Chatbot, assistant, agent IA : quelles différences ?
Les termes se mélangent, alors clarifions.
Le chatbot à scénario
C’est l’ancienne génération : un arbre de questions et de réponses prédéfinies. « Tapez 1 pour les horaires, 2 pour un devis. » Fiable mais rigide, et vite frustrant dès qu’une question sort du scénario.
L’assistant IA
Il s’appuie sur un grand modèle de langage (comme ceux d’OpenAI ou d’Anthropic) et comprend des questions formulées librement. Bien configuré, il répond à partir de vos propres informations : services, prix, horaires, conditions, FAQ. Il ne fait que répondre.
L’agent IA
Il va plus loin : en plus de répondre, il peut agir. Il dispose d’outils qu’il décide d’utiliser selon la demande : consulter un agenda et proposer un créneau, créer une fiche dans le CRM, vérifier le statut d’une commande, envoyer un email, prévenir un humain. C’est un assistant qui a des mains.
Dans la plupart des projets de TPE et PME, la bonne réponse se situe entre l’assistant et l’agent : un assistant qui répond à partir de vos données, avec deux ou trois actions bien encadrées.
Ce qu’un agent IA peut faire pour votre entreprise
Accueil et qualification sur le site
Un visiteur pose une question à 22 heures. L’assistant répond, pose deux ou trois questions pour comprendre le besoin, récupère les coordonnées et crée le lead dans le CRM avec un résumé. Le lendemain matin, vous avez une demande qualifiée au lieu d’un visiteur perdu.
Service client de premier niveau
Horaires, délais, suivi de commande, conditions de retour, questions techniques fréquentes : l’agent répond instantanément, et passe la main à un humain quand la question sort de son périmètre ou quand le client le demande.
Prise de rendez-vous
L’agent consulte vos disponibilités, propose des créneaux, réserve, envoie la confirmation et le rappel. Sur le site, sur WhatsApp ou sur Messenger.
Assistant interne
Une équipe pose ses questions à un assistant qui connaît vos procédures, vos fiches produits, vos modèles de documents, votre historique. « Quel est le délai de livraison pour tel produit ? », « Comment on traite un retour ? ». Fini les réponses qui dépendent de la personne présente.
Préparation de documents
Premier jet de devis, de réponse à un appel d’offres, de compte rendu, de réponse à un avis client, à partir de vos données. Vous relisez et vous envoyez.
Traitement des emails
Lecture des emails entrants, classement par type et urgence, extraction des informations utiles, préparation d’une réponse, création de la tâche correspondante.
Comment un agent IA « connaît » votre entreprise
Un modèle comme GPT ne connaît rien de votre entreprise. Pour qu’il réponde juste, il faut lui fournir la bonne information au bon moment. Deux techniques principales :
Le contexte direct
Pour une base d’informations courte (quelques pages : services, prix, horaires, FAQ), on la fournit intégralement au modèle à chaque question, dans ses instructions. Simple, efficace, peu coûteux avec les modèles récents qui acceptent de longs contextes.
Le RAG (Retrieval-Augmented Generation)
Pour une base volumineuse (centaines de documents, catalogue, procédures), on découpe les documents en morceaux, on les indexe dans une base vectorielle, et à chaque question on récupère seulement les passages pertinents pour les donner au modèle. L’agent répond en s’appuyant sur ces extraits, et peut citer sa source.
Dans les deux cas, des instructions précises encadrent le comportement : ton, périmètre, ce qu’il ne doit jamais dire, quand passer la main à un humain, et surtout répondre « je ne sais pas » plutôt qu’inventer.
Où déployer votre agent IA
- Sur votre site : une bulle de discussion légère, qui ne ralentit pas le site et respecte le RGPD.
- Sur WhatsApp Business : le canal préféré de beaucoup de clients, via l’API WhatsApp.
- Sur Messenger et Instagram : pour répondre aux messages privés reçus via vos réseaux sociaux.
- Sur Telegram ou Slack : pour un assistant interne utilisé par votre équipe.
- Par email : un agent qui traite une boîte de réception.
- Dans votre logiciel métier : un bouton « demander à l’assistant » directement dans l’outil.
Techniquement, j’orchestre la plupart des agents avec n8n, qui gère la mémoire de conversation, les outils et les connexions, ou directement dans une application sur mesure quand l’agent fait partie du produit.
Exemple concret : l’assistant de site d’une entreprise du bâtiment
Prenons une entreprise de rénovation énergétique qui reçoit beaucoup de visites sur son site, souvent le soir et le week-end, quand l’équipe n’est pas disponible.
Ce que fait l’assistant
- Il répond aux questions fréquentes : types de travaux réalisés, zone d’intervention, délais moyens, déroulement d’une visite technique, aides financières existantes en renvoyant vers les sources officielles.
- Il qualifie le projet par quelques questions : type de logement, travaux envisagés, échéance, commune.
- Il propose un créneau de visite technique dans l’agenda partagé de l’équipe, ou à défaut un rappel.
