1. Quand les systèmes commencent à travailler ensemble
Une application informatique réalise généralement une fonction précise : stocker des données, rechercher des informations, produire un document ou exécuter un calcul. Mais que se passe-t-il lorsqu'une tâche nécessite plusieurs de ces fonctions, réparties entre différents logiciels et services ?
Il faut alors organiser leur coopération. Une information doit pouvoir circuler d'un composant à l'autre, déclencher un traitement, provoquer une réponse et éventuellement entraîner une nouvelle opération. C'est à ce niveau que l'automatisation, les workflows et l'orchestration prennent toute leur importance.
L'intelligence artificielle ajoute une possibilité supplémentaire : certains systèmes ne se contentent plus d'exécuter une séquence prédéfinie. Ils peuvent analyser une situation, sélectionner des outils et déterminer les actions à entreprendre pour atteindre un objectif. C'est le principe des agents IA.
Ces notions sont souvent présentées comme des technologies concurrentes. En réalité, elles correspondent à des fonctions différentes et peuvent être réunies dans une même architecture.
2. Automatisation : exécuter sans intervention permanente
L'automatisation consiste à confier à un système l'exécution d'une tâche selon des règles définies à l'avance. Un événement déclenche une opération, qui peut elle-même entraîner une ou plusieurs actions supplémentaires.
Prenons un exemple courant : un formulaire est envoyé sur un site web. Le système peut enregistrer les données, envoyer un accusé de réception, avertir un responsable et créer une entrée dans une base de données. Une fois configuré, le processus se répète sans qu'une personne doive intervenir à chaque étape.
Le principe repose généralement sur trois éléments :
- Un déclencheur : un événement qui démarre le traitement, comme la réception d'un formulaire ou l'arrivée d'un fichier.
- Une condition : une règle qui détermine si une opération doit être exécutée.
- Une action : une opération réalisée par le système, comme enregistrer, transmettre ou modifier une information.
Une automatisation peut être très simple ou comporter de nombreuses conditions. Elle n'a pas besoin d'intelligence artificielle pour fonctionner. C'est même souvent préférable : lorsqu'une opération suit des règles connues et stables, une automatisation classique est généralement plus prévisible et plus facile à contrôler.
3. Workflow : donner une structure aux opérations
Un workflow, que l'on peut traduire par flux de travail, décrit l'enchaînement des opérations nécessaires à la réalisation d'un processus. Il représente le parcours d'une information depuis son point d'entrée jusqu'au résultat attendu.
Un workflow n'est donc pas simplement une liste de tâches. Il définit également les relations entre elles : quelle opération dépend de la précédente, quelles données doivent être transmises, quelles conditions doivent être vérifiées et ce qui doit se passer lorsqu'un traitement échoue.
Le schéma ci-dessous représente un workflow classique. Chaque étape est prévue à l'avance. Le système suit le parcours défini par sa configuration.
Le workflow peut contenir des embranchements, des répétitions, des opérations parallèles et des mécanismes de reprise. Il reste cependant structuré par des règles définies lors de sa conception.
C'est le domaine d'outils comme n8n, qui permettent de construire visuellement des processus et de connecter des applications ou des services à travers leurs interfaces et leurs API.
Il faut donc distinguer les deux termes : l'automatisation désigne le principe consistant à exécuter des tâches sans intervention permanente ; le workflow décrit l'organisation des opérations qui composent le processus automatisé.
4. Orchestration : coordonner plusieurs composants
Lorsque plusieurs services doivent coopérer, il faut organiser leurs interactions. Un composant reçoit une information, un autre la transforme, un troisième effectue une recherche et un dernier conserve le résultat. L'ensemble doit fonctionner comme un processus cohérent.
L'orchestration consiste à coordonner ces interventions. Elle ne se limite pas à déclencher des actions : elle prend en compte l'ordre des opérations, les dépendances, les échanges de données et les réponses des différents services.
Dans une architecture comme LABO Web-Soul, les composants ont des responsabilités différentes :
- Traefik : reçoit et dirige les connexions entrantes vers les services concernés.
- n8n : organise les workflows et coordonne les opérations.
- Ollama : met à disposition des modèles IA pour effectuer des traitements de langage.
- Qdrant : conserve et recherche des vecteurs utilisés notamment dans les systèmes RAG.
- AnythingLLM : fournit une interface documentaire et des fonctions de gestion des espaces de travail et de recherche augmentée.
- PostgreSQL : assure le stockage de données structurées pour les applications qui l'utilisent.
L'orchestrateur ne remplace pas ces composants. Il les sollicite au moment opportun, leur transmet les informations nécessaires et exploite leurs réponses. Chaque service conserve sa fonction spécialisée.
Ce schéma est conceptuel. Il représente des relations possibles entre les services, et non une obligation de connecter chacun d'eux directement à n8n. Dans une installation réelle, les communications dépendent des API disponibles, des paramètres réseau, des identifiants et du rôle attribué à chaque application.
