La confusion entre chatbot et agent IA coûte des projets mal calibrés
Depuis deux ans, "agent IA" est devenu l'étiquette collée sur à peu près tout ce qui contient un modèle de langage. Un widget qui répond aux questions fréquentes sur un site web, un assistant qui reformule un email, un système qui lit une facture PDF : on entend "agent" pour les trois, alors qu'un seul des trois mérite vraiment ce nom.
La différence n'est pas cosmétique. Elle détermine ce que vous pouvez raisonnablement attendre du projet, combien de temps il prend à construire, et surtout si le mauvais choix ne va pas vous coûter un système qui répond bien aux questions sans jamais résoudre le vrai problème : le temps que vos équipes perdent à faire elles-mêmes ce qui pourrait tourner sans elles.
Prenons un exemple concret. Une demande de devis arrive par email. Aujourd'hui, quelqu'un l'ouvre, va vérifier l'historique du client dans le CRM, contrôle une disponibilité dans l'agenda, remplit un gabarit de devis, l'envoie, puis note le suivi quelque part. Cinq étapes, un humain présent à chacune d'entre elles.
Un chatbot peut répondre à une question sur cette demande ("où en est mon devis ?"). Il ne peut pas, par construction, aller lui-même consulter le CRM, remplir le document et l'envoyer. Un agent IA le peut : il perçoit la demande, décide de la marche à suivre, agit dans vos outils, et ne revient vers un humain que si le cas sort de ce qu'on lui a appris à traiter.
Si ce que vous cherchez, c'est justement répondre à des questions récurrentes (horaires, tarifs, prise de rendez-vous, FAQ produit), c'est le territoire d'un chatbot IA, pas d'un agent. Les deux ont leur place, ils ne résolvent pas le même problème.
Agent IA vs chatbot : où passe la ligne, concrètement
La ligne de partage tient en une question : est-ce que la valeur du système vient de la réponse qu'il donne, ou de l'action qu'il déclenche ? Un chatbot bien fait raccourcit une recherche d'information. Un agent IA remplace une série de manipulations qu'un humain devrait sinon faire lui-même, dans plusieurs outils, dans un ordre précis.
Concrètement, un cas se prête à un agent IA quand trois conditions sont réunies : la tâche se répète (elle vaut la peine d'être construite une fois), elle touche plusieurs sources ou systèmes (sinon une règle automatique classique suffit), et le résultat attendu est vérifiable (on peut dire si l'agent a bien fait son travail). À l'inverse, tout ce qui demande un vrai jugement de valeur, une négociation ou de la créativité reste, pour l'instant, une tâche humaine que l'agent peut préparer, jamais remplacer.
La méthode DKDP pour construire un agent : le framework WAT
On construit nos agents avec une règle simple, qu'on appelle en interne le framework WAT : Workflows, Agents, Tools. Trois couches, chacune avec un rôle précis.
Les Workflows sont les instructions écrites, la procédure telle qu'on la donnerait à un nouveau collaborateur : quel est l'objectif, quelles informations sont nécessaires, quels outils utiliser, comment gérer les cas particuliers. Rien de magique, un mode d'emploi clair.
L'Agent, c'est la couche de décision. Il lit le workflow, évalue la situation, et choisit quoi faire ensuite. C'est là, et seulement là, qu'intervient le raisonnement de l'IA : comprendre une demande ambiguë, choisir la bonne branche, décider s'il faut escalader vers un humain.
Les Tools exécutent. Ce sont des scripts déterministes : aller chercher une ligne dans une base de données, appeler l'API d'un CRM, générer un document, envoyer un email. Le même input y produit toujours le même output.
Cette séparation existe pour une raison précise : chaîner des étapes d'IA les unes après les autres fait chuter la fiabilité, chaque étape ajoutant sa propre marge d'erreur. En confiant l'exécution mécanique à du code déterministe et en réservant le raisonnement de l'IA aux décisions qui en ont vraiment besoin, l'agent reste fiable sur la durée, y compris à volume.
Ce framework, c'est aussi ce qui différencie un agent d'une automatisation classique. Une automatisation exécute des règles fixes : si telle condition, alors telle action. Un agent IA choisit l'action selon le contexte. En pratique, beaucoup de projets combinent les deux : des Tools construits comme des automatisations robustes, pilotés par un Agent qui gère les cas où une règle fixe ne suffit pas.
3 cas d'usage concrets pour les PME romandes
Voici les trois familles de demandes qu'on reçoit le plus souvent, sans inventer de client précis : ce sont des schémas récurrents, à adapter à votre contexte.
Trier et qualifier les demandes entrantes
Les emails, formulaires de contact ou messages qui arrivent chaque jour sont rarement tous égaux : certains sont des questions simples, d'autres de vraies opportunités commerciales, d'autres encore des urgences. Un agent lit chaque demande, la classe selon vos critères, enrichit votre CRM avec les informations utiles, et n'assigne à un humain que ce qui mérite réellement son attention. Ce qui change concrètement : vos équipes ouvrent leur journée avec une liste déjà triée, pas une boîte de réception à vider une par une.
