est alors le flux de travail ou l'agent qui entre en jeu.

### Que peut faire un agent IA de façon autonome ?

Ce pour quoi il reçoit des outils et des droits, et ce que, compte tenu du risque, on ose lui confier sans validation : typiquement des consultations, des enregistrements internes, la préparation de brouillons, la réservation de rendez-vous. Avant les étapes qui touchent à l'argent, à un contrat ou à un message envoyé à un client, ainsi qu'avant les étapes irréversibles, il est judicieux de demander une validation humaine.

### Comment éviter que l'agent commette des erreurs ?

On ne peut pas les exclure totalement, mais on peut limiter les dégâts : avec un jeu d'outils restreint, des droits minimaux, des demandes contrôlées aussi dans le système cible, une validation avant les étapes à fort impact, des plafonds d'étapes et de montants, un journal complet et des tests dans un environnement isolé avant la mise en production. Les textes entrants sont traités comme des données, non comme des instructions.

### Devons-nous signaler que c'est une IA qui répond ?

En général, oui : selon l'article 50, paragraphe 1, de l'AI Act, les personnes concernées doivent savoir qu'elles interagissent avec un système d'IA, sauf si cela est évident. Le chatbot que nous développons le signale dès son premier message. Les détails sont exposés dans l'article [AI Act et RGPD pour un chatbot d'entreprise](https://www.mestersegesintelligenciakozpont.hu/fr/base-de-connaissances/ai-act-et-rgpd-pour-les-chatbots-d-entreprise) ; ces indications sont données à titre d'information et ne constituent pas un conseil juridique.

## Comment pouvons-nous vous aider ?

Mesterséges Intelligencia Központ Kft. développe aussi bien des chatbots IA que des agents IA : des bots qui répondent à partir des propres documents de l'entreprise, et des agents reliés aux systèmes de l'entreprise qui exécutent des actions, construits sur les modèles de langage d'OpenAI (ChatGPT), d'Anthropic (Claude) et de Google (Gemini). Le premier échange est gratuit ; nous mesurons la taille du développement en points de fonction COSMIC, et en tirons l'offre et le calendrier. Nous signons sur demande un accord de confidentialité (NDA), et après la livraison nous assurons aussi l'exploitation et la maintenance. Le code source et les droits d'utilisation sont régis par le contrat.

Plus de détails sur la page de service [Chatbots et agents IA](https://www.mestersegesintelligenciakozpont.hu/fr/services/chatbots-agents-ia) ; la connexion des modèles de langage est traitée sur la page [Intégration d'IA](https://www.mestersegesintelligenciakozpont.hu/fr/services/integration-ia). Si vous envisagez un chatbot ou un agent, écrivez-nous via les coordonnées indiquées sur la page [Contact](https://www.mestersegesintelligenciakozpont.hu/fr/contact).

## Sources

- [Anthropic : Building effective agents](https://www.anthropic.com/engineering/building-effective-agents)
- [OpenAI : Agents](https://developers.openai.com/api/docs/guides/agents)
- [Anthropic : Tool use with Claude](https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview)
- [Google : Gemini API, Function calling](https://ai.google.dev/gemini-api/docs/function-calling)
- [OpenAI : MCP servers](https://developers.openai.com/api/docs/guides/tools-connectors-mcp)
- [OWASP GenAI Security Project : LLM06:2025 Excessive Agency](https://genai.owasp.org/llmrisk/llm062025-excessive-agency/)
- [OWASP GenAI Security Project : LLM01:2025 Prompt Injection](https://genai.owasp.org/llmrisk/llm01-prompt-injection/)
- [EUR-Lex : règlement (UE) 2024/1689 sur l'intelligence artificielle (AI Act)](https://eur-lex.europa.eu/legal-content/FR/TXT/?uri=CELEX:32024R1689)