- Il crée la fiche dans le CRM avec un résumé du projet et prévient le responsable commercial.
Ce qu’il ne fait pas
- Il ne donne jamais de prix ferme : il explique de quoi dépend le prix et propose la visite.
- Il ne promet pas de montant d’aide : il oriente vers les informations officielles et vers un conseiller.
- Il passe la main à un humain dès que le client le demande ou que la question sort de son périmètre.
Le résultat attendu
Des demandes qui arrivent qualifiées, y compris en dehors des horaires, et une équipe qui ne répète plus les mêmes explications au téléphone. Le même schéma se transpose à un cabinet, une agence immobilière, un organisme de formation ou un commerce.
Choisir le bon modèle d’IA pour chaque tâche
Tous les modèles ne se valent pas, et le plus puissant n’est pas toujours le meilleur choix. Je raisonne tâche par tâche :
- Tri, classification, extraction simple : un petit modèle rapide et peu coûteux suffit largement.
- Conversation avec les clients : un modèle intermédiaire, bon en français et rapide, pour une expérience fluide.
- Raisonnement complexe, analyse de documents longs : un modèle plus puissant, réservé aux étapes qui le justifient.
Un même agent peut combiner plusieurs modèles : un petit pour comprendre la demande et l’aiguiller, un plus grand pour les cas difficiles. Le coût reste maîtrisé, la qualité aussi. Et comme le marché évolue vite, l’architecture permet de changer de modèle sans tout reconstruire.
Les limites et les risques, sans langue de bois
Les agents IA sont puissants, mais ils ne sont pas magiques. Voici les risques réels et la façon dont je les traite :
- Les hallucinations. Un modèle peut inventer une réponse plausible mais fausse. Parade : réponses limitées aux informations fournies, instruction explicite de dire « je ne sais pas », tests sur des dizaines de questions réelles avant la mise en ligne.
- Les actions irréversibles. Un agent qui envoie un email ou modifie une commande peut se tromper. Parade : actions limitées et réversibles, validation humaine pour tout ce qui engage l’entreprise.
- La manipulation. Un utilisateur malveillant peut tenter de détourner l’agent par ses messages. Parade : périmètre d’outils minimal, aucune donnée sensible accessible sans authentification, instructions système protégées.
- Les données personnelles. Parade : minimisation, information de l’utilisateur, fournisseurs qui n’utilisent pas les données de l’API pour l’entraînement, conservation limitée.
- Le coût. Mal conçu, un agent peut consommer beaucoup. Parade : choix du bon modèle pour chaque tâche, limites de longueur, surveillance de la consommation.
Un bon agent IA sait aussi passer la main. La possibilité de parler à un humain doit toujours exister.
Enfin, il faut informer clairement l’utilisateur qu’il échange avec une IA. C’est une question de transparence et de confiance, et c’est une exigence qui se renforce avec le cadre réglementaire européen sur l’intelligence artificielle. Un client qui sait qu’il parle à un assistant est généralement indulgent sur ses limites ; un client qui le découvre après coup se sent trompé.
Comment je construis un agent IA
- Définir le périmètre : à quelles questions l’agent répond, quelles actions il peut faire, quand il passe la main.
- Rassembler les connaissances : FAQ, pages du site, documents, procédures. Souvent, c’est l’occasion de clarifier des informations jamais écrites.
- Construire et instruire : choix du modèle, rédaction des instructions, connexion des outils.
- Tester sur des cas réels : une liste de questions vraies, y compris les pièges. On mesure le taux de bonnes réponses avant la mise en ligne.
- Déployer progressivement : d’abord en interne, puis sur une partie du trafic, puis partout.
- Surveiller et améliorer : relecture des conversations, ajout des questions manquantes, ajustement des instructions.
Combien coûte un agent IA ?
Deux postes à distinguer :
- La conception : un assistant de site qui répond à partir d’une base courte et crée des leads se construit en quelques jours. Un agent avec RAG sur une large base documentaire et plusieurs outils connectés demande quelques semaines.
- Le fonctionnement : coût des appels au modèle (souvent quelques centimes par conversation avec un modèle adapté), hébergement de l’orchestrateur et éventuellement de la base vectorielle. Pour une TPE, le total mensuel reste généralement modeste.
Le bon calcul n’est pas le coût de l’agent, mais ce qu’il rapporte : leads captés hors horaires, temps de réponse du service client, heures de l’équipe libérées. Je vous aide à estimer ce retour avant de démarrer.
Et pour être recommandé par ChatGPT ?
Une question différente mais souvent posée en même temps : comment faire pour que ChatGPT, Perplexity ou Gemini recommandent votre entreprise quand quelqu’un leur pose une question sur votre métier ? Ce n’est pas un agent IA qui règle ça, c’est le contenu de votre site et la clarté de votre identité en ligne. Ça s’appelle le GEO, et c’est expliqué dans le guide GEO : être cité par ChatGPT et les moteurs IA et sur la page référencement SEO et GEO.