Agent IA vs chatbot : quelle est la différence ?
Dernière mise à jour:
Trois types de chatbots
Le mot chatbot recouvre des outils très différents. Le plus simple pour les distinguer est de se poser deux questions : comment la réponse est-elle produite, et l'outil sait-il faire autre chose que parler ?
- Chatbot à règles : suit un arbre de décision ou repère des mots-clés. Chaque réponse et chaque parcours sont écrits à l'avance par une personne.
- Chatbot LLM : s'appuie sur un grand modèle de langage pour rédiger chaque réponse en langage naturel. Les meilleurs sont ancrés dans vos propres contenus et répondent à partir de vos pages et documents plutôt que de connaissances générales.
- Agent IA : un chatbot LLM qui sait aussi utiliser des outils. Il décide quand appeler une API, consulter des données en temps réel ou exécuter une étape, puis se sert du résultat dans sa réponse.
Comment fonctionne un chatbot à règles
Un chatbot à règles est un organigramme habillé d'une fenêtre de chat. Vous définissez les questions qu'il pose, les boutons sur lesquels les visiteurs peuvent cliquer et la réponse au bout de chaque branche. Certaines versions repèrent aussi des mots-clés dans le texte saisi : un message qui contient « remboursement » est alors orienté vers la branche des retours.
Comme chaque réponse a été écrite par une personne, rien d'inattendu n'en sort. Cette prévisibilité est la principale raison d'en choisir un. Il convient aux processus dont l'ordre est fixe, comme qualifier un prospect en trois questions ou guider quelqu'un dans un formulaire.
La contrepartie, ce sont la couverture et la maintenance. Le bot ne connaît que les parcours que vous avez construits. Un visiteur qui formule sa question autrement, ou qui en pose deux à la fois, tombe souvent dans une impasse ou revient au menu principal. Chaque nouveau sujet demande une branche de plus à concevoir, rédiger et tester.
Comment fonctionne un chatbot LLM
Un chatbot LLM transmet la conversation à un grand modèle de langage, qui rédige une réponse. Il comprend les reformulations, les fautes de frappe, les questions de suivi et les différentes langues sans que personne ait à prévoir une branche pour chaque cas.
Seul, un modèle de langage répond à partir de ce qu'il a appris pendant son entraînement. Ces connaissances sont générales, parfois dépassées, et ne disent rien de vos prix, de vos horaires ou de votre politique de retour. Quand il n'a pas la réponse, il peut produire une supposition énoncée avec assurance. C'est ce qu'on appelle une hallucination.
La solution est l'ancrage, souvent appelé grounding. Avant que le modèle réponde, le système cherche dans vos propres contenus, comme vos pages web, vos PDF et vos Q&A, puis transmet au modèle les passages les plus pertinents avec la consigne de répondre à partir d'eux. Ce principe s'appelle la génération augmentée par la recherche, ou RAG. Un chatbot bien ancré répond à partir de vos sources et le dit clairement quand la réponse n'y figure pas.
Comment fonctionne un agent IA
Un agent IA dispose d'outils. Vous décrivez au modèle un ensemble d'actions, par exemple « rechercher dans le catalogue » ou « retrouver une commande par son numéro », avec les informations dont chacune a besoin. Pendant la conversation, le modèle décide si une action serait utile, remplit les paramètres à partir de ce qu'a dit le visiteur et demande au système de l'exécuter. Le système appelle l'API, renvoie le résultat, et le modèle rédige sa réponse avec cette information. Ce mécanisme s'appelle l'appel d'outils ou l'appel de fonctions, en anglais tool calling ou function calling.
C'est ce qui fait passer un chatbot d'un outil qui explique à un outil qui vérifie et agit. Un agent peut dire à un visiteur si un produit est en stock à l'instant, récupérer le prix d'une configuration précise ou déclencher une étape sur votre propre page web.
Chatbot à règles vs chatbot LLM vs agent IA
Le tableau résume un comportement typique, pas celui d'un produit en particulier. Les frontières sont floues : beaucoup de produits combinent les approches, et un agent IA est au fond un chatbot LLM doté de capacités supplémentaires. Les trois catégories correspondent malgré tout à de vraies différences de mise en place, de comportement et de risque.
| Type | Comment il répond | Peut agir | Effort de mise en place | Idéal pour | Risque principal |
|---|---|---|---|---|---|
| Chatbot à règles | Réponses fixes issues d'un arbre de décision ou de règles sur des mots-clés | Seulement les étapes prévues dans le parcours | Élevé : chaque parcours est conçu à la main | Processus courts et fixes, formulaires | Impasses dès que le visiteur sort du script |
| Chatbot LLM (ancré) | Rédige ses réponses à partir de vos contenus, recherchés au moment de la question | Non | Faible à moyen : ajouter des contenus, écrire des instructions | Questions sur les produits, services et conditions | Réponses fausses ou inventées si les contenus manquent ou si l'ancrage est faible |
| Agent IA | Rédige ses réponses et appelle des outils pour des données en temps réel ou des étapes | Oui, via les actions que vous définissez | Moyen : contenus, branchement des API et tests | Questions qui demandent des données en temps réel ou une étape dans vos systèmes | Appeler la mauvaise action ou agir sur une saisie erronée |
Quand choisir lequel
Partez des conversations que vous avez déjà. Rassemblez les questions auxquelles votre équipe répond par e-mail et par téléphone, puis classez-les selon ce qu'exige une bonne réponse.
