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

La plupart des automatisations reposent sur des scripts qui suivent toujours 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 traités plus lentement et avec moins de cohérence qu’ils ne le devraient.

Les workflows agentiques comblent cet écart en permettant à l’agent d’exercer lui-même son jugement sur le moment. Ils aident les entreprises à gérer des interactions variables qui exigent du discernement, par exemple lorsqu’un client pose une question imprévue, qu’un appel de recouvrement exige de négocier des conditions ou qu’un ticket de support couvre trois systèmes différents. 

Dans cet article, nous expliquons comment fonctionnent les workflows agentiques, en quoi ils diffèrent 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 approbation.
• Les entreprises utilisent des agents IA pour de nombreuses tâches, du support 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 simples ou les chatbots fondés sur des règles, suit une structure « si ceci, alors cela ». Chaque embranchement est défini à l’avance. Si une entrée ne correspond pas à un parcours préconstruit, le système d’IA échoue ou transfère le cas à un humain.

Dans les systèmes agentiques, un LLM se trouve au cœur du processus : il analyse l’état actuel de la conversation ou de la tâche et décide de la suite. Au lieu de choisir 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 rassemble le contexte pertinent, notamment les documents, l’historique des échanges 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 changent la situation.
• Exécute : l’agent réalise l’action, puis analyse le résultat afin de déterminer l’étape suivante.

Prenons l’exemple d’un agent vocal qui traite un litige de facturation. Un script SVI classique peut orienter l’appelant vers « facturation » et s’arrêter là. Un workflow agentique peut accéder au compte du client, vérifier l’historique des paiements, contrôler le litige au regard d’une politique de remboursement, accorder un avoir s’il respecte les limites approuvées et ne transférer le dossier à un humain que dans le cas contraire.

Principaux composants et caractéristiques des workflows agentiques

La plupart des workflows agentiques reposent sur les mêmes éléments fondamentaux, 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, en particulier lorsqu’elles concernent des paiements ou des données sensibles. Cette combinaison permet au workflow de traiter efficacement les décisions discrétionnaires 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 de garantir l’auditabilité du comportement de l’agent.

En quoi les workflows agentiques diffèrent de l’automatisation traditionnelle

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

Aucune de ces approches ne remplace totalement l’autre. L’automatisation fixe reste le bon choix pour les tâches véritablement peu risquées et répétitives, comme réinitialiser un mot de passe ou confirmer l’heure d’un rendez-vous. 

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

Exemples de workflows agentiques dans des applications réelles

Les workflows agentiques gèrent déjà des conversations clients en direct dans la santé, l’immobilier et les administrations publiques. Les tâches précises varient, mais le modèle sous-jacent est le même : un agent traite une demande de bout en bout au lieu de la transférer à un humain. 

Support client et résolution des problèmes

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

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 essayé, sans succès, de finaliser leur demande par 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 beaucoup d’intérêt entrant, mais distinguer les acheteurs sérieux des simples curieux mobilise encore beaucoup de temps pour les agents. 

Immobiliare.it, la plus grande plateforme italienne d’immobilier, a créé un agent conversationnel qui répond aux questions sur les annonces au nom du vendeur, qualifie l’intention des acheteurs et résume l’interaction. Après son déploiement, les taux de qualification de prospects sont passés de 19 % à 63 %, et 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 publiques commencent à appliquer la même approche à la résolution de bout en bout, en laissant un agent finaliser une demande plutôt que 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 en plusieurs étapes

Au-delà des conversations, les systèmes agentiques enchaînent de plus en plus la récupération d’informations, la vérification et l’action en un seul passage. Un agent d’admission dans le secteur de la santé, par exemple, peut vérifier l’éligibilité d’un patient à l’assurance, mettre à jour son dossier et confirmer le rendez-vous. Sans cela, ces étapes exigeraient d’orienter l’appelant vers différents systèmes ou équipes. Vous pouvez également utiliser des systèmes multi-agents pour réunir 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 des systèmes agentiques :

Avantages

• Taux de résolution plus élevés : les agents peuvent accomplir 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 accrue des équipes : les agents humains consacrent plus de temps aux cas véritablement complexes et moins au tri initial répétitif.

Défis

• Visibilité sur la prise de décision 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 : comme l’agent peut choisir son propre parcours, les équipes doivent déterminer 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 là où il ne 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 préalables sur des scénarios réalistes sont donc encore plus importantes. Les équipes doivent les mettre à l’épreuve avec des scénarios réalistes et complexes avant toute interaction avec un vrai client.
• Complexité des intégrations : l’agent n’est utile que dans la mesure où il peut réellement accéder aux systèmes nécessaires. S’il ne peut pas atteindre le CRM, le système de paiement ou l’outil de planification dont dépend une tâche, il s’arrête ou doit tout de même transférer le cas, ce qui annule l’intérêt de son utilisation.

Les workflows agentiques font passer le travail de l’examen de chaque cas à celui des seuls cas qui l’exigent. Ce changement ne porte ses fruits que si les garde-fous et la piste d’audit sont intégrés dès le départ. Les ajouter après la mise en production d’un agent 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 ne plus examiner chaque cas.

Démarrez avec ElevenAgents pour l’automatisation agentique

ElevenAgents réunit sur une seule 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 placent les actions à haut risque derrière des étapes d’approbation, et chaque conversation est journalisée pour une auditabilité complète. Avant le lancement, les équipes peuvent définir et tester les garde-fous au moyen de simulations, puis déployer la même configuration sur la voix, le chat, l’email et WhatsApp.

Pour les entreprises dont les agents doivent transférer proprement un cas qui dépasse leur autorité, le transfert à un humain transmet l’intégralité du contexte de la conversation à l’agent humain, afin que les clients n’aient jamais à se répéter.

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

FAQ sur les workflows agentiques