Que sont les workflows agentiques et comment transforment-ils l’automatisation ?

La plupart des automatisations reposent sur des scripts qui suivent systématiquement le même parcours prédéfini. Si une conversation s’en écarte, le processus échoue ou est transféré à un humain. Les workflows agentiques fonctionnent autrement.

Un workflow agentique est une séquence de tâches dans laquelle un agent IA raisonne à chaque étape, décide de la suite et agit. Lorsqu’une automatisation ne peut que suivre un script, ces cas sont mis en file d’attente, abandonnés ou résolus plus lentement et de manière moins cohérente qu’ils ne devraient l’être.

Les workflows agentiques comblent cette lacune en laissant l’agent exercer lui-même son jugement sur le moment. Ils aident les entreprises à gérer des interactions variables nécessitant du discernement : une question imprévue d’un client, un appel de recouvrement exigeant de négocier des conditions ou un ticket de support couvrant trois systèmes différents. 

Dans cet article, nous expliquons le fonctionnement des workflows agentiques, ce qui les distingue de l’automatisation classique et comment les entreprises les utilisent aujourd’hui.

En résumé

• Les workflows agentiques permettent à un agent IA de raisonner à chaque étape d’une tâche et de décider de la suite, plutôt que de suivre un parcours fixe et préprogrammé.
• Les workflows agentiques associent une couche de raisonnement LLM au RAG, à la mémoire et à des garde-fous, afin que l’agent puisse exercer son jugement tout en soumettant les étapes à haut risque à une approbation.
• Les entreprises utilisent des agents IA pour de nombreuses tâches, de l’assistance client à la qualification de prospects, au recouvrement et aux services publics.

Comprendre les workflows agentiques et leur fonctionnement

L’automatisation traditionnelle — comme les scripts RPA de base ou les chatbots fondés sur des règles — suit une structure « si ceci, alors cela ». Chaque embranchement est défini à l’avance : si l’entrée ne correspond pas à un parcours préconstruit, le système IA échoue ou transfère le cas à un humain.

Dans les systèmes agentiques, un LLM se trouve au cœur du processus : il raisonne à partir de l’état actuel de la conversation ou de la tâche et décide de la suite. Au lieu de sélectionner une réponse parmi un petit ensemble de réponses scriptées, l’agent :

• Interprète : l’agent lit l’objectif qui lui a été donné et détermine le besoin réel de l’utilisateur.
• Récupère : l’agent récupère le contexte pertinent, notamment les documents, l’historique des conversations et les résultats des outils.
• Décide : l’agent choisit l’action ou l’outil à utiliser, ainsi que leur ordre d’utilisation.
• S’adapte : l’agent ajuste son approche lorsque de nouvelles informations modifient la situation.
• Exécute : l’agent réalise l’action, puis raisonne sur le résultat pour déterminer l’étape suivante.

Prenons l’exemple d’un agent vocal qui gère un litige de facturation. Un script SVI traditionnel peut orienter l’appelant vers le service « facturation » et s’arrêter là. Un workflow agentique peut accéder au compte client, vérifier l’historique des paiements, examiner le litige au regard de la politique de remboursement, accorder un avoir si celui-ci respecte les limites autorisées et n’escalader vers un humain que dans le cas contraire.

Composants et caractéristiques clés des workflows agentiques

La plupart des workflows agentiques reposent sur les mêmes briques fondamentales, quelle que soit la plateforme ou le cas d’usage.

Voici le rôle de chaque composant :

Les systèmes agentiques les plus fiables combinent le raisonnement agentique pour les parties d’une tâche qui exigent du jugement et des étapes structurées, fondées sur des règles, pour celles qui n’en exigent pas — notamment tout ce qui concerne les paiements ou les données sensibles. Cette combinaison permet au workflow d’avancer efficacement dans les décisions nécessitant du discernement tout en soumettant les étapes les plus sensibles à des contrôles plus stricts.

L’éditeur Workflows d’ElevenAgents, par exemple, permet aux équipes de cartographier explicitement les points de décision et d’orienter les échanges entre des sous-agents spécialisés ou un opérateur humain, afin que le comportement des agents reste auditable.

En quoi les workflows agentiques diffèrent de l’automatisation traditionnelle

La différence fondamentale entre l’automatisation traditionnelle et les workflows agentiques tient à qui décide du parcours : le développeur à l’avance ou l’agent au moment de l’exécution.

Aucune de ces deux approches ne remplace entièrement l’autre. L’automatisation fixe reste adaptée aux tâches réellement peu risquées et répétitives, comme réinitialiser un mot de passe ou confirmer l’heure d’un rendez-vous. 

Les systèmes agentiques sont mieux adaptés lorsque la tâche comporte une ambiguïté : un client dont le problème ne correspond à aucun modèle, un prospect dont il faut évaluer l’intention ou un appel dont le ton doit évoluer selon les réponses de l’interlocuteur. De nombreux systèmes en production adoptent une approche hybride, avec des étapes déterministes pour tout ce qui est irréversible et du raisonnement agentique pour le reste.

Exemples de workflows agentiques dans des applications concrètes

Les workflows agentiques gèrent déjà des conversations clients en direct dans les secteurs de la santé, de l’immobilier et de l’administration. Les tâches varient, mais le principe reste le même : un agent raisonne sur une demande de bout en bout au lieu de la transférer à un humain. 

Assistance client et résolution des problèmes

Dans les applications d’assistance client, un agent peut authentifier l’appelant, récupérer l’historique de ses commandes ou de son compte, diagnostiquer le problème à partir d’une base de connaissances et le résoudre directement, en ne transférant à un humain que les cas particuliers. 

