Agent IA ou automatisation : la différence, et quoi choisir

Trois outils qu’on confond, parce qu’on les vend sous le même mot

Le mot « IA » est aujourd’hui collé sur tout ce qui s’exécute sans clic humain. Un scénario Make qui copie une ligne de formulaire dans un tableur devient une « automatisation IA ». Un assistant conversationnel branché sur rien devient un « agent ». Pour un dirigeant, la confusion coûte cher : on paie un agent là où trois règles suffisaient, ou on confie à une automatisation rigide un travail qui demande de lire et de comprendre.

Le pilier sur les agents IA en entreprise explique ce qu’un agent fait et ne fait pas. Cet article va plus loin sur une seule question : face à une tâche précise de votre PME, faut-il un script, une automatisation ou un agent ? Et comment savoir, avant de payer, lequel des trois vous vend votre interlocuteur.

La question n’est pas théorique. Selon l’Insee, 15 % des entreprises de 10 à 49 salariés utilisaient au moins une technologie d’IA en 2025, contre 5 % en 2023 (Insee Première n° 2120, juillet 2026). Parmi les entreprises utilisatrices, 73 % disent s’en servir pour optimiser les coûts, ce que l’Insee détaille ainsi : « gain de temps ou de main‑d’œuvre, automatisation de tâches répétitives ». Autrement dit, une bonne partie de ce qu’on appelle IA dans les PME est d’abord de l’automatisation. Le Baromètre France Num 2026 va dans le même sens avec une autre mesure : 40 % des TPE et PME déclarent utiliser au moins une solution d’IA, et la part des PME est passée de 34 % à 53 % en un an (DGE, septembre 2026).

Ce qui distingue vraiment un script, une automatisation et un agent

La différence ne tient pas à l’outil. Elle tient à qui décide du chemin entre l’entrée et l’action.

Le script : du code, un chemin fixe

Un script est un petit programme écrit par un développeur. Il lit un fichier, un export ou une base, applique des règles, écrit le résultat ailleurs. Le chemin est fixé dans le code. Il ne coûte presque rien à faire tourner, il n’a pas de limite d’opérations, et il peut être versionné et relu. Son défaut : il faut un développeur pour le modifier, et personne dans l’équipe ne le voit tourner.

L’automatisation : un chemin fixe, dessiné à la souris

Make, Zapier ou n8n font la même chose qu’un script, avec une interface visuelle. Un déclencheur (un mail arrive, une ligne est ajoutée, il est 8 heures), puis des actions reliées par des flèches et des conditions. Le chemin est fixé dans le scénario. La facturation suit le volume : chez Make, les crédits sont l’unité de facturation, la plupart des actions consomment un crédit, et les fonctions qui passent par le fournisseur d’IA de Make peuvent en consommer davantage (page tarifs de Make, consultée en octobre 2026).

L’agent : un modèle de langage qui choisit l’étape suivante

Un agent reçoit un objectif, des outils et une entrée, et décide lui-même quoi faire ensuite. La CNIL le décrit ainsi : des agents « souvent constitués d’un modèle d’IA générative, capable d’agir sur un environnement défini (applications tierces, bases de données, postes de travail ou tout autre système) et d’en modifier l’état (lecture, modification, suppression de données, exécution d’actions), avec des niveaux variables d’autonomie ».

Anthropic, qui édite le modèle Claude, pose la même frontière dans son guide de référence sur les agents : dans un workflow, le modèle et les outils sont orchestrés par des chemins de code prédéfinis ; dans un agent, le modèle dirige lui-même son processus et l’usage de ses outils. Le même guide recommande de chercher la solution la plus simple possible, ce qui peut vouloir dire ne pas construire d’agent du tout.

Quand un agent est surdimensionné

Un agent est de trop dès que l’entrée est déjà rangée. Le formulaire du site qui arrive avec des champs nommés, la facture déposée dans un dossier précis, la ligne du planning qui passe au statut « fait » : rien de tout ça ne demande de comprendre un texte. Une règle suffit, et une règle ne se trompe pas de la même manière deux fois de suite.

Quatre signes qu’on vous vend un agent pour rien :

1. La règle tient en une phrase. « Si le devis n’a pas de réponse sous trois jours, envoyer la relance numéro un. » C’est une automatisation.
2. Vous attendez exactement le même résultat à chaque fois. Un agent ne garantit pas que la même entrée produise la même sortie. Si l’écart est inacceptable, il ne faut pas d’agent à cet endroit.
3. L’action est irréversible. Un virement, un mail à un client, une suppression. L’ANSSI est nette sur ce point : « Un système d’IA doit être configuré de manière à ne pas être en mesure d’exécuter de manière automatisée des actions critiques sur le SI. » Elle range parmi ces actions critiques les transactions bancaires et la production de contenu public.
4. Le volume est faible. Dix cas par mois se traitent à la main en une heure. Un agent qu’il faut surveiller, corriger et payer au texte traité ne se rentabilise pas.

