AI agent ou workflow : quand un modèle doit-il choisir les étapes ?
Traduction automatique Cet article a été traduit automatiquement depuis la version originale en anglais.
Utilisez un workflow lorsque vous pouvez définir à l’avance les étapes et les branches. Utilisez un agent lorsque des règles prédéfinies ne peuvent pas couvrir de manière fiable l’action utile suivante et qu’un modèle doit interpréter les résultats pour la choisir. Les workflows peuvent effectuer des branchements selon les tool results et appeler des modèles pour classifier des demandes ou rédiger des synthèses. Ces fonctionnalités ne nécessitent pas à elles seules un agent loop.
Je commencerais par un workflow fixe, puis j’ajouterais des étapes choisies par le modèle uniquement là où il échoue sur des tâches réelles. Cela suit la distinction établie par Anthropic entre les workflows prédéfinis et les agents dirigés par un modèle. La question utile est de déterminer ce que le modèle doit décider avant de choisir un framework.
Dernière révision : 2026-09-08.
Comparez deux demandes d’assistance
« Où se trouve la commande 123 ? » suit un parcours connu : vérifier les autorisations, récupérer la commande, consulter son statut d’expédition et renvoyer le résultat. Un modèle peut formuler la réponse, mais il n’a pas besoin de décider quel système interroger ensuite. Les commandes introuvables et les erreurs de service peuvent être traitées par des branches explicites.
« Pourquoi ce job échoue-t-il uniquement après un redémarrage ? » est moins prévisible. Le premier journal peut indiquer un fichier manquant, un credential obsolète ou un service qui démarre trop tard. Un agent peut examiner ce résultat et choisir la vérification suivante. L’application doit néanmoins limiter les fichiers et les outils auxquels il peut accéder.
Ce second pattern est au cœur de ReAct : il alterne les actions et les observations susceptibles de modifier l’action suivante. Il apporte davantage de flexibilité, mais aussi davantage d’occasions de choisir une étape inutile.
Choisissez le niveau minimal de contrôle du modèle
| Besoin de la tâche | Point de départ | Ce qui reste sous votre responsabilité |
|---|---|---|
| Étapes et branches d’erreur connues | Workflow ordinaire | Validation, retries et gestion des échecs |
| Un choix parmi des parcours connus | Classifieur suivi de workflows fixes | Tests de routage et parcours pour les cas incertains |
| Un tool plan définissable avant l’exécution | Graphe d’outils planifié, tel que ReWOO | Validation du plan et récupération en cas d’hypothèses invalides |
| Les actions suivantes nécessitent un jugement du modèle | Agent loop borné, tel que ReAct | Permissions des outils, règles d’arrêt et vérifications de complétion |
| De grandes sous-tâches avec exploration locale | Plan-and-execute | État partagé et règles explicites de modification du plan |
Un plan produit par un modèle doit également être validé avant son exécution. ReWOO sépare la planification, l’exécution des outils et la synthèse de la réponse ; il ne fournit pas les règles d’autorisation ni de récupération propres à votre application. Si la séquence d’outils est déjà connue dans le code, un plan rédigé par un modèle peut n’apporter aucune valeur.
Testez la décision avant d’ajouter d’autres agents
Comparez le workflow fixe et l’agent sur les mêmes tâches, avec les mêmes outils, les mêmes données et le même budget total. Incluez un résultat manquant, un timeout et un résultat qui modifie l’étape suivante probable. Comptez les tentatives échouées et inachevées. Mesurez la complétion correcte, les actions inutiles, le temps écoulé et le coût.
Pour tout parcours qui modifie un état externe, vérifiez ce qui s’est produit avant de retenter un appel ayant subi un timeout. Une réponse perdue peut masquer une action déjà exécutée ; l’application a besoin d’un identifiant d’opération stable ou d’une consultation d’état fiable. Les recommandations d’AWS sur les retries sûrs expliquent le contrat d’identité de la requête.
Ne conservez l’agent que si les choix supplémentaires résolvent suffisamment d’échecs du workflow pour justifier leur coût. Répartir le même travail entre plusieurs agents constitue une expérience distincte.
Pour aller plus loin
- Boucles de raisonnement des AI agents compare ReAct, ReWOO et plan-and-execute à travers un même système traité de bout en bout.
- Harness engineering explique qui vérifie les actions et décide que le résultat est complet.
- Runtimes d’agents longue durée traite la récupération lorsque le travail dépasse la durée de vie de son worker.
- Comparaison de frameworks d’agents aide à choisir une implémentation une fois le flux de contrôle clarifié.