Par exemple, CareCode, une plateforme brésilienne de communication dans le secteur de la santé, a intégré des agents vocaux en portugais à son workflow de prise de rendez-vous patients. Elle a constaté que 43,9 % des appelants avaient déjà tenté, sans succès, de finaliser leur demande via un autre canal. Les agents vocaux ont pu planifier ces rendez-vous sans augmenter les effectifs.

Qualification de prospects et immobilier

Les annonces immobilières suscitent de nombreuses demandes entrantes, mais distinguer les acheteurs sérieux des simples curieux mobilise encore du temps chez les agents. 

Immobiliare.it, la plus grande plateforme immobilière d’Italie, a créé un agent conversationnel qui répond aux questions sur les annonces pour le compte du vendeur, qualifie l’intention d’achat et résume l’interaction. Après le déploiement, les taux de qualification de prospects sont passés de 19 % à 63 %, tandis que la part d’utilisateurs prêts à fournir un numéro de téléphone pour un suivi est passée de 42 % à 73 %.

Services publics et demandes des citoyens

Les administrations commencent à appliquer la même approche à la résolution de bout en bout, en laissant un agent traiter une demande au lieu de la transférer. 

Par exemple, le ministère ukrainien de la Transformation numérique construit ce qu’il présente comme le premier gouvernement agentique au monde, en utilisant des agents IA pour relier les systèmes nationaux aux demandes individuelles des citoyens dans les domaines de la santé, de l’éducation et des services économiques.

Tâches opérationnelles à plusieurs étapes

Au-delà des conversations, les systèmes agentiques enchaînent de plus en plus la récupération d’informations, la vérification et l’action en une seule passe. Un agent d’accueil dans le secteur de la santé peut, par exemple, vérifier l’éligibilité à l’assurance d’un patient, mettre à jour son dossier et confirmer le rendez-vous. Sans cela, ces étapes nécessiteraient de transférer l’appelant entre différents systèmes ou équipes. Vous pouvez aussi utiliser des systèmes multi-agents pour combiner plusieurs workflows agentiques en un seul.

Avantages et défis des workflows agentiques

Les workflows agentiques offrent des avantages par rapport à l’automatisation scriptée. Ils impliquent toutefois aussi de nouvelles exigences.

Voici les principaux avantages et défis liés aux systèmes agentiques :

Avantages

• Taux de résolution plus élevés : les agents peuvent finaliser une tâche de bout en bout plutôt que de la transférer par défaut à un humain.
• Cohérence à grande échelle : chaque conversation suit la même logique sous-jacente et les mêmes garde-fous, quel que soit le volume.
• Résolution plus rapide : il n’est pas nécessaire d’attendre qu’un humain soit disponible pour les tâches que l’agent peut traiter directement.
• Capacité des équipes libérée : les agents humains consacrent davantage de temps aux cas réellement complexes et moins au triage initial répétitif.

Défis

• Visibilité sur les décisions de l’agent IA : sans points de contrôle déterministes, il peut être difficile de reconstituer pourquoi un agent a entrepris une action précise.
• Conception des garde-fous : puisque l’agent peut choisir son propre parcours, les équipes doivent décider à l’avance quelles actions exigent une approbation et lesquelles peuvent être exécutées de manière autonome. Si la limite est mal définie, l’agent crée un risque en agissant alors qu’il ne le devrait pas, ou devient un goulot d’étranglement en escaladant des cas qu’il aurait pu traiter.
• Tests avant le lancement : les systèmes agentiques se comportent différemment des systèmes scriptés ; les simulations avant lancement sur des scénarios réalistes sont donc plus importantes. Les équipes doivent les mettre à l’épreuve face à des scénarios réalistes et complexes avant toute interaction avec un véritable client.
• Complexité des intégrations : l’utilité de l’agent dépend des systèmes auxquels il peut réellement accéder. S’il ne peut pas accéder au CRM, au système de paiement ou à l’outil de planification dont dépend une tâche, il se retrouve bloqué ou doit tout de même transférer le cas, ce qui annule l’intérêt même de son utilisation.

Les workflows agentiques font passer le travail de la vérification systématique de chaque cas à la vérification des seuls cas qui le nécessitent. Ce changement n’apporte de valeur que si les garde-fous et la piste d’audit sont intégrés dès le départ. Les ajouter une fois l’agent déjà en production est bien plus difficile, car il aura déjà pris des décisions que personne ne pourra entièrement reconstituer. Des garde-fous et une journalisation intégrés dès le premier jour permettent à une entreprise de faire suffisamment confiance à l’agent pour cesser de contrôler chaque cas.

Démarrez l’automatisation agentique avec ElevenAgents

ElevenAgents réunit sur une même plateforme tout ce dont un workflow agentique a besoin. Choisissez votre propre LLM et ancrez ses réponses dans votre base de connaissances et vos procédures opérationnelles standard grâce au RAG. Les workflows déterministes soumettent les actions à haut risque à des étapes d’approbation, et chaque conversation est enregistrée pour une auditabilité complète. Avant le lancement, les équipes peuvent définir et tester des garde-fous au moyen de simulations, puis déployer la même configuration sur la voix, le chat, les e-mails et WhatsApp.

Pour les entreprises qui ont besoin que les agents transfèrent proprement un cas lorsqu’il dépasse leur autorité, le transfert à un humain transmet l’intégralité du contexte conversationnel à l’agent humain, afin que les clients n’aient jamais à se répéter.

Pour savoir comment les workflows agentiques peuvent accompagner votre entreprise, échangez avec notre équipe ou inscrivez-vous pour commencer à créer avec notre plateforme sans code dès aujourd’hui.

FAQ sur les workflows agentiques