Comment transformer une tâche métier en workflow agentique

Un workflow agentique, c’est un parcours métier organisé autour d’un agent : une demande arrive, l’agent retrouve le contexte, décide de la prochaine étape, prépare une action, puis rend la main à une personne au bon moment.

Le mot « agentique » impressionne, mais la méthode est simple : décrire le travail réel, découper le parcours, donner des capacités limitées, prévoir des contrôles, et mesurer le résultat.

Le déclencheur prend des formes variées : une phrase saisie, un PDF, une photo, une pièce jointe ou une note vocale peuvent alimenter la même boucle. L’article sur le workflow multimodal détaille cette couche d’entrée.

Cartographier la tâche avant de construire

Une tâche métier est une boucle qui se répète : traiter une demande de devis, vérifier un dossier d’inscription, préparer une relance, qualifier un prospect. Un workflow décrit ces étapes dans un ordre défini. Un agent, lui, peut choisir la suite selon ce qu’il découvre. Anthropic distingue les deux : un workflow suit des chemins orchestrés à l’avance, tandis qu’un agent dirige dynamiquement son processus et l’utilisation de ses outils. [1]

Avant d’écrire quoi que ce soit, décris la boucle réelle :

• l’événement de départ (un email, un formulaire, un appel, un changement de statut) ;
• les étapes de traitement (retrouver, comprendre, décider, préparer, valider) ;
• les outils consultés (CRM, agenda, messagerie, documents) ;
• les décisions et leurs variantes ;
• la sortie attendue et la personne qui valide.

Microsoft définit un agent comme un système qui « appelle des outils, accède à des données externes et prend des décisions sur plusieurs étapes », ce qui le distingue d’un simple assistant conversationnel. [3] Cette définition aide à choisir le point d’entrée : une demande qui exige plusieurs étapes et plusieurs sources est un meilleur candidat qu’une question unique.

Les cinq étapes d’un parcours agentique

Une boucle utile tient en cinq étapes. Clique sur chaque étape pour voir ce qui s’y passe concrètement.

1. Déclencher. Le parcours commence par un signal : une demande arrive, un événement se produit.
2. Retrouver. L’agent rassemble le contexte utile : le dossier, le dernier échange, la règle applicable.
3. Décider. Selon ce qu’il trouve, l’agent choisit la suite : préparer, demander, transférer ou s’arrêter. Les workflows peuvent utiliser un routage : une première étape classe la demande, puis dirige vers le bon chemin. [1]
4. Préparer. L’agent produit une sortie intermédiaire : un brouillon, une synthèse, une proposition de créneaux, une liste de pièces manquantes.
5. Rendre la main. Le travail retourne à une personne pour validation, ou s’arrête proprement. OpenAI décrit cette capacité comme essentielle : l’agent peut suspendre son exécution et rendre le contrôle à l’utilisateur. [2]

Les patterns éprouvés

Anthropic documente plusieurs patterns de base pour organiser ces parcours [1] :

• le chaînage de prompts : chaque étape consomme la sortie de la précédente, avec une vérification entre les étapes ;
• le routage : une première étape classe la demande et oriente vers le bon traitement ;
• l’orchestrateur-travailleurs : un agent central décompose la tâche et délègue à des sous-agents spécialisés ;
• l’évaluateur-optimiseur : un agent produit, un autre évalue et demande une révision.

Ces patterns structurent le parcours et le rendent corrigeable. AWS recommande d’inclure des étapes de vérification dans les workflows complexes, et de distinguer le plan (ce qui doit être fait) de l’exécution (comment c’est fait). [4]

Donner des outils avec des limites

Un agent sans outil ne peut que discuter. Avec un outil, il peut lire un dossier, chercher un créneau ou créer une tâche.

La règle simple : exposer quelques opérations nommées, précises et testées. Le nœud agent de n8n décrit le fonctionnement de base : connecter un modèle de chat et un ou plusieurs outils, puis laisser l’agent décider quel outil appeler selon la demande. [5]

Prévoir les gardes et les escalades

Un workflow agentique se construit avec ses limites dès le départ :

• un nombre maximum de tours ou d’essais ;
• une condition d’arrêt quand une information manque ;
• une validation humaine uniquement sur les actions sensibles configurées pour l’exiger ;
• des actions autonomes autorisées, des exceptions à remonter et des actions interdites clairement séparées ;
• une trace des événements définis dans l’architecture.

OpenAI recommande d’évaluer le risque de chaque outil et de prévoir une pause ou une remontée à l’humain quand une action sensible est demandée. [2] L’escalade n’a pas vocation à bloquer chaque action autorisée : elle protège les exceptions et les décisions qui demandent réellement un jugement humain.

Commencer simple, mesurer, puis complexifier

Le conseil le plus répété par les éditeurs est aussi le plus souvent ignoré : commencer par la solution la plus simple. Anthropic recommande d’utiliser des patterns simples et composables, et de n’augmenter la complexité que lorsque le besoin le justifie. [1]

La complexité a un coût réel. Dans les données de son système de recherche publiées en juin 2025, Anthropic observe environ quinze fois plus de tokens pour le multi-agents que pour le chat. Ce résultat décrit ce dispositif ; il ne fixe pas le coût de chaque agent métier. [6] Pour une TPE ou une PME, le premier workflow doit tenir sur une page : un déclencheur, deux ou trois outils, une validation, une trace.

Après le pilote, mesure la même chose qu’avant : temps de traitement, reprises, erreurs, délai de validation. Quand le temps perdu reste stable, corrige le workflow avant de l’agrandir.

Le résumé utile

Le prochain article de la série montre ce principe appliqué au terrain le plus courant : les tâches administratives.