La distinction fondamentale : répondre versus agir
Un chatbot est un système de question-réponse : il reçoit un message, produit une réponse textuelle et attend le message suivant. Son action sur le monde se limite au texte qu'il génère. Un agent, en revanche, peut exécuter des actions qui ont des effets réels : créer un fichier, envoyer une requête à une API, modifier une entrée de base de données, déclencher un processus. La différence n'est pas dans la qualité du modèle de langage utilisé, mais dans l'architecture qui l'entoure.
Cette distinction a des implications pratiques importantes. Un chatbot qui donne une mauvaise réponse peut être corrigé par le message suivant. Un agent qui exécute une mauvaise action peut avoir des effets difficiles à annuler. C'est pourquoi les exigences en matière de validation, de permissions et de supervision sont structurellement plus élevées pour un agent que pour un chatbot.
- Chatbot : produit du texte, n'agit pas sur les systèmes
- Agent : exécute des actions avec des effets réels
- Les erreurs d'un agent peuvent être plus difficiles à corriger que celles d'un chatbot
Ce qu'un chatbot fait bien et ce qu'il ne peut pas faire
Un chatbot excelle dans les tâches de génération de contenu, de reformulation, de synthèse, de réponse à des questions sur des informations fournies dans la conversation, et d'assistance à la rédaction. Ces tâches ne nécessitent pas d'accès à des systèmes externes et peuvent être accomplies avec un modèle de langage seul. La simplicité de l'architecture chatbot est un avantage réel pour ces cas d'usage.
En revanche, un chatbot ne peut pas vérifier l'état actuel d'un système, exécuter une procédure en plusieurs étapes sur des données réelles, ou prendre des décisions basées sur des informations qui ne lui ont pas été fournies dans la conversation. Si votre besoin implique l'une de ces capacités, un chatbot ne suffira pas, quelle que soit la qualité du modèle utilisé.
- Chatbot adapté : génération de contenu, synthèse, reformulation, Q&R
- Chatbot inadapté : accès à des systèmes, procédures multi-étapes, données en temps réel
- La qualité du modèle ne compense pas l'absence d'architecture agentique
Ce qu'un agent Hermes Agent apporte en plus
Hermes Agent ajoute à la capacité de raisonnement du modèle une architecture d'exécution : des outils déclarés, une boucle de validation, une gestion de la mémoire et un système de skills réutilisables. Cela permet de déléguer des tâches qui nécessitent plusieurs étapes, des accès à des ressources externes et une forme de persistance entre les interactions.
Cette puissance supplémentaire a un coût en complexité de configuration et en exigences de supervision. Un agent Hermes Agent correctement configuré peut accomplir des tâches qu'aucun chatbot ne pourrait réaliser. Mais un agent mal configuré peut produire des effets indésirables qu'un chatbot, par construction, ne pourrait pas provoquer. Le choix entre les deux doit être guidé par le besoin réel, pas par la sophistication perçue.
- L'agent ajoute : outils, boucle de validation, mémoire, skills
- La complexité de configuration est plus élevée pour un agent
- Choisir selon le besoin réel, pas selon la sophistication
Les limites de l'agent : ce qu'il ne faut pas lui déléguer
Un agent Hermes Agent n'est pas omniscient ni infaillible. Il peut mal interpréter des instructions ambiguës, prendre des décisions incorrectes face à des situations non prévues dans sa configuration, ou produire des résultats incorrects si les outils qu'il utilise retournent des données inattendues. Ces limites ne sont pas des bugs à corriger : elles sont inhérentes à l'architecture des systèmes agentiques actuels.
Les tâches qui ne doivent pas être déléguées à un agent sans supervision humaine incluent : les décisions irréversibles à fort impact, les actions sur des données sensibles sans validation, les procédures dont les cas limites ne sont pas tous connus, et les situations où une erreur aurait des conséquences difficiles à quantifier. L'autonomie de l'agent doit être proportionnée au niveau de confiance établi par les tests.
- Ne pas déléguer les décisions irréversibles à fort impact sans supervision
- Les cas limites non couverts peuvent produire des comportements inattendus
- L'autonomie doit être proportionnée au niveau de confiance établi
Critères pratiques pour choisir entre chatbot et agent
Quelques questions permettent de guider le choix : La tâche nécessite-t-elle d'accéder à des systèmes externes ? Si oui, un agent est nécessaire. La tâche implique-t-elle plusieurs étapes dépendantes les unes des autres ? Si oui, un agent est plus adapté. La tâche peut-elle être accomplie uniquement avec des informations fournies dans la conversation ? Si oui, un chatbot suffit probablement.
Une autre dimension à considérer est la tolérance à l'erreur : si une erreur dans l'exécution de la tâche a des conséquences significatives, les exigences de validation et de supervision d'un agent sont justifiées. Si la tâche est à faible enjeu et facilement corrigeable, la simplicité d'un chatbot est un avantage. Il n'y a pas de réponse universelle : le bon outil dépend du contexte.
- Accès à des systèmes externes → agent nécessaire
- Étapes dépendantes les unes des autres → agent plus adapté
- Informations disponibles dans la conversation, faible enjeu → chatbot suffisant
- Tolérance à l'erreur faible → exigences de validation plus élevées
Les zones grises : quand la frontière est floue
Certains cas d'usage se situent à la frontière entre chatbot et agent : un assistant qui peut consulter des documents mais pas les modifier, un système qui génère des rapports à partir de données fournies manuellement, ou un outil qui propose des actions mais attend une confirmation humaine avant de les exécuter. Ces configurations hybrides sont légitimes et souvent plus prudentes qu'une délégation complète.
Hermes Agent peut être configuré pour fonctionner dans ces modes intermédiaires : des outils en lecture seule, des validations systématiques avant toute écriture, des skills qui s'arrêtent et demandent confirmation à des étapes clés. Cette gradation de l'autonomie est une approche saine pour construire progressivement la confiance dans un système agentique.
- Les configurations hybrides lecture seule / confirmation sont légitimes
- La gradation de l'autonomie permet de construire la confiance progressivement
- Un agent qui demande confirmation n'est pas moins utile, il est plus sûr
Implications pour la confidentialité selon le paradigme choisi
Un chatbot qui n'accède à aucun système externe ne traite que les informations que vous lui fournissez explicitement dans la conversation. Un agent, en revanche, peut accéder à des données que vous ne lui avez pas directement transmises, via ses outils. Cette différence a des implications importantes pour la confidentialité : les données auxquelles l'agent accède via ses outils transitent dans le contexte du modèle.
Si le modèle est hébergé à distance, ces données lui sont transmises. La configuration du gateway via `hermes gateway setup` et `hermes gateway status` permet de contrôler où le modèle s'exécute. Pour les cas d'usage sensibles, un modèle local est préférable, quelle que soit la qualité des modèles distants disponibles.
- Un chatbot ne traite que ce que vous lui fournissez explicitement
- Un agent accède à des données via ses outils, qui transitent dans le contexte
- `hermes gateway setup` et `hermes gateway status` contrôlent le point d'exécution
- Pour les données sensibles, préférer un modèle local
Sources et méthode
Cette page est une synthèse éditoriale indépendante. Les capacités et commandes doivent être vérifiées dans les sources officielles avant une utilisation en production.