IA
Article rédigé par Guillaume ROUSSEL le 20/10/2026

10 min de lecture
Un client écrit au support : « Ma commande n’est pas arrivée. »
Pour lui répondre, quelqu’un ouvre le CRM pour retrouver le client, puis l’ERP pour retrouver la commande. Il consulte ensuite le suivi du transporteur et relit les derniers échanges par email. Dix minutes plus tard, il connaît la réponse : le colis est en point relais depuis deux jours. Il l’écrit au client, puis passe à la demande suivante, qui ressemble beaucoup à la précédente.
Ce travail n’a rien de difficile. Il demande seulement de consulter plusieurs outils et de relier ce qu’ils disent. C’est précisément ce que fait un agent IA.
Le sujet génère beaucoup de promesses. Pour une PME, une question suffit : quelles tâches un agent IA peut-il prendre en charge chez vous, et à quelles conditions ?
Dans cet article nous allons voir quatre cas d’usage concrets, qui pouront peut-être vous permettre de vous projeter sur ce que cela pourrait vous apporter !
Une automatisation suit des étapes fixées à l’avance. Si la facture est payée, elle change le statut du dossier. Si elle ne l’est pas à la date prévue, elle envoie une relance. Le chemin est toujours le même. Pour ce type de tâche, un outil comme n8n suffit, et nous l’expliquons dans notre article sur l’automatisation des processus métier avec n8n.
Un agent IA reçoit un objectif plutôt qu’un chemin. Il repose sur un modèle de langage, c’est-à-dire le type de modèle qui fait fonctionner ChatGPT ou Mistral, relié à des outils qu’il a le droit d’utiliser. Face à un dossier, il rassemble le contexte utile dans ces outils. Il choisit ensuite la prochaine action parmi celles qu’on lui a autorisées : répondre, mettre à jour une fiche, relancer ou transmettre à une personne.
Entre les deux, il existe une troisième approche, l’assistant. Il recherche et synthétise l’information, mais il n’agit pas. Un assistant RAG qui répond aux questions des équipes à partir des documents internes en est un exemple.
| Approche | Quand l’utiliser | Ce qu’elle produit |
|---|---|---|
| Automatisation | Les règles sont stables et le chemin est toujours le même | Une tâche répétitive exécutée de la même manière à chaque fois |
| Assistant | Il faut rechercher, synthétiser ou préparer, sans agir | Une information fiable, que l’équipe utilise tout de suite |
| Agent | Le contexte varie d’un dossier à l’autre et plusieurs outils doivent être coordonnés | Un dossier traité de l’événement initial jusqu’au résultat |
Le choix se fait tâche par tâche. Une même entreprise utilise souvent les trois.
Les meilleurs candidats ont un point commun. Pour traiter un dossier, il faut consulter plusieurs outils, et le contexte change d’un dossier à l’autre, alors que les actions possibles peuvent s’écrire clairement.
Une automatisation peut repérer les devis sans réponse et préparer une relance standard. Un agent va plus loin. Il relit l’historique du client dans le CRM, les derniers emails échangés et les notes du commercial. Si le client a demandé un délai la semaine dernière, l’agent n’envoie pas de relance et propose une date de rappel. Si le client attend une réponse technique, il prévient le commercial au lieu de relancer.
Le commercial reçoit des relances adaptées à chaque dossier, prêtes à valider, au lieu d’un modèle unique qu’il doit réécrire.
Une commande bloquée a rarement une seule cause. Il peut manquer du stock, un délai fournisseur peut avoir glissé, ou une information du client peut faire défaut. L’agent croise la commande, les stocks et les délais dans l’ERP. Il prépare ensuite les tâches qui débloquent le dossier : une demande au fournisseur, un message au client, une alerte à l’équipe logistique.
L’équipe ne cherche plus pourquoi la commande attend. Elle valide ou ajuste les actions proposées.
C’est le cas de la commande qui n’est pas arrivée. L’agent lit la demande et retrouve le client, la commande et le suivi du transporteur. Si la réponse est connue et sans risque, il la rédige. Si la demande sort du cadre, par exemple une réclamation ou un remboursement, il la transmet à la bonne personne avec le dossier déjà rassemblé.
Quand ces réponses sont publiées directement auprès des clients, l’agent devient un chatbot SAV. Les règles sont les mêmes, mais le niveau d’exigence sur les réponses est plus élevé.
