Tu sauras faire ça
- Distinguer un chatbot, un workflow et un agent, avec la définition qu'Anthropic utilise
- Reconnaître les cinq patrons de workflow et savoir lequel s'applique avant de parler d'agent
- Situer les six façons de construire un agent avec Claude sur deux questions : qui fournit le harnais, qui fournit la machine
- Chiffrer un agent avant de l'écrire : tokens, temps de session, outils, et le poste qui domine
- Écrire la fiche d'une page qui cadre ton agent : objectif, périmètre, limites, ce qu'il demande au lieu de deviner
Un agent est un programme où le modèle décide lui-même de ses étapes et de ses outils. Un workflow, c'est toi qui décides du chemin et le modèle qui remplit les cases. La plupart des « agents » qu'on te vend sont des workflows, et c'est très bien : c'est moins cher, plus prévisible, plus facile à déboguer. Ce parcours t'apprend à choisir, puis à construire les deux, de l'agent personnel sur ta machine à l'agent de production qui tourne la nuit avec un budget.
Le mot que tout le monde emploie, et ce qu'il veut dire
« Agent IA » est devenu un mot-valise : un chatbot avec une mémoire, un script qui appelle une API, un robot qui répond sur WhatsApp, une boucle qui code toute la nuit. Pour construire, il faut une définition qui tranche. Anthropic en a posé une dans son guide Building effective agents du 19 décembre 2024, et c'est celle que toute la documentation utilise depuis.
Un workflow est un système où « les modèles et les outils sont orchestrés par des chemins de code prédéfinis ». Un agent est un système où « les modèles dirigent dynamiquement leur propre processus et leur usage des outils, en gardant le contrôle sur la façon d'accomplir la tâche ». La différence n'est pas la complexité, ni le nombre d'appels : c'est qui décide de la prochaine étape. Dans un workflow, c'est ton code. Dans un agent, c'est le modèle.
Une troisième catégorie précède les deux : le chatbot avec outils, où un humain reste à chaque tour. Claude dans l'application qui cherche sur le web et crée un fichier, c'est ça. Ce n'est ni un workflow ni un agent au sens strict, et c'est déjà ce que tu utilises tous les jours.
| Tu as | Qui décide de l'étape suivante | Exemple | Ce que ça coûte à déboguer |
|---|---|---|---|
| Un chatbot avec outils | Toi, à chaque tour | Claude qui résume un PDF que tu lui donnes | Rien : tu vois tout |
| Un workflow | Ton code | Trier des emails, classer, rédiger une réponse type, envoyer | Peu : chaque case est testable seule |
| Un agent | Le modèle | « Trouve pourquoi les tests échouent et corrige » | Beaucoup : le chemin change à chaque exécution |
Les cinq patrons de workflow, avant d'écrire une ligne
Le même guide décrit cinq patrons. Ils couvrent, à eux cinq, l'immense majorité des « agents » que tu croiseras en entreprise, et tu les retrouveras tels quels dans n8n à la leçon 4.
| Patron | Ce que c'est | Quand il convient |
|---|---|---|
| Enchaînement (prompt chaining) | Chaque appel traite la sortie du précédent | « La tâche se découpe facilement et proprement en sous-tâches fixes » |
| Routage | Un premier appel classe l'entrée et l'envoie au bon traitement | Des catégories distinctes « mieux traitées séparément » |
| Parallélisation | Plusieurs appels en même temps : découpage, ou vote | Des sous-tâches indépendantes, ou une réponse à fiabiliser par plusieurs avis |
| Orchestrateur et ouvriers | Un appel central découpe le travail et délègue | « Des tâches complexes où tu ne peux pas prédire les sous-tâches » |
| Évaluateur et optimiseur | Un appel produit, un autre critique, et on boucle | « Des critères d'évaluation clairs » existent |
Le guide ajoute trois principes qui valent pour tout ce parcours : la simplicité (« maintenir la simplicité dans la conception de ton agent »), la transparence (« montrer explicitement les étapes de planification de l'agent »), et le soin apporté à l'interface entre l'agent et ses outils, qu'Anthropic appelle ACI, avec autant d'effort qu'on en met dans une interface pour humains. L'annexe sur l'ACI donne un exemple parlant : un outil qui exigeait des chemins de fichiers absolus, parce que le modèle se trompait avec les chemins relatifs. Changer l'outil, pas le prompt.