L'orchestration est donc une fonction d'organisation. Elle peut être réalisée par un outil spécialisé comme n8n, par un moteur de traitement intégré à une application ou par du code développé spécifiquement.
5. Agent IA : passer de l'exécution à la décision
Un agent IA introduit une capacité différente. Il ne reçoit pas uniquement une instruction correspondant à une opération précise. Il reçoit un objectif, analyse la situation et peut sélectionner les actions nécessaires parmi les outils qui lui sont accessibles.
Un agent s'appuie généralement sur plusieurs éléments :
- Un modèle de langage : il interprète les instructions, analyse les informations et produit les décisions ou les réponses.
- Des instructions : elles définissent le rôle de l'agent, son objectif, ses règles de fonctionnement et ses limites.
- Des outils : ils lui permettent d'interagir avec des services externes, de rechercher des informations ou d'effectuer des opérations.
- Un contexte : il rassemble les informations utiles à la tâche. Il peut être complété par une mémoire persistante, lorsque l'architecture le prévoit.
La caractéristique importante est la possibilité de sélectionner une action en fonction du contexte. L'agent peut, par exemple, choisir de rechercher une information dans une base documentaire, d'appeler une API ou de demander un calcul à un outil spécialisé.
Cette sélection n'est pas une liberté illimitée. L'agent ne peut utiliser que les outils qui lui sont proposés et autorisés. Ses décisions dépendent du modèle, de ses instructions, des informations reçues et des capacités réellement mises à sa disposition.
6. Comment fonctionne la boucle de décision d'un agent ?
Pour comprendre la différence avec un workflow classique, imaginons une demande : « Retrouve les informations concernant la sauvegarde de Qdrant et prépare une procédure adaptée à notre installation. »
Un workflow classique pourrait exécuter une séquence définie : interroger une base documentaire, récupérer les résultats, les transmettre à un modèle et produire une réponse.
Un agent peut procéder différemment. Il analyse la demande, choisit un outil, examine le résultat, puis décide si une autre opération est nécessaire. Ce cycle peut se répéter jusqu'à ce qu'il estime disposer des informations suffisantes pour répondre ou qu'il atteigne une limite définie.
Ce schéma simplifie volontairement le fonctionnement d'un agent. Dans une implémentation réelle, le modèle peut sélectionner un outil, lui fournir des paramètres, recevoir son résultat, puis produire une nouvelle décision. Le processus peut aussi s'arrêter lorsqu'une condition de sortie est atteinte, lorsqu'une limite d'itérations est dépassée ou lorsqu'une intervention humaine est nécessaire.
Il faut également distinguer la mémoire du contexte de travail. Un agent peut disposer des informations de la conversation en cours sans pour autant conserver un historique durable entre deux sessions. La mémoire persistante est une fonction supplémentaire qui doit être conçue et configurée.
7. Workflow et agent IA : deux logiques complémentaires
La distinction fondamentale ne repose pas sur la présence ou l'absence d'intelligence artificielle. Un workflow peut utiliser un modèle de langage, classer un document ou produire un résumé sans être pour autant un agent.
La différence se situe principalement dans la responsabilité du choix des opérations. Dans un workflow classique, le concepteur définit les étapes et les conditions. Dans un système agentique, une partie de la sélection des actions est confiée au modèle, dans les limites des outils disponibles.
| Critère | Workflow classique | Agent IA |
|---|---|---|
| Organisation | Étapes définies à l'avance. | Actions sélectionnées selon le contexte. |
| Décision | Conditions et règles configurées. | Décisions proposées par le modèle. |
| Déroulement | Généralement prévisible. | Peut varier selon les résultats obtenus. |
| Outils | Appelés aux étapes prévues. | Peuvent être sélectionnés par l'agent. |
| Contrôle | Structure du workflow et règles d'exécution. | Structure, autorisations et contrôle des décisions du modèle. |
| Usage adapté | Opérations répétitives et processus stables. | Tâches nécessitant analyse et choix contextualisés. |
Il serait cependant incorrect de considérer qu'un workflow est toujours rigide et qu'un agent est toujours autonome. Un workflow peut comporter des embranchements complexes et des décisions fondées sur des données. À l'inverse, un agent peut être fortement encadré et n'avoir qu'une marge de décision très limitée.
La frontière n'est donc pas absolue. Elle dépend de la manière dont le processus a été conçu et de la part de décision effectivement confiée au modèle.
8. Associer workflow et agent dans une même architecture
Les deux approches deviennent particulièrement intéressantes lorsqu'elles sont combinées. Le workflow peut assurer la coordination générale, tandis qu'un agent intervient sur une opération qui nécessite une interprétation ou une décision contextualisée.
Prenons un exemple de traitement documentaire. Un nouveau document arrive dans un espace de travail. Le workflow détecte son arrivée, vérifie son format, déclenche son indexation et conserve les informations nécessaires. Une fois cette préparation terminée, un agent peut être sollicité pour analyser le contenu ou répondre à une question particulière.
