L’industrie de l’IA pousse fortement les « agents » — des systèmes autonomes qui déterminent quoi faire, choisissent leurs propres outils et travaillent de manière indépendante. Le pitch est séduisant : dites simplement à l’IA ce que vous voulez, et elle s’occupe du reste.
Pour le développement logiciel et la recherche ouverte, les agents sont véritablement utiles. Pour l’automatisation métier — les tâches répétitives qui consomment le temps de votre équipe — c’est la mauvaise abstraction.
La promesse des agents vs. la réalité métier
Un agent IA qui décide comment aborder un problème est puissant quand le problème est nouveau. Chaque tâche de codage, chaque question de recherche, chaque session de débogage est différente. Les agents méritent leur autonomie parce qu’aucune entrée ne ressemble à une autre.
Les tâches métier sont l’opposé. Le traitement des factures suit les mêmes étapes à chaque fois. La recherche de prospects nécessite la même structure de sortie à chaque fois. Le triage des tickets utilise les mêmes catégories à chaque fois. La valeur n’est pas dans la détermination de ce qu’il faut faire — c’est dans l’exécution de la même chose de manière fiable à grande échelle.
Quand vous donnez à un agent « traite cette facture », plusieurs choses peuvent mal tourner :
- Il pourrait décider d’extraire des champs différents à chaque fois, cassant les systèmes en aval
- Il pourrait choisir une approche différente pour la vérification des écarts, produisant des résultats incohérents
- Il pourrait inclure des commentaires non demandés, ou omettre des champs nécessaires
- Il pourrait prendre 30 secondes une fois et 3 minutes la fois suivante, selon ce qu’il décide de faire
Pourquoi les Recipes structurées fonctionnent mieux pour le métier
Une Recipe est un prompt contraint avec des entrées et sorties définies. Vous spécifiez :
- Ce qui entre — Un schéma définissant les champs d’entrée, leurs types et descriptions
- Ce qui se passe — Un template de prompt qui dit exactement à l’IA quoi faire
- Ce qui sort — Un schéma de sortie définissant la structure de la réponse
Cette contrainte est la fonctionnalité, pas une limitation.
Quand une Recipe a un schéma de sortie qui inclut vendor_name, invoice_total, line_items et discrepancies, vous savez ce que vous obtenez à chaque fois. Les étapes de workflow en aval peuvent mapper ces champs vers leurs entrées. Les tableaux de bord peuvent agréger les données. La sortie est prévisible et lisible par machine.
Un agent produisant du texte libre sur une facture vous donne quelque chose de différent à chaque fois. Vous ne pouvez pas le transmettre de manière fiable à l’étape suivante. Vous ne pouvez pas l’agréger en analytics. Vous ne pouvez pas construire des workflows sur une sortie imprévisible.
La cohérence à grande échelle
Exécutez une Recipe 1 000 fois et vous obtenez 1 000 sorties avec la même structure. Le contenu varie parce que les entrées varient, mais le format est cohérent. Vous pouvez comparer les sorties, suivre les métriques de qualité et identifier quand la performance de l’IA dérive.
Exécutez un agent 1 000 fois et vous obtenez 1 000 approches différentes. Certaines pourraient être meilleures que votre Recipe. Beaucoup seront pires. Vous ne pouvez pas mesurer la cohérence parce qu’il n’y a pas de base cohérente.
Pour une équipe qui traite des factures, trie des tickets ou qualifie des prospects, la cohérence n’est pas juste un bonus — c’est tout l’intérêt. L’automatisation remplace un processus humain qui avait une procédure définie. L’IA doit suivre cette procédure, pas improviser.
Quand les agents ont du sens
Les agents sont le bon outil quand :
- La tâche est nouvelle à chaque fois (codage, recherche, débogage)
- L’exploration est le but (analyse avec un périmètre inconnu)
- L’utilisateur est présent et peut guider (chat interactif)
L’IA conversationnelle de JieGou est similaire à un agent — elle dispose d’outils, prend des décisions et suit la conversation où qu’elle mène. C’est approprié pour un chat interactif où un humain guide le processus.
Mais quand vous planifiez un workflow pour s’exécuter à 8h chaque jour ouvrable, il n’y a pas d’humain pour guider. Le système doit suivre une procédure définie et produire une sortie prévisible. C’est une Recipe, pas un agent.
Le juste milieu
L’approche la plus efficace combine les deux idées :
- Des Recipes structurées pour les parties répétitives — les 80 % du travail qui suit un pattern
- Le jugement humain aux points de décision — portes d’approbation, branches conditionnelles, revue manuelle
- L’IA conversationnelle pour les parties exploratoires — questions ad-hoc, brainstorming, analyse ponctuelle
Cela vous donne la cohérence de l’automatisation là où vous en avez besoin et la flexibilité de l’IA là où elle apporte de la valeur. Vous n’avez pas besoin d’un agent pour traiter des factures. Vous pourriez en vouloir un pour vous aider à concevoir le workflow de traitement des factures.