Six façons de construire, deux questions pour choisir
Le parcours Claude Code t'a donné la grille à la leçon 7 : pour construire un agent, il faut un harnais (la boucle qui appelle le modèle, exécute les outils, gère le contexte) et une machine (là où ça tourne). Chaque option se place sur ces deux axes. Il y en a six aujourd'hui, et ce parcours en couvre cinq.
| Option | Qui fournit le harnais | Qui fournit la machine | Pour qui | Leçon |
|---|---|---|---|---|
| Agent personnel open source (OpenClaw, Hermes Agent) | Le projet open source | Toi, sur ton ordinateur | Un assistant qui te suit sur tes messageries | 2 |
| Claude Code en tâche planifiée (Desktop, routines, sessions cloud) | Anthropic | Toi (Desktop) ou Anthropic (cloud) | Automatiser ce que tu fais déjà dans Claude Code | 3 |
| n8n avec un nœud Claude | n8n (un workflow, pas un agent) | n8n cloud ou ton serveur | Relier des logiciels SaaS avec un humain dans la boucle | 4 |
| Claude Agent SDK | Anthropic, en bibliothèque dans ton code | Toi | Un agent sur mesure, dans ton application | 5 |
| Agents gérés (Managed Agents) | Anthropic | Anthropic (ou ton propre bac à sable) | Un agent de production, planifié, budgété, sans serveur à tenir | 6 |
| API Messages et tes propres outils | Toi | Toi | Le contrôle total, au prix de tout écrire | Hors parcours |
Chiffrer avant d'écrire
Un agent coûte sur trois lignes : les tokens, le temps de machine, et les outils facturés à l'usage. Au 9 octobre 2026, sur l'API Anthropic, par million de tokens : Fable 5.1 à 10 $ en entrée et 50 $ en sortie, Opus 5.5 à 4 $ et 20 $, Sonnet 5.5 à 2 $ et 10 $, Haiku 5.5 à 0,10 $ et 0,50 $ tant que la requête reste sous 100 000 tokens (0,50 $ et 2,50 $ au-delà). Une lecture de cache coûte 0,25 $ sur Fable 5.1, 0,20 $ sur Opus 5.5, 0,10 $ sur Sonnet 5.5 et 0,01 $ sur Haiku 5.5. La recherche web facturée côté serveur coûte 10 $ pour 1 000 recherches. Un agent géré ajoute 0,08 $ par heure de session, comptée seulement pendant qu'elle tourne.
0,08 $
l'heure de session d'un agent géré, comptée pendant que la session tourne, pas pendant qu'elle attend
0,05 $
l'heure d'un conteneur minimal pour héberger toi-même l'Agent SDK, d'après la doc Anthropic
10 $
pour 1 000 recherches web côté serveur, quel que soit le modèle
La documentation d'hébergement de l'Agent SDK le dit sans détour : « le coût des tokens Anthropic domine typiquement le coût de l'infrastructure d'un ordre de grandeur ou plus ». Un conteneur minimal coûte environ 0,05 $ de l'heure, « tandis qu'une seule longue session d'agent peut dépenser des dollars en tokens ». Autrement dit : ne négocie pas ton hébergeur, négocie ton contexte.
Trois leviers font la différence, et tu les as déjà vus dans le parcours Prompt Engineering : le modèle (Haiku 5.5 pour classer, Sonnet 5.5 pour la plupart des tâches, Opus 5.5 pour le raisonnement long), le cache (tout ce qui se répète d'un appel à l'autre, consignes système et définitions d'outils, est mis en cache automatiquement par le SDK), et la taille des sorties d'outils (lire un gros fichier entier coûte des milliers de tokens à chaque tour qui suit).
La fiche d'une page
Tout ce parcours repose sur un document que tu écris avant le code : la fiche de ton agent. Elle tient sur une page et répond à six questions. Un agent sans fiche est un agent dont on ne sait pas s'il a réussi.
