Agent washing : reconnaître un vrai agent IA en 2026

Sur les milliers de fournisseurs qui revendiquent aujourd’hui l’étiquette « agent IA », Gartner en juge environ 130 réellement agentiques (juin 2025). Le reste, ce sont des assistants, des automatisations et des chatbots repeints en agents.

Un vrai agent IA décide lui-même de sa marche à suivre et des outils qu’il mobilise pour atteindre un objectif. Un chatbot rebrandé exécute un script écrit à l’avance. La différence n’est pas cosmétique : c’est elle qui sépare un actif qui tient en production d’une démo qui impressionne trois personnes en réunion. Et elle coûte cher au marché, puisque Gartner prévoit l’abandon de plus de 40 % des projets d’IA agentique d’ici fin 2027.

Cet article pose ce qu’est l’agent washing, la ligne exacte entre un agent et un chatbot, les quatre critères pour reconnaître le premier du second, pourquoi un workflow honnête vaut mieux qu’un faux agent, et ce que cette confusion coûte aux projets.

Qu’est-ce que l’agent washing ?

L’agent washing désigne le fait de rebaptiser « agent IA » un produit existant, assistant conversationnel, automatisation de type RPA ou chatbot, sans lui donner de réelles capacités agentiques. Gartner a nommé cette pratique en juin 2025 et estime qu’environ 130 fournisseurs seulement, sur les milliers qui revendiquent l’étiquette, proposent un vrai agent. Le mot est neuf ; le procédé, celui du greenwashing transposé à l’IA, ne l’est pas.

Le mécanisme est simple. L’« agent IA » est devenu le terme qui déclenche un budget, alors une couche marketing suffit à transformer un produit d’hier en produit du moment. Gartner documente ce glissement et le taux d’échec qu’il alimente : quand la capacité ne suit pas l’étiquette, le projet déçoit, puis meurt. Le problème n’est pas qu’il existe des chatbots. C’est qu’on les vende, et qu’on les paie, comme des agents.

Quelle est la différence entre un agent IA et un chatbot ?

La différence tient à qui décide du chemin. Dans un workflow, dont un chatbot scripté est un cas particulier, un humain a écrit d’avance la suite d’étapes et d’outils, et le modèle remplit les cases prévues. Dans un vrai agent, le modèle dirige lui-même son processus et l’usage de ses outils pour atteindre un but, et garde la main sur la façon d’y arriver. La bascule est structurelle, pas une question de puissance de modèle.

Anthropic pose cette frontière de manière nette : les workflows sont des systèmes où les modèles et les outils sont orchestrés par des chemins de code prédéfinis, tandis que les agents sont des systèmes où le modèle dirige dynamiquement ses propres processus et son usage des outils. Autrement dit, avec un workflow, c’est vous qui tenez la plomberie ; avec un agent, c’est le modèle. Un chatbot qui suit un arbre de décision, aussi bien habillé soit-il, reste du côté workflow.

Comment reconnaître un vrai agent IA ?

Un vrai agent réunit quatre traits qu’un chatbot rebrandé n’a pas : il décide de ses actions au lieu de dérouler un script, il utilise des outils réels pour agir sur vos systèmes, il tient une mémoire persistante entre les tâches, et chacune de ses décisions est traçable. Retirez l’un des quatre et vous avez une automatisation déguisée, pas un agent. Ce sont aussi les quatre questions à poser en démo, avant de signer.

• Décision, pas script. Face à un cas non prévu, l’agent choisit sa prochaine action ; le chatbot renvoie « je n’ai pