La vraie différence entre un prompt, un workflow et un agent

Le mot "agent" est partout. "Workflow" aussi. On mélange les deux, puis on se retrouve avec des systèmes impossibles à déboguer parce qu'on n'a pas nommé la bonne chose.

Voilà le modèle mental que j'utilise. Pas la définition académique. La définition utile quand tu construis.

Un prompt

Un prompt est un seul appel à un LLM. Une entrée, une sortie. C'est tout.

Toi : "Résume cet article."
LLM : [résumé]

Pas de boucle. Pas de décision. Pas d'outils. Un aller-retour.

La plupart des fonctionnalités IA livrées en 2023 étaient des prompts. Un bon prompt peut déjà faire beaucoup. Mais il reste one-shot et sans état.

Un workflow

Un workflow est une séquence d'étapes. Certaines peuvent appeler un LLM, mais l'ordre est prévu à l'avance. La structure est définie par le développeur, pas par le modèle.

Exemple : un workflow de repurposing de contenu.

1. Recevoir un post LinkedIn (déclencheur)
2. Appeler Claude pour le réécrire en thread Twitter
3. Appeler Claude pour extraire un paragraphe newsletter
4. Poster sur Twitter via API
5. Sauvegarder dans Notion

Le LLM est à l'intérieur du workflow, mais il ne le contrôle pas. Le flux est fixe. Le branchement est codé en dur. Tu orchestres des appels LLM, tu ne fais pas tourner un agent.

n8n, Zapier, et Make sont des outils de workflow. La plupart des "automatisations IA" que tu vois dans les tutoriels sont des workflows, pas des agents.

Les workflows sont bien : fiables, prévisibles, déboguables. Utilise-les quand tu connais les étapes à l'avance.

Un agent

Un agent est un système qui utilise un LLM pour décider quoi faire ensuite, exécute des actions, observe les résultats, et boucle jusqu'à atteindre un objectif.

La différence clé : le LLM contrôle le flux.

Objectif : "Trouve tous les fichiers TypeScript qui utilisent console.log et remplace-les par logger."

Boucle agentique :
1. LLM décide : chercher console.log dans les fichiers *.ts
2. Lance la recherche → obtient 12 résultats
3. LLM décide : lire le fichier 1, comprendre le contexte
4. LLM décide : écrire le remplacement en utilisant le pattern logger existant
5. LLM décide : vérifier que le changement n'a pas cassé les imports
... répète jusqu'à la fin

L'agent ne suit pas un script. Il prend des décisions à chaque étape selon ce qu'il observe.

Les vrais agents ont :

• Un objectif, pas juste une tâche
• Accès à des outils (système de fichiers, APIs, recherche)
• De la mémoire entre les étapes (au moins dans la run)
• La capacité de gérer des états inattendus

Claude Code est un agent. Il décide quels fichiers lire, quoi modifier, s'il faut lancer des tests, et quand s'arrêter.

La confusion

Le terme "agent" s'est attaché à tout ce qui implique LLMs + action. Ça inclut des choses qui sont clairement des workflows (un flux n8n fixe avec un nœud OpenAI) ou même des prompts (un chatbot avec un system prompt).

Le test pratique : qui contrôle le flux ?

• Le développeur contrôle : workflow
• Le LLM contrôle : agent
• Pas de flux du tout : prompt

Quand utiliser quoi

Prompt : transformation unique bien définie. Résumer, classifier, extraire, traduire.

Workflow : séquence connue d'étapes avec occasionnellement du LLM. Pipelines de contenu, notifications, traitement de formulaires.

Agent : tâches où les étapes elles-mêmes sont inconnues à l'avance. Analyse de codebase, recherche, résolution de problèmes ouverts.

Ne saute pas sur un agent quand un workflow suffit. Les agents sont plus puissants, mais plus difficiles à déboguer et moins prévisibles. Construis la chose la plus simple qui résout le problème, et sache ce que tu construis.

Si tu as décidé que tu voulais un workflow, mon premier agent n8n en est un exemple concret de chaîne linéaire - un post LinkedIn en entrée, quatre formats de contenu en sortie. Si tu as décidé qu'il te faut un vrai agent, construire des agents IA qui fonctionnent vraiment couvre les patterns qui les gardent fiables au-delà du troisième run.