Générer des documents et rapports récurrents depuis vos données vivantes
Rapport hebdomadaire, tableau de bord mensuel, relevé de facturation, résumé d'activité : ce sont des documents qui reviennent à intervalle fixe, construits à partir de données qui, elles, changent en permanence (votre CRM, votre outil de facturation, votre feuille de suivi). Un agent va chercher les données à jour au moment voulu, les met en forme selon votre gabarit, et les distribue aux bonnes personnes. La différence avec un rapport automatisé classique : l'agent peut interpréter les chiffres, signaler ce qui sort de la norme, et adapter le commentaire au contexte plutôt que de répéter un texte figé.
Surveiller un processus et alerter un humain seulement quand une décision compte
Certains processus doivent simplement être surveillés : un stock qui descend sous un seuil, un paiement qui n'arrive pas à l'échéance, une réponse client qui traîne depuis trop longtemps. Un agent observe en continu, et ne dérange personne tant que tout suit son cours normal. Il n'alerte que lorsqu'une décision humaine devient nécessaire, avec le contexte déjà rassemblé pour la prendre rapidement. L'objectif n'est pas de tout automatiser, mais de garder l'attention humaine pour les moments où elle compte vraiment.
Ce qu'un agent IA ne fait pas tout seul
Un agent IA a besoin d'un périmètre défini par un humain : quelles décisions il peut prendre seul, lesquelles doivent remonter, et ce qui se passe quand il rencontre un cas qu'on ne lui a pas appris à traiter. Sans ce cadrage, on ne construit pas un agent, on construit un risque.
C'est pour cette raison qu'on démarre toujours par un seul cas d'usage, pas par "automatisez tout notre service client". Un périmètre resserré, testé sur de vraies données, ajusté avant d'être élargi. C'est plus lent à l'annonce, plus rapide à livrer un résultat qui tient la route.
Et c'est aussi pour cette raison qu'on ne vend pas d'agent "qui fait tout". Si un cas d'usage ne se prête pas à un agent, mieux vaut vous le dire avant de commencer que de facturer un projet qui ne tiendra pas ses promesses : chez DKDP, si on ne peut pas vous aider, on le dit.
Combien coûte un agent IA sur mesure, et combien de temps ça prend
Les tarifs et les délais dépendent du périmètre exact, mais deux repères donnent une idée concrète.
- Agent Starter : 1 cas d'usage, 1 canal (email ou chat), livré en 2 semaines, à partir de CHF 2'500.
- Agent Pro : jusqu'à 3 agents coordonnés, multi-canal, intégrations CRM et outils métier, livré en 4 semaines, à partir de CHF 4'900.
Dans les deux cas, un suivi post-déploiement est inclus : on observe le comportement réel de l'agent sur quelques semaines, on ajuste ce qui doit l'être, avant de le laisser tourner en autonomie complète sur son périmètre.
Le détail des deux formules et le reste des questions se trouvent sur notre page agents IA sur mesure. Pour comparer avec le reste de nos prestations digitales et IA, la page tarifs réunit toutes nos grilles de prix.
Questions fréquentes
Quelle est la vraie différence entre un chatbot et un agent IA ?
Un chatbot répond à une question à partir d'un script ou d'une base de connaissances : c'est une interaction, elle s'arrête à la réponse. Un agent IA exécute une tâche du début à la fin : il perçoit le contexte, décide de la marche à suivre, agit dans vos outils (CRM, agenda, email, documents) et produit un résultat concret, sans qu'un humain reprenne la main à chaque étape.
Un agent IA fonctionne-t-il sans aucune supervision humaine ?
Non, et ce n'est pas souhaitable. Chaque agent est construit avec un périmètre défini : les décisions qu'il peut prendre seul, et le seuil à partir duquel il doit escalader vers un humain. Cette limite est posée avant le déploiement, pas découverte après un incident.
Quels types de tâches se prêtent le mieux à un agent IA ?
Les tâches répétitives, qui touchent plusieurs outils ou sources de données, et dont le résultat attendu est vérifiable : trier des demandes entrantes, générer des documents récurrents, surveiller un processus et alerter au bon moment. Les tâches qui demandent un vrai jugement de valeur, de la négociation ou de la créativité restent humaines.
Combien de temps et quel budget pour un premier agent IA sur mesure ?
Un agent Starter, sur un cas d'usage et un canal, est livré en 2 semaines à partir de CHF 2'500. Un agent Pro, jusqu'à 3 agents coordonnés et multi-canal avec intégrations CRM, prend 4 semaines à partir de CHF 4'900. Les deux incluent un suivi post-déploiement.
En bref
Un chatbot répond, un agent IA agit. La distinction paraît simple une fois posée, elle évite pourtant la plupart des déceptions qu'on observe sur ce type de projet : des attentes calées sur le mauvais outil. Si vous avez une tâche répétitive qui touche plusieurs de vos systèmes et dont le résultat se mesure, c'est probablement un bon candidat pour un agent IA sur mesure. Un audit initial suffit pour le savoir.
Nos services
