L'agent, pas l'employé
Un employé fait ce qu'on lui dit.
Un agent fait ce qui doit être fait.
La différence n'est pas sémantique. C'est une architecture.
Ce qu'on appelle "IA" n'est pas un agent
La plupart des intégrations IA que les gens construisent en 2026 sont des chatbots habillés.
Tu poses une question. Le système répond. Tu poses une autre question. Le système répond encore.
Aucune mémoire. Aucune initiative. Aucun apprentissage entre les sessions.
C'est un employé qui oublie tout chaque matin.
Un agent commercial autonome, c'est différent. Il trouve des prospects, les contacte, relance, répond, apprend de ce qui marche, met à jour ses propres scripts.
Sans qu'on lui demande.
Les 7 composants
Après plusieurs mois de construction, voilà ce qu'il faut assembler pour que ça tienne.
1. La prospection. Le système cherche activement de nouveaux clients potentiels. Il qualifie. Il élimine les doublons. Il s'arrête quand il a ce qu'il faut.
2. Le contact multi-canal. Il génère un message personnalisé pour chaque prospect, sur le bon canal, au bon moment. WhatsApp en priorité ici — c'est là que les PME africaines répondent.
3. La séquence de relances. Il ne relance pas pour relancer. Chaque message apporte quelque chose de nouveau. Un fait, un angle différent, une fermeture propre. Trois relances, puis silence respectueux.
4. La mémoire conversationnelle. Pour chaque prospect, il maintient un fichier de faits extraits automatiquement. Budget mentionné. Objections exprimées. Prochaine étape convenue. Il ne répète jamais ce qui a déjà été dit.
5. Le RAG. Avant chaque réponse, il recherche dans sa base de connaissance les informations pertinentes. Il va sur le web quand il ne sait pas. Il ne répond pas à partir de rien.
6. L'apprentissage. Après chaque conversation avec un signal positif, il extrait un pattern. Quelles objections. Quelles réponses ont fonctionné. Combien d'échanges avant la réaction. Ce graphe grossit. Il s'en sert pour les prochains prospects similaires.
7. Les workflows. Tout le processus est modélisé sous forme de tâches déclaratives. Chaque tâche a un prompt en langage naturel, des outils référencés, un schéma de données. N'importe quel agent IA peut lire cette définition et exécuter.
Ce qui change vraiment
Un chatbot nécessite un humain pour chaque décision.
Un agent nécessite un humain seulement aux points critiques — avant l'envoi d'un message, avant un engagement financier.
Le reste s'exécute seul.
La supervision humaine n'est pas supprimée. Elle est repositionnée là où elle a de la valeur.
L'erreur d'architecture la plus fréquente
La plupart des gens construisent des agents qui répondent.
Les agents qui durent sont ceux qui apprennent.
Un modèle de langage seul ne se souvient pas d'hier. C'est le système autour de lui — la mémoire persistante, le graphe de conversations, la base de connaissance mise à jour — qui crée l'illusion d'un agent qui progresse.
L'IA est le cerveau. L'architecture est la mémoire.
Ce que ça exige
Construire ça correctement prend du temps. Ce n'est pas un projet de weekend.
Il faut définir les workflows métier avant de coder. Il faut comprendre le marché pour que les prompts soient justes. Il faut tester sur de vraies conversations pour extraire de vrais patterns.
Mais une fois en place, le système travaille.
Pas 8h/jour. Continu.
→ Devlog : comment j'ai construit cet agent
→ Le prompt compact : 300 tokens au lieu de 4180