L'agent peut alors consulter les ressources qui lui sont accessibles, sélectionner les outils pertinents et produire un résultat. Le workflow récupère ce résultat, applique les contrôles prévus et déclenche la suite du processus.
Cette architecture hybride permet de combiner la prévisibilité d'un processus organisé avec la capacité d'analyse d'un modèle. Elle évite de confier à un agent l'intégralité d'un processus alors que certaines étapes peuvent être exécutées de manière plus fiable par des règles explicites.
9. Les limites : autonomie, fiabilité et sécurité
Donner à un agent la possibilité de choisir des actions ne signifie pas qu'il faut lui donner un accès illimité au système. Plus les outils disponibles sont puissants, plus les conséquences d'une décision inadaptée peuvent être importantes.
Un agent peut mal interpréter une demande, sélectionner un outil inapproprié, transmettre des paramètres incorrects ou produire une réponse qui semble cohérente sans être exacte. Le recours à un modèle ne supprime donc pas les risques d'erreur : il en introduit de nouveaux.
Une architecture sérieuse doit notamment prévoir :
- Des permissions limitées : chaque agent ne doit accéder qu'aux ressources nécessaires à sa mission.
- Des actions contrôlées : les opérations sensibles, comme supprimer des données ou modifier une configuration, doivent être protégées.
- Une validation humaine : certaines décisions doivent être soumises à une approbation avant leur exécution.
- Une traçabilité : les opérations, les appels d'outils et les résultats doivent pouvoir être examinés.
- Des limites d'exécution : nombre d'itérations, durée, volume de données et consommation de ressources doivent être maîtrisés.
- Une gestion des erreurs : le système doit savoir interrompre un traitement, signaler un échec et éviter les répétitions incontrôlées.
L'autonomie doit donc être considérée comme un paramètre d'architecture, et non comme un objectif en soi. Un agent utile n'est pas nécessairement celui qui peut tout faire, mais celui qui dispose des capacités suffisantes pour accomplir correctement une mission bien délimitée.
10. Et n8n dans tout cela ?
n8n est une plateforme d'automatisation de workflows qui permet de connecter des applications, des API et des services, puis de construire les processus nécessaires à leur coopération. Elle peut donc intervenir dans plusieurs niveaux de notre architecture : automatisation, workflow et orchestration.
Mais n8n ne se limite pas aux automatisations classiques. La plateforme propose également des composants destinés à construire des traitements intégrant des modèles de langage, des outils et des agents IA.
Son nœud AI Agent permet notamment d'intégrer un agent dans un workflow. Celui-ci peut disposer d'outils et sélectionner ceux qui sont adaptés à la tâche, tandis que le workflow environnant conserve la responsabilité des étapes qui lui sont confiées.
La distinction est importante : n8n organise le processus et les échanges ; l'agent apporte une capacité de décision contextualisée à l'intérieur de ce processus. Les deux peuvent travailler ensemble sans se remplacer.
Pour découvrir les mécanismes disponibles et leurs modalités de configuration, consulter la documentation officielle :
Les fonctions disponibles et leur présentation peuvent évoluer avec les versions de n8n. Il convient donc de vérifier la documentation correspondant à la version effectivement installée avant de reproduire une configuration.
11. Vers des architectures composées d'agents et de services
Une fois ces mécanismes compris, il devient possible d'imaginer des architectures plus élaborées. Plusieurs agents spécialisés peuvent intervenir dans un même processus : l'un recherche des informations, un autre analyse des données, un troisième prépare un résultat. Un workflow peut coordonner leurs interventions, contrôler les échanges et organiser la restitution finale.
Cette approche est parfois appelée architecture multi-agents. Elle ne consiste pas simplement à multiplier les modèles. Elle suppose de définir les responsabilités de chaque agent, les informations qu'ils peuvent échanger, les outils auxquels ils ont accès et la manière dont leurs résultats sont validés.
D'autres mécanismes peuvent compléter cette architecture, notamment les protocoles d'interopérabilité comme MCP (Model Context Protocol), qui permettent de standardiser certaines interactions entre des modèles, des agents et des outils. Ils ne remplacent pas l'orchestration : ils peuvent faciliter la connexion aux capacités externes.
Le choix de ces mécanismes dépend toujours du besoin. Une automatisation classique reste souvent la meilleure solution pour une tâche répétitive. Un agent devient pertinent lorsque le contexte impose une analyse ou un choix. Une architecture combinée prend tout son sens lorsque plusieurs services et plusieurs types de décisions doivent coopérer.
À retenir
L'automatisation exécute des tâches selon des règles. Le workflow organise les opérations. L'orchestration coordonne plusieurs services. L'agent IA peut sélectionner des actions en fonction d'un objectif et du contexte. Ces fonctions sont complémentaires : un workflow peut intégrer un agent, et une plateforme comme n8n peut organiser, encadrer et contrôler leur coopération.