Il nous arrive de conclure, à l’audit, qu’il ne faut pas d’agent, et qu’une automatisation simple, un tableau partagé et deux règles de tri suffisent. Le prix d’un projet dépend surtout de ce qu’il faut construire autour du modèle, comme expliqué dans combien coûte l’intégration de l’IA dans une PME.

Quand une automatisation casse

Une automatisation casse au moment où le monde sort du chemin que vous aviez dessiné. Et elle casse souvent sans bruit.

Le format change. Un fournisseur modifie la mise en page de ses factures, un formulaire gagne un champ, un export passe du point-virgule à la virgule. Le scénario lit au mauvais endroit, ou ne lit plus rien.

L’entrée devient du texte libre. Le jour où les managers déclarent leurs heures par message plutôt que dans le tableau, la règle « lire la colonne C » ne sert plus à rien. On ajoute une condition, puis une autre, puis une branche pour les absences, une pour les extras, une pour les fautes de frappe. Au bout de quelques mois, le scénario ressemble à un plat de spaghettis que seule la personne qui l’a construit comprend.

Un service tiers répond mal. Un mot de passe change, une connexion expire, une limite est atteinte. La documentation de Make le dit sans détour : on peut régler le nombre d’erreurs consécutives tolérées avant que le scénario soit désactivé, mais un scénario qui démarre par un déclencheur instantané est désactivé dès la première erreur. Si personne ne reçoit l’alerte, les factures du lundi ne sont pas triées, et on s’en aperçoit le jeudi.

Aucune de ces pannes n’est un défaut de Make ou de Zapier. C’est la nature d’un chemin fixe. La réponse n’est pas forcément un agent : c’est d’abord une surveillance, quelqu’un qui reçoit l’alerte, et un scénario documenté. L’agent n’entre en jeu que pour le deuxième cas, celui où l’entrée est devenue du langage.

Le tableau de décision

Partez de la tâche, pas de l’outil. Pour chaque tâche répétitive, répondez aux questions de gauche à droite.

La troisième ligne est celle qu’on oublie. Entre l’automatisation pure et l’agent autonome, il existe un intermédiaire très efficace : un scénario fixe, avec une étape où un modèle de langage lit le mail entrant et en sort trois champs propres. Le chemin reste prévisible, seule la lecture est confiée à l’IA. Zapier a d’ailleurs fondu son produit d’agents dans son éditeur de scénarios en octobre 2026, en mettant en avant ce mélange : du raisonnement là où il apporte quelque chose, de la prévisibilité partout ailleurs. L’éditeur reconnaît dans la même annonce que les agents qui s’emballent étaient une inquiétude de ses utilisateurs.

À quoi ressemble un système réel : surtout de l’automatisation

Les deux systèmes que nous avons livrés et dont le détail est public le montrent bien. L’agent y occupe une place précise, et le reste est de l’automatisation.

Chez un installateur de spas et de pergolas, le prix client sort d’une grille tarifaire structurée, avec les marges par gamme, le forfait de pose et les frais de déplacement par tranche de distance. Cette grille produit le prix automatiquement : c’est une règle, pas un jugement. L’agent intervient à l’entrée, là où arrive une demande écrite en langage courant. Il la lit, prépare le devis et le mail, et la commerciale valide ou corrige avant l’envoi. Les relances des devis sans réponse à J+3, J+7 et J+21, qui s’arrêtent dès que le prospect répond, sont de l’automatisation pure. Résultat déclaré par le client un mois après la mise en production : un devis prend trois minutes au lieu de 45.

Dans un groupe de quatre restaurants, même partage. Les managers déclarent entrées, sorties et variables de paie sur WhatsApp, en langage courant : c’est l’endroit où il fallait un agent, qui reconnaît son interlocuteur à son numéro. Les relances des managers le 25 et le dernier jour du mois, elles, partent sur une règle de date. L’alerte quand les coordonnées bancaires d’un fournisseur changent est un contrôle, et la décision de payer reste humaine. Le détail des deux systèmes est sur la page réalisations.

Notre position : l’agent est une pièce, pas le système

On entend souvent qu’il faudrait « passer aux agents » comme on passait au cloud. C’est une erreur de cadrage. Un agent n’est pas une génération de logiciel qui remplace les précédentes. C’est une pièce qu’on pose à l’endroit précis où une machine doit lire du langage, entourée de règles fixes qui font le reste.

