Quelle est la différence entre un agent IA et un workflow ?

Dans un workflow, le modèle et les outils suivent des chemins écrits à l'avance dans le code. Dans un agent, le modèle décide lui-même de ses étapes et des outils qu'il utilise.

Un agent est-il toujours plus performant qu'un workflow ?

Non. Anthropic indique que les systèmes agentiques échangent souvent latence et coût contre de meilleures performances, et qu'ils exposent à des erreurs qui s'additionnent. Pour une tâche bien définie, un workflow est plus prévisible.

Agent IA ou workflow : comment choisir

Choisissez un workflow quand vous pouvez écrire les étapes à l'avance, et un agent quand le nombre et l'ordre des étapes dépendent de ce que l'on découvre en chemin. C'est la distinction posée par Anthropic dans « Building effective agents » (19/12/2024) : les workflows orchestrent le modèle et les outils « par des chemins de code prédéfinis », les agents laissent le modèle « diriger lui-même ses étapes et son usage des outils ».

Ce que chaque option vous coûte et vous apporte

Critère	Workflow	Agent
Qui fixe l'ordre des étapes	Votre code	Le modèle
Prévisibilité	Élevée : même entrée, même parcours	Le parcours varie d'une exécution à l'autre
Coût et délai	Bornés par le nombre d'étapes écrites	Variables ; Anthropic parle de coûts plus élevés
Risque principal	Un cas non prévu par le code	Des erreurs qui s'additionnent d'un tour à l'autre
Contrôle	Points de vérification dans le code	Conditions d'arrêt, droits, validations humaines
Bon terrain	Tâches bien définies	Problèmes ouverts, étapes imprévisibles

Anthropic résume : les systèmes agentiques échangent souvent latence et coût contre de meilleures performances ; il faut donc se demander quand ce compromis a du sens. Et souvent, optimiser un seul appel au modèle, avec les bons documents et des exemples, suffit.

Les cinq modèles de workflow

Entre l'appel unique et l'agent autonome, Anthropic décrit cinq briques. Ce sont elles qu'il faut essayer d'abord.

Enchaînement d'appels (prompt chaining) : la tâche est découpée en étapes successives, avec des contrôles dans le code entre chaque étape. On accepte un peu plus de délai pour gagner en exactitude. Exemple : rédiger un plan, vérifier qu'il respecte des critères, puis rédiger le texte.
Aiguillage (routing) : on classe la demande, puis on l'envoie vers un traitement spécialisé. Anthropic cite l'envoi des questions simples vers des modèles plus petits et moins chers.
Parallélisation : soit des sous-tâches indépendantes traitées en même temps (sectioning), soit la même tâche lancée plusieurs fois pour comparer les réponses (voting).
Orchestrateur et exécutants : un modèle central découpe la tâche, la répartit et rassemble les résultats. La différence avec la parallélisation : les sous-tâches ne sont pas fixées à l'avance, c'est l'orchestrateur qui les détermine.
Générateur et évaluateur : un modèle produit, un autre critique, en boucle. Utile quand les critères d'évaluation sont clairs.

Vient ensuite l'agent autonome : un modèle qui utilise des outils en boucle selon ce que lui renvoie l'environnement. Anthropic le réserve aux problèmes ouverts où le nombre d'étapes est imprévisible, avec des points de contrôle humains et des conditions d'arrêt.

Une grille pour décider

Posez ces questions dans l'ordre. La première réponse « oui » vous donne l'architecture.

Question	Si oui
Un seul appel au modèle, avec les bons documents, donne-t-il un résultat suffisant ?	Appel unique
Pouvez-vous écrire la liste des étapes et leurs conditions ?	Workflow (enchaînement ou aiguillage)
Les étapes sont-elles connues mais indépendantes ?	Workflow parallèle
Les sous-tâches dépendent-elles de chaque demande, mais le résultat se vérifie facilement ?	Orchestrateur et exécutants
Le parcours est-il impossible à prévoir, et une erreur rattrapable ?	Agent, avec limites

La documentation de Microsoft Agent Framework le dit plus court encore : « si vous pouvez écrire une fonction pour traiter la tâche, faites-le plutôt que d'utiliser un agent ». Elle conseille un workflow quand le processus a des étapes bien définies ou quand vous avez besoin d'un contrôle explicite de l'ordre d'exécution.

Exemples illustratifs

Prenons une entreprise de services qui reçoit des demandes par mail.

Trier les mails et proposer une réponse type : les catégories sont connues, les étapes aussi. C'est un aiguillage, donc un workflow.
Préparer un devis à partir d'un cahier des charges : extraire les postes, chercher les prix dans le catalogue, assembler. Les étapes sont fixes : enchaînement d'appels, avec un contrôle humain avant l'envoi.
Retrouver pourquoi une commande n'est jamais arrivée : il faut consulter la commande, puis le transporteur, peut-être la facturation, selon ce qu'on trouve à chaque étape. Le parcours n'est pas prévisible : c'est un terrain d'agent, à condition de lui donner des outils en lecture seule et de garder l'action finale sous validation.

Mélanger les deux

Le choix n'est pas exclusif. Un workflow peut contenir une étape confiée à un agent, et un agent peut appeler un workflow comme un outil. C'est d'ailleurs la logique de CrewAI (un Flow structure l'application, une équipe d'agents ne traite que l'étape qui demande de l'autonomie) et de Microsoft Agent Framework (agents et workflows en graphe dans le même cadre). Voyez frameworks d'agents et, pour plusieurs agents qui coopèrent, systèmes multi-agents.