Un chatbot répond à des questions, un copilote IA assiste une personne dans son outil de travail, un agent IA exécute une tâche de bout en bout et rend compte. Les trois reposent sur les mêmes modèles de langage ; ce qui les distingue, c'est le degré d'autonomie, l'accès aux données de l'entreprise et la place laissée à l'humain. Le choix se fait sur le processus à traiter, pas sur la technologie, et cet article donne la grille que JUWA applique pour trancher.
Trois architectures, trois niveaux d'autonomie
Le chatbot est une interface de dialogue. Il reçoit une question, cherche une réponse dans une base de connaissances ou dans le modèle, et la renvoie. Il ne touche à aucun système : il informe. Les recommandations de la CNIL sur les chatbots portent d'ailleurs sur ce périmètre précis, la conversation avec des personnes et les données qu'elle collecte.
Le copilote est un assistant intégré dans l'outil où une personne travaille déjà, CRM, ERP, messagerie, logiciel métier. Il lit le contexte affiché, propose une action (rédiger la réponse, résumer le dossier, pré-remplir le formulaire) et laisse l'utilisateur valider d'un clic. L'humain reste aux commandes à chaque étape ; le copilote lui évite la ressaisie et la recherche.
L'agent reçoit un objectif et enchaîne les étapes nécessaires : lire un document, interroger une base, écrire dans un système, envoyer un message, puis recommencer jusqu'à ce que la tâche soit terminée ou qu'une règle impose un passage par un humain. Anthropic le décrit comme un modèle qui pilote ses propres outils en boucle, dans son guide Building effective agents, et recommande de ne recourir à cette autonomie que lorsque des flux plus simples ne suffisent pas.
Le vocabulaire des éditeurs brouille ces frontières : beaucoup d'outils vendus comme « agents » sont des chatbots avec un bouton d'action, et certains « copilotes » n'ont aucun accès au contexte de l'utilisateur. Le test est simple. Demandez ce que le produit modifie dans vos systèmes, sans intervention humaine, et à partir de quelles données. Si la réponse est « rien », c'est un chatbot, quel que soit le nom sur la plaquette.
Résumé de la vidéo (en anglais) : deux membres d'Anthropic, dont un co-auteur du guide Building effective agents, distinguent les flux prédéfinis des agents autonomes et expliquent quand l'autonomie se justifie.
Ce que chaque option sait faire, et ce qu'elle ne fait pas
| Critère | Chatbot | Copilote IA | Agent IA |
|---|---|---|---|
| Rôle | Répondre | Assister une personne dans son outil | Exécuter une tâche complète |
| Accès aux données | Base de connaissances, souvent en lecture | Contexte de l'outil, en lecture et écriture assistée | Plusieurs systèmes, en lecture et écriture |
| Décision | Aucune | Proposée, validée par l'humain à chaque fois | Prise dans un périmètre défini, transfert humain sur règle |
| Interface | Fenêtre de dialogue | Panneau dans le CRM, l'ERP, la messagerie | Souvent aucune : il travaille en arrière-plan |
| Risque principal | Réponse fausse ou obsolète | Suggestion acceptée sans relecture | Action erronée exécutée à l'échelle |
| Délai d'un premier déploiement | 2 à 4 semaines | 4 à 8 semaines | 2 à 6 semaines par agent, après cadrage |
| Quand le choisir | Questions répétitives, volume élevé | Tâche fréquente qui exige un jugement humain | Processus à règles claires, volume régulier |
La ligne « décision » est celle qui compte. Un copilote ne se trompe jamais seul, puisque l'humain valide ; un agent peut se tromper cent fois en une nuit si le périmètre est mal borné. C'est pour cela qu'un agent se cadre avant de se coder, avec des seuils de confiance et un journal des actions.
