Guide / mis à jour le 4 octobre 2026

Assistant, workflow ou agent IA : choisir selon sa tâche

Qui choisit l’étape suivante ? Cette question permet de distinguer les trois approches et de décider ce qu’une tâche demande réellement.

Commencez par la tâche

Pour rédiger un brouillon que vous relirez, un assistant peut suffire. Pour reproduire une suite de contrôles connus, un workflow convient. Un agent devient pertinent lorsque le système doit choisir les prochaines actions selon ce qu’il découvre. Le choix dépend du travail à effectuer, des outils accessibles et de la décision que vous lui confiez.

Le mot agent recouvre plusieurs définitions. Anthropic distingue les workflows, dont les étapes sont définies à l’avance, des agents, dont le modèle dirige dynamiquement le processus et les appels d’outils. Cette distinction d’architecture nous sert ici de repère ; elle ne constitue pas une norme universelle.

Trois approches, trois modes de travail

L’assistant reste un terme d’usage : il décrit un système qui vous aide. Certains assistants embarquent eux-mêmes des workflows ou des capacités d’agent. Pour choisir, examinez surtout qui décide des étapes et comment les actions sont autorisées.

ApprocheQui choisit les étapes ?ExemplePoint de contrôle
AssistantVous conduisez l’échange.Préparer une relance à partir d’une liste de pièces manquantes.Relire le brouillon avec les pièces.
WorkflowLe processus suit les étapes prévues.Comparer les pièces reçues à une liste, puis préparer la relance.Vérifier les entrées et valider avant l’envoi.
AgentLe modèle choisit les outils et la suite dans un cadre autorisé.Explorer un corpus autorisé, compléter une recherche et proposer un résultat sourcé.Limiter les outils, les accès et les conditions d’arrêt.

Un exemple de cabinet

Prenons un dossier fictif. La liste des pièces attendues est connue. Une comparaison suffit pour repérer l’absence d’un relevé. Un calcul ou une règle peut produire ce constat ; le modèle peut ensuite préparer la formulation d’une relance. Donner au système la liberté de choisir une autre méthode ne répond pas, à lui seul, à un besoin supplémentaire.

La situation change si la demande appelle une recherche documentaire en plusieurs étapes : retrouver une procédure, examiner ses exceptions et demander une précision quand une donnée manque. Il faut alors définir les documents accessibles, les outils possibles et les circonstances dans lesquelles le système s’arrête. L’autorisation de rechercher ne vaut pas autorisation d’envoyer un message.

Décider avec quatre questions

Écrivez vos réponses avant de choisir un outil. Si la tâche reste floue, une architecture plus complexe rendra ses défauts plus difficiles à comprendre.

  • Quel résultat doit-on pouvoir vérifier : un texte, un calcul, une sélection ou une action ?
  • Les étapes sont-elles connues à l’avance ou dépendent-elles des informations trouvées ?
  • Quelles données et quels outils le système peut-il consulter ou modifier ?
  • Que doit-il faire quand une information manque, qu’un outil échoue ou qu’une action dépasse ses droits ?

Vérifier ce que la démonstration prouve

Une animation qui traverse plusieurs étapes ne suffit pas à montrer un agent. Dans le Lab IA Étoile, les démonstrations locales appliquent des règles explicites à des données fictives. Elles permettent d’examiner un calcul, une référence documentaire et une validation. Elles ne prouvent pas qu’un modèle a choisi les actions de manière autonome.

La CNIL rappelle qu’une réponse générée peut être plausible et inexacte. Quelle que soit l’architecture, le résultat doit donc pouvoir être contrôlé. Pour votre premier projet, choisissez une tâche dont vous connaissez les entrées et les critères de réussite.

Sources.