Trois conséquences pratiques. Un prestataire qui propose un agent pour chaque tâche ne regarde pas vos process, il vend son outil. Un prestataire qui refuse toute IA par principe vous laisse avec des scénarios qui cassent dès que vos clients écrivent comme ils parlent. Et dans tous les cas, l’agent doit dire qui il est quand il parle à vos clients : depuis le 2 août 2026, selon la Commission européenne, « les utilisateurs doivent être clairement informés lorsqu’ils n’interagissent pas avec une personne réelle, mais avec un système d’IA, par exemple un dialogueur, un agent d’IA et un avatar ».

Reste la question des données. Un agent branché sur votre messagerie, votre CRM et votre comptabilité voit beaucoup plus de choses qu’un scénario qui copie un champ. La CNIL et le Conseil de l’IA et du Numérique l’ont relevé dans une note de juillet 2026, à propos de ces systèmes qui agissent sur plusieurs applications à la fois : « Ce fonctionnement décentralisé complexifie l’identification des responsabilités de chacune des parties et étend les risques liés à la cybersécurité à l’ensemble des services connectés aux systèmes d’IA agentique. » Un agent n’a donc accès qu’à ce dont sa tâche a besoin, et chaque action qu’il mène laisse une trace.

Ces critères servent à juger les propositions que vous recevez, et à choisir un prestataire IA. Un audit IA sérieux doit y répondre par écrit.

Questions fréquentes

Quelle est la différence entre un agent IA et une automatisation ?

Une automatisation suit un chemin fixe, dessiné à l’avance : même entrée, même résultat. Un agent IA s’appuie sur un modèle de langage qui choisit lui-même l’étape suivante à partir d’une entrée floue, comme un mail ou un message écrit en langage courant. L’automatisation est prévisible et bon marché, l’agent est souple mais demande des garde-fous.

Make ou Zapier, est-ce de l’intelligence artificielle ?

Pas en soi. Ce sont des outils d’automatisation qui enchaînent des actions selon des règles. Les deux proposent aujourd’hui des étapes d’IA qu’on insère dans un scénario, par exemple pour lire un mail et en extraire des champs. Le scénario reste un chemin fixe, avec une étape intelligente au milieu.

Quand faut-il un agent IA plutôt qu’une automatisation ?

Quand l’entrée est du texte libre, que les cas sont tous un peu différents et qu’il faut consulter plusieurs outils pour décider. Si la règle tient en une phrase « si ceci, alors cela », ou si le volume est faible, une automatisation suffit et coûtera moins cher à faire vivre.

Pourquoi mon automatisation s’arrête-t-elle sans prévenir ?

Parce qu’un service tiers a changé : format de fichier, connexion expirée, limite atteinte. Chez Make, un scénario qui démarre par un déclencheur instantané est désactivé dès la première erreur. Il faut une alerte qui arrive chez quelqu’un, et un scénario documenté pour le relancer vite.

Un agent IA peut-il payer une facture tout seul ?

Il ne devrait pas. L’ANSSI recommande qu’un système d’IA ne puisse pas exécuter de manière automatisée des actions critiques, dont les transactions bancaires. Dans les systèmes que nous installons, l’agent prépare, alerte et classe : un paiement est signalé et attend la validation d’un humain ; aucun système ne paie seul.

Sources

• Les technologies de l’information et de la communication dans les entreprises en 2025, Insee Première n° 2120, Insee, 21 juillet 2026.
• IA agentique, définition de la CNIL, consultée le 22 octobre 2026.
• IA agentique et données personnelles : la CNIL et le Conseil de l’IA et du Numérique publient une note exploratoire, CNIL, 20 juillet 2026.
• Recommandations de sécurité pour un système d’IA générative, ANSSI, version 1.0 du 29 avril 2024.
• Une IA plus sûre et plus transparente, Commission européenne, 2 août 2026.
• Baromètre France Num 2026 : le numérique et l’intelligence artificielle dans les TPE et PME, France Num, Direction générale des Entreprises, 17 septembre 2026, mis à jour le 12 octobre 2026.
• Building effective AI agents, Anthropic, 19 décembre 2024, mis à jour le 9 octobre 2026.
• Scenario settings, centre d’aide de Make, consulté le 22 octobre 2026.
• Pricing & Subscription Packages, Make, consulté le 22 octobre 2026.
• Zapier Agents is now AI by Zapier: Everything your agent can do on Zapier, Zapier, 6 octobre 2026.