- Une séquence fixe avec une fin connue, comme une vérification d'éligibilité en trois questions : un parcours à règles suffit.
- Des questions dont la réponse est déjà écrite quelque part, comme les frais de livraison, les horaires, le contenu d'une prestation ou la réinitialisation d'un mot de passe : un chatbot LLM ancré.
- Des questions qui demandent des données en temps réel, comme le stock actuel ou le prix d'un produit configuré : un agent IA avec une action de consultation.
- Des demandes qui modifient quelque chose dans vos systèmes, comme créer une réservation ou annuler une commande : un agent peut le faire via votre propre API, mais seulement si vous construisez et sécurisez ce point d'accès. Beaucoup d'entreprises renvoient plutôt vers leur page de réservation ou leur espace client existants.
- Des conversations qui demandent du jugement, de l'empathie ou une autorité, comme les réclamations ou les questions juridiques et médicales : laissez une personne décider, et confiez au bot le recueil d'une adresse e-mail ou d'un numéro de téléphone pour qu'on puisse recontacter le visiteur.
Les risques des agents IA et comment les réduire
Plus un bot peut agir, plus les erreurs possibles sont nombreuses. Voici les risques qui comptent le plus sur un site public, avec les parades habituelles.
- Hallucination : le bot affirme quelque chose qui ne figure pas dans vos contenus. Ancrez les réponses dans vos sources, ajoutez des Q&A là où la formulation exacte compte, et demandez au bot de dire quand il ne sait pas.
- Mauvaises actions : le modèle appelle une action au mauvais moment ou avec de mauvais paramètres. Ne proposez que les actions nécessaires, décrivez chacune précisément et limitez-les à la lecture chaque fois que c'est possible.
- Injection de prompt : un visiteur, ou un texte caché dans une page, tente de contourner les instructions du bot. Appuyez-vous sur des règles qui résistent à ces tentatives, ne confiez jamais de secrets au modèle et laissez votre API vérifier elle-même les droits au lieu de faire confiance au chat.
- Exposition de données : une API renvoie plus que ce que le visiteur devrait voir. Choisissez les champs de la réponse que reçoit le modèle, afin que les données internes n'arrivent jamais dans la conversation.
- Comportement non testé : une action fonctionne en démonstration et échoue sur de vraies saisies. Testez chaque action avec des messages réalistes, inhabituels et malveillants avant la mise en ligne, puis relisez régulièrement de vraies conversations.
Une checklist pour choisir
Avant de comparer des outils, répondez par écrit à ces questions. Le choix devient souvent évident.
- Quelles questions reviennent le plus souvent, et où leurs réponses sont-elles écrites aujourd'hui ?
- Quelles réponses dépendent de données qui changent chaque jour ou chaque heure ?
- Existe-t-il une API pour ces données, et peut-on l'appeler sans risque depuis un chat ?
- Que ne doit jamais faire ou dire le bot, et comment le garantir ?
- De quels canaux avez-vous besoin : seulement votre site web, ou aussi des messageries et le téléphone ?
- Faut-il qu'une personne puisse reprendre la conversation en direct, ou suffit-il de recueillir un e-mail ou un numéro de téléphone ?
Où se situe intoCHAT
intoCHAT est un chatbot LLM ancré dans vos propres contenus, auquel vous pouvez ajouter des actions. Vous l'entraînez sur votre site web (il l'explore et vous choisissez les pages), sur des fichiers importés comme des PDF ou des documents Word, sur des extraits de texte et sur des Q&A. Chaque réponse repose sur une recherche hybride, sémantique et par mots-clés, dans ces contenus. Des règles intégrées maintiennent les réponses ancrées dans vos sources, résistent aux tentatives d'injection de prompt et font dire à l'agent qu'il ne sait pas plutôt que d'inventer.
Pour ce que vos contenus ne couvrent pas, vous pouvez ajouter des actions. Avec les actions API personnalisées, l'agent appelle votre API HTTP pendant le chat, remplit les paramètres à partir de la conversation et ne voit que les champs de réponse que vous choisissez, jusqu'à 25 actions par agent. Les actions côté client exécutent des fonctions JavaScript sur votre propre page. Et si vous gérez une boutique sous Shopify, WooCommerce, Magento, VTEX, WordPress ou une solution sur mesure, intoCHAT peut créer des actions de recherche de produits en temps réel à partir des données publiques de la boutique.
Il faut aussi dire clairement ce qu'intoCHAT n'est pas. Ce n'est pas un éditeur visuel de parcours pour arbres de décision à règles. Il n'y a ni transfert vers un humain ni chat en direct. intoCHAT fonctionne uniquement sur votre site web, pas dans les messageries. Et il utilise un seul modèle d'IA choisi et géré par intoCHAT : vous ne pouvez pas choisir le modèle vous-même. Si vous avez besoin de ces fonctions, un autre outil vous conviendra mieux.
Pour voir comment un chatbot ancré répond à partir de vos pages, vous pouvez essayer l'aperçu gratuit avec votre site avant de créer un compte.