- L'objectif en une phrase, avec un critère de réussite observable : « chaque matin à 8 h, un résumé des tickets ouverts hier est posté dans le canal support, avec les trois plus urgents en tête ».
- Le périmètre : ce qu'il lit, ce qu'il écrit, à qui il parle. Tout ce qui n'est pas listé est interdit, pas « à voir ».
- Les limites dures : ce qu'il ne doit jamais faire même si on le lui demande dans un message. Supprimer, payer, envoyer à l'extérieur, modifier la production.
- Ce qu'il demande au lieu de deviner : les cas où il s'arrête et pose une question plutôt que de choisir. Une adresse email absente, un montant au-dessus d'un seuil, une instruction ambiguë.
- Le budget et la cadence : combien par exécution, combien d'exécutions, et ce qui se passe quand le budget est atteint.
- La preuve : comment tu sauras qu'il a bien travaillé. Un journal, un résultat à relire, un test qui tourne.
Je veux construire un agent IA et je veux d'abord sa fiche d'une page, pas son code.
Voici ce que je veux qu'il fasse, en vrac : [décris le besoin avec tes mots]
Voici les outils et données auxquels il devra accéder : [liste]
Rédige la fiche en six parties, sans phrase creuse :
1. Objectif en une phrase, avec un critère de réussite observable (quoi, où, quand).
2. Périmètre : ce qu'il lit, ce qu'il écrit, à qui il parle. Formule chaque élément comme une permission explicite.
3. Limites dures : ce qu'il ne doit jamais faire, même si un message, un fichier ou une page web le lui demande.
4. Cas où il s'arrête et demande au lieu de deviner, avec le seuil précis pour chacun.
5. Budget par exécution en dollars, cadence, et comportement quand le budget est atteint.
6. Preuve de bon fonctionnement : ce que je relirai, et ce qui doit être journalisé.
Puis dis-moi, en trois lignes, si ce besoin est un workflow (chemin prévisible) ou un agent (chemin qui dépend de ce que le modèle découvre), et pourquoi.Ce qui t'attend
Les six leçons suivantes montent en exigence. La leçon 2 installe un agent personnel sur ta machine, celui que les gens cherchent sur Google (« openclaw », 40 500 recherches par mois en France au 4 octobre 2026, « hermes agent », 12 100). La leçon 3 transforme ce que tu fais déjà dans Claude Code en tâche planifiée. La leçon 4 branche Claude dans n8n, parce que c'est l'outil qu'ont déjà les équipes qui automatisent. La leçon 5 construit un agent sur mesure avec le SDK. La leçon 6 le met en production avec un budget et des secrets qui ne fuient pas. La leçon 7 ferme avec la sécurité et la conformité, parce qu'un agent qui agit seul engage ta responsabilité.
20 min — La fiche de ton premier agent
Avant de cocher la dernière case : demande à Claude ce qu'il a supposé sans te le dire, et vérifie une de ces suppositions toi-même.
Les cartes de cette leçon
Réponds dans ta tête avant de retourner la carte. C'est l'effort de rappel qui ancre, pas la relecture.
Question
Quelle est la différence entre un workflow et un agent, selon Anthropic ?
Sources & méthode · Contenu vérifié au 4 octobre 2026, sur Claude Code 2.1.288, Claude Agent SDK 0.3.288 et l'API des agents gérés (bêta, en-tête managed-agents-2026-04-01). Sources : Building effective agents (Anthropic, 19 décembre 2024), Writing tools for agents (11 septembre 2025) et Effective context engineering for AI agents (29 septembre 2025) sur anthropic.com/engineering ; documentation Claude Code (code.claude.com/docs/en/agent-sdk/…, routines, tâches planifiées Desktop, sessions cloud, sandboxing, sécurité, déploiement sécurisé) ; documentation de la plateforme (platform.claude.com/docs/en/managed-agents/…, tarifs) ; documentation et dépôts d'OpenClaw (docs.openclaw.ai) et de Hermes Agent (hermes-agent.nousresearch.com) ; documentation n8n (docs.n8n.io) ; Google Ads, outil de planification des mots clés, France, septembre 2025 à août 2026, pour les volumes de recherche cités. Les versions, prix et limites sont ceux du jour de vérification et sont revérifiés à chaque passe de veille.