Un chatbot répond, un agent IA agit. Un chatbot associe une réponse à un message, qu’elle soit scriptée ou générée. Un agent reçoit un objectif, décide des étapes, utilise des outils pour agir dans de vrais systèmes et mène à bien une tâche en plusieurs étapes : il prend le rendez-vous, émet le remboursement, qualifie le lead et le transmet à la bonne personne, au lieu d’expliquer comment faire. La différence tient à l’autonomie et à l’usage d’outils. C’est tout l’écart entre éviter une question et terminer le travail.
Que veut vraiment dire « agentique » ?
Une fois le discours marketing retiré, le mot ne veut dire qu’une chose : le logiciel décide lui-même de sa prochaine étape. Un programme classique suit un chemin que vous avez écrit. Un système agentique reçoit un objectif et détermine lui-même la séquence, en appelant des outils au fur et à mesure et en s’adaptant quand une étape échoue. Toute l’idée est là. Le reste, « raisonnement », « planification », « autonome », décrit la qualité avec laquelle il le fait, pas le fait qu’il le fasse.
Le mot est devenu du bruit parce que les éditeurs l’ont appliqué à tout ce qui contient un modèle de langage, y compris à des systèmes qui se contentent de répondre à des questions. Le bon test n’est donc pas de savoir si un produit est présenté comme agentique. C’est de savoir s’il peut exécuter une action dans un vrai système sans qu’un humain la fasse à sa place. Si quelqu’un doit encore lire le résultat puis aller cliquer lui-même, vous avez un très bon générateur de texte. C’est utile, mais ce n’est pas un agent, et l’acheter comme tel est la façon dont un budget se dépense deux fois.
Les trois choses qu’un agent possède et qu’un chatbot n’a pas
- Des outils. Un agent peut agir dans vos systèmes (agenda, CRM, outil de support, base de données), pas seulement en parler.
- Un état conservé d’une étape à l’autre. Il garde le contexte tout au long d’une tâche en plusieurs étapes au lieu de répondre un message à la fois.
- Un jugement encadré. À l’intérieur de garde-fous, il choisit le chemin vers l’objectif et passe la main à un humain quand son niveau de confiance est faible.
Ce sont exactement les couches qui séparent une démo d’un système en production : modèle, orchestration, recherche d’informations (retrieval), évaluations (evals), observabilité et garde-fous. Nous les détaillons dans l’architecture d’un agent IA en production (en anglais).
Pourquoi cette distinction fixe votre plafond
Un chatbot écarte les questions fréquentes, un agent résout le ticket de bout en bout. En pratique, c’est la différence entre réduire le volume de contacts de quelques pour cent et atteindre 60 à 70 % de résolution autonome avec une satisfaction en hausse, ce que fait réellement un agent de support (en anglais) bien conçu. Achetez un chatbot pour un travail qui demande un agent et vous plafonnez votre résultat dès le premier jour. Faites développer un agent pour de simples réponses aux questions fréquentes et vous payez une capacité que vous n’utilisez pas.
« Nous avons déjà un chatbot » : pourquoi cela ne veut pas dire que vous êtes prêt pour l’IA
C’est la raison la plus fréquente pour laquelle une entreprise s’arrête en chemin : un chatbot a été mis en ligne, il absorbe une partie des questions, et la case IA a été cochée. Mais un chatbot est une surface de contenu, pas une capacité opérationnelle. Il lit une base de connaissances et écrit du texte. En avoir un ne dit rien sur le fait que vos systèmes soient accessibles à un logiciel, que vos données soient interrogeables, que vos modes de défaillance soient compris ou que quelqu’un réponde d’un indicateur.
Ce sont ces quatre points qui font qu’une entreprise est prête, et aucun n’est fourni avec un widget de chat :
- Intégration. Un logiciel peut-il s’authentifier dans votre outil de support, votre CRM et votre facturation, et y écrire, pas seulement y lire ?
- Données. Les connaissances dont dépend le travail se trouvent-elles dans un endroit interrogeable, ou dans des boîtes mail, des PDF et la tête de quelqu’un ?
- Gestion des erreurs. Quand le modèle se trompe, qu’est-ce qui l’arrête, et combien cela vous coûte-t-il avant que quelque chose ne l’arrête ?
- Responsabilité. Une personne nommée répond-elle d’un chiffre qui évolue ?
Les chiffres le montrent : 91 % des entreprises de taille intermédiaire interrogées par RSM utilisent l’IA générative, mais seulement 25 % l’ont intégrée au cœur de leurs opérations (RSM, 2025). Cet écart de 66 points correspond presque entièrement à des entreprises qui ont un chatbot et rien derrière. Si la part des demandes que votre chatbot absorbe a plafonné entre 10 et 20 % sans jamais bouger, ce n’est pas un problème de réglage : c’est le plafond de la catégorie que vous avez achetée. Notre évaluation de maturité IA (en anglais) note précisément ces quatre dimensions.
Quand un chatbot reste le bon choix
Si le travail consiste à répondre aux questions courantes à partir d’une base de connaissances, sans avoir à toucher d’autres systèmes, un chatbot coûte moins cher et suffit largement. N’achetez pas une autonomie dont vous ne vous servirez pas. L’objectif est le bon outil pour le workflow, pas le plus impressionnant.
Quand il vous faut vraiment un agent
Quand la tâche exige d’agir dans des systèmes, de garder le contexte d’une étape à l’autre et de produire un résultat réel (un rendez-vous pris, un retour traité, un lead qualifié transmis aux commerciaux), il vous faut un agent. Ce sont les métiers du catalogue Gigabit Agents : Resolver (support), Scheduler (prise de rendez-vous), Intake (qualification de leads) et les autres, chacun développé au forfait.
Quel degré d’autonomie voulez-vous vraiment ?
La plupart des workflows d’entreprise demandent une autonomie encadrée : un processus fiable en plusieurs étapes, avec quelques points de jugement et des points de contrôle humains, pas un agent en liberté qui improvise. C’est un avantage, pas une limite : la fiabilité vient du fait de restreindre l’agent à sa tâche. Cela explique aussi l’écart d’adoption. 91 % des entreprises de taille intermédiaire interrogées par RSM utilisent l’IA générative, mais seulement 25 % l’ont intégrée au cœur de leurs opérations (RSM, 2025) : la plupart en sont encore à des questions-réponses de niveau chatbot, pas à une exécution de niveau agent. Si vous ne savez pas ce qu’il faut à votre workflow, l’évaluation de maturité IA (en anglais) vous orientera.