Le cas chatbot : deux millions de messages par mois
Un éditeur SaaS de gestion locative recevait deux millions de messages de voyageurs chaque mois. Le besoin était de répondre vite et juste, pas d'agir dans les systèmes. JUWA a livré un assistant conversationnel adossé à un RAG en quatre semaines : 95 % des messages traités sans intervention humaine, latence sous trois secondes, transfert à un conseiller sous un seuil de confiance. Malgré son nom de copilote dans le projet, l'architecture est celle d'un chatbot au sens strict : il informe, il ne modifie rien. Pour un besoin de ce type, l'article chatbot ou FAQ intelligente aide à choisir la forme la plus légère.
Le cas copilote : l'IA dans l'outil, pas dans un onglet de plus
Le copilote se justifie quand la tâche est fréquente mais demande un jugement à chaque occurrence. Un commercial qui prépare un rendez-vous, un gestionnaire de sinistres qui qualifie une déclaration, un technicien SAV qui cherche la notice : dans chaque cas, l'IA gagne du temps en préparant, et l'humain garde la décision. La condition de réussite est l'intégration au système d'information : un copilote dans un onglet séparé, où il faut copier-coller le contexte, n'est pas adopté. C'est le périmètre de l'offre copilote IA intégré au SI de JUWA, du connecteur jusqu'à l'adoption par les équipes.
Dans le même SaaS, la seconde mission a précisément consisté à livrer quatre briques spécialisées en 12 jours, exposées dans le back-office web et l'application mobile. Les équipes R&D, support et opérations les utilisent dans leurs écrans habituels, et le fondateur mesure une productivité multipliée par dix sur les opérations internes.
Le cas agent : 1 900 paires de documents par mois
Une PME aéronautique comparait manuellement 1 900 bons de commande à leurs accusés de réception chaque mois. Le processus avait des règles claires (références, quantités, prix, délais) et un volume régulier. Un agent de vérification documentaire lit les deux documents, aligne les lignes et ne remonte que les écarts à l'acheteur : 317 heures récupérées par mois. Aucune interface, aucune conversation. L'agent tourne, l'humain traite les exceptions. Les autres exemples d'agents IA déployés en PME suivent le même schéma.
La grille de décision en quatre questions
La tâche modifie-t-elle un système ? Non : chatbot. Oui : copilote ou agent.
Chaque occurrence demande-t-elle un jugement humain ? Oui : copilote. Non, les règles suffisent : agent.
Quel est le coût d'une erreur non détectée ? Élevé (engagement contractuel, paiement, donnée client sensible) : copilote, ou agent avec validation obligatoire sur ces étapes. Faible et réversible : agent.
Les données nécessaires sont-elles accessibles et propres ? Non : aucune des trois options ne fonctionnera. Le guide d'OpenAI sur la construction d'agents place d'ailleurs l'accès aux outils et aux données en tête des prérequis, avant le choix du modèle. La façon de connecter un agent à l'ERP par API conditionne le projet plus que le modèle retenu.
La plupart des entreprises passent par les trois, dans l'ordre. Un chatbot sur la base de connaissances fait accepter l'IA aux équipes. Un copilote dans l'outil métier crée les données propres et les règles de validation. Un agent reprend ensuite les tâches où l'humain validait toujours la même chose. La fiche France Num sur les agents conversationnels et assistants virtuels décrit cette progression pour les TPE et PME.
Le choix, vu du cadrage JUWA
Le cadrage commence par la cartographie du processus et des systèmes qu'il touche, puis par la question du coût d'erreur. C'est elle qui décide entre copilote et agent, et JUWA refuse de déployer un agent sur un processus où une erreur n'est ni détectable ni réversible. Le premier livrable est un flux d'une seule tâche, intégré dans l'outil existant, avec journalisation et seuil de transfert humain. L'industrialisation vient après, quand les équipes ont validé le comportement sur des cas réels. Sur les projets récents, ce cadrage a tenu en une journée pour les quatre briques du SaaS et en cinq semaines pour un cabinet comptable, selon la maturité des données.