Un dossier de financement, d’inscription ou de sinistre arrive avec plusieurs pièces jointes. Quelqu’un doit vérifier qu’elles sont toutes là, lisibles et cohérentes entre elles. Un agent peut lire les documents, extraire les informations attendues, compléter le dossier et demander les pièces manquantes.
Nous avons utilisé ce principe pour Drive-Cube, une plateforme de casiers connectés. Le livreur photographie l’étiquette du colis, et une IA multimodale, capable de lire une image, en extrait le nom ou le numéro de téléphone du destinataire. La plateforme rapproche ensuite ces informations des destinataires enregistrés. Si aucune correspondance n’est trouvée, le livreur revient à une recherche manuelle. Ce dernier point compte autant que la lecture de l’image : le parcours fonctionne aussi quand l’IA échoue.
Pour le dirigeant, un agent est une boîte qui traite des dossiers. Pour l’équipe technique, il se compose de quatre éléments.
Le premier est le modèle de langage. Il comprend la demande, raisonne sur le contexte et choisit l’action. Plusieurs fournisseurs existent, dont Mistral, OpenAI et Anthropic. Le choix dépend de la qualité attendue, du coût d’utilisation et de l’endroit où les données sont traitées.
Le deuxième élément est la liste des outils. Chaque outil est une action précise que l’agent a le droit d’appeler : lire une fiche client, chercher une commande, créer une tâche, préparer un email. L’agent ne peut rien faire en dehors de cette liste. C’est le premier garde-fou.
Viennent ensuite les règles métier, écrites en langage naturel et en code. Elles disent quand agir, quand demander une validation et quand transmettre à une personne.
Le quatrième élément est le journal. Chaque action de l’agent y est enregistrée, avec le dossier concerné et le résultat obtenu. Sans journal, impossible de comprendre une erreur ou de mesurer ce que l’agent apporte.
Ces éléments peuvent être assemblés de plusieurs façons. n8n propose un nœud dédié aux agents IA, qui relie un modèle de langage à des outils construits avec ses autres nœuds. C’est une bonne solution pour démarrer vite et rester proche des workflows existants. Pour des règles plus lourdes ou des volumes importants, l’agent est développé directement, avec les mêmes quatre éléments. Dans les deux cas, il doit être relié proprement aux outils de l’entreprise, ce qui relève de l’intégration du système d’information.
Un agent IA peut se tromper. Il peut mal comprendre une demande ou s’appuyer sur une information périmée. Il peut aussi choisir une action raisonnable en apparence, mais inadaptée au client. Un agent fiable est donc un agent dont les erreurs sont prévues.
Avant la mise en service, cinq points doivent être décidés :
Il faut aussi tester l’agent sur des dossiers réels avant de le laisser agir. La méthode la plus sûre est de le faire tourner en mode proposition pendant quelques semaines. L’agent prépare les actions, l’équipe les valide ou les corrige, et chaque correction sert à ajuster les règles.
Un agent IA coûte plus cher à construire et à faire tourner qu’une automatisation. Chaque dossier traité consomme des appels au modèle de langage. Il n’a d’intérêt que si le contexte varie vraiment.
Mieux vaut une automatisation simple quand le processus suit toujours les mêmes règles, ou quand une seule application contient déjà tout le contexte. C’est aussi le cas quand le résultat dépend uniquement de règles fixes, comme un calcul de remise ou une date d’échéance.
Mieux vaut ne rien automatiser quand les erreurs possibles ne peuvent être ni détectées ni rattrapées. Un agent qui envoie un virement ou résilie un contrat sans contrôle fait courir un risque que le temps gagné ne compense pas.
Enfin, si les équipes ne sont pas d’accord sur la façon de traiter un dossier, l’agent ne tranchera pas à leur place. Il faut d’abord écrire la règle.
Pour un premier agent, choisissez un processus fréquent, aux actions claires, dont les erreurs sont faciles à rattraper :
Un bon agent IA prend en charge les dossiers qui se ressemblent et rassemble le contexte des autres. Les situations qui demandent un jugement restent à l’équipe.
Le modèle de langage compte moins qu’on ne le croit. Le résultat dépend surtout de la liste des actions autorisées, des règles de transmission, des accès et du journal. Ce travail de conception se fait avec les équipes qui traitent les dossiers aujourd’hui.
Chez Aktislab, nous concevons des agents IA qui coordonnent les outils métier, traitent les cas courants et transmettent les vraies exceptions, avec les validations qui restent humaines. Pour un tour d’horizon plus large, voir aussi nos solutions d’IA en entreprise.
Pour savoir quel processus confier à un premier agent, vous pouvez nous contacter.
Questions fréquentes