Agent IA pour entreprise : il agit seul ou après votre accord.

Un agent IA associe trois éléments : un modèle de langage (LLM, comme Claude, GPT ou Mistral) qui lit et rédige, des outils qu’il a le droit d’utiliser (votre messagerie, votre CRM, votre ERP, par leurs API), et une mission écrite avec ses règles et ses limites.

On parle d’IA agentique parce que le programme ne se contente pas de répondre : il enchaîne des actions. Exemple : un devis reste sans réponse depuis sept jours. L’agent relit l’historique du client, vérifie que les prix tiennent toujours, rédige une relance adaptée, l’envoie et note un rappel dans le CRM.

Un agent bien conçu est volontairement étroit. Une mission claire, des droits limités à ce qu’elle demande, un journal de chaque action : c’est ce qui le rend fiable, bien plus que la puissance du modèle d’IA.

Un chatbot attend une question et y répond. Il converse, souvent sur votre site ou dans une messagerie, et s’arrête à la réponse. Même très bon, il ne va pas modifier une commande ou relancer un client de lui-même.

Un agent IA part d’un événement (un e-mail reçu, une date dépassée, une fiche incomplète), consulte plusieurs outils, prépare une action et peut l’exécuter. Il travaille souvent sans interface de conversation : on voit son travail dans le CRM, la boîte d’envoi ou le journal.

• Le chatbot répond ; l’agent agit.
• Le chatbot dialogue avec une personne ; l’agent travaille dans vos logiciels.
• Le chatbot s’évalue sur la justesse de ses réponses ; l’agent, sur les tâches menées au bout sans erreur.

Les deux se combinent : un chatbot sur votre site recueille une demande, un agent la qualifie et ouvre la fiche du prospect dans le CRM. Beaucoup d’offres appellent « agent » un simple chatbot : demandez quelles actions il exécute réellement.

Les premiers agents qui rapportent dans le négoce, l’industrie et les services aux entreprises ont trois points communs : la tâche revient chaque jour, elle oblige à consulter plusieurs logiciels, et une personne sait expliquer les règles.

• Tri des e-mails entrants : classement, résumé, transmission à la bonne personne avec une réponse préparée.
• Qualification des demandes : la fiche du prospect est créée et enrichie dans le CRM, une priorité est proposée.
• Relances : devis, documents manquants, échéances, au bon moment et avec l’historique.
• Extraction de documents : bons de livraison, factures, certificats lus et rangés.
• Support client : réponses courantes à partir de vos documents, passage de main au moindre doute.
• Veille concurrentielle : publications publiques de vos concurrents résumées chaque semaine.

On commence par un seul agent, sur la tâche la plus fréquente ; les suivants réutilisent ses connexions. Si la tâche suit un chemin toujours identique, une simple automatisation des processus suffit ; si elle consiste surtout à répondre à des questions, voyez plutôt le chatbot sur vos documents.

Un modèle d’IA peut se tromper. Un agent fiable n’est pas un agent qui ne se trompe jamais : c’est un agent dont les erreurs sont rares, visibles et rattrapables. Cinq garde-fous y contribuent.

• Le contrôle humain, réglé tâche par tâche : validation par une personne au départ, fonctionnement autonome quand la tâche a fait ses preuves.
• Les droits minimaux : l’agent n’accède qu’aux logiciels et aux actions que sa mission demande.
• Les plafonds : montant, remise, nombre d’envois ; au-delà, la main revient à une personne.
• Le journal : chaque action est enregistrée avec ses sources, pour retrouver à tout moment ce qui a été fait et sur quelle base.
• L’escalade : tout cas hors règles est transmis à la bonne personne, avec le contexte.

Enfin, un geste suffit pour revenir au mode manuel. Si l’agent fait quelque chose d’inattendu, vous l’arrêtez sans attendre personne.

Les projets d’agents IA qui s’arrêtent en route ont rarement un problème de technologie. Les causes reviennent d’un projet à l’autre.

• Une mission floue : « un agent qui aide les commerciaux » ne se mesure pas. « Relancer les devis sans réponse depuis sept jours » se mesure.
• Des données inaccessibles : si l’ERP n’échange pas ses données, l’agent travaille à l’aveugle.
• Trop d’autonomie trop tôt : une erreur visible en début de projet ruine la confiance de l’équipe pour longtemps.
• Personne pour le suivre : un agent sans responsable côté entreprise dérive en silence.
• Une valeur jamais mesurée : sans temps de départ connu, impossible de dire ce que l’agent rapporte.

D’où la méthode : un audit IA pour choisir la tâche et mesurer le temps actuel, un prototype sur vos données, une mise en service avec validation, puis l’autonomie seulement quand les essais l’ont justifiée.

Le coût d’un agent IA sur mesure dépend du nombre de logiciels qu’il consulte, de la variété des documents qu’il lit et des actions qu’il exécute. Un agent qui trie une boîte e-mail n’a pas le même périmètre qu’un agent qui relie messagerie, CRM et ERP.

Chez DigitalCX, créer un agent IA passe par trois étapes au prix arrêté par écrit avant le démarrage : l’audit (dix jours ouvrés), le prototype sur vos données (cinq jours), puis la mise en service à la date convenue. Si vous allez au bout, l’audit est décompté du prototype.

Ensuite, vous ne payez que l’usage du modèle d’IA, facturé directement par son éditeur sur votre compte selon le volume traité, et, si vous le voulez, un suivi mensuel. Le code et les comptes vous appartiennent : vous pouvez faire évoluer l’agent avec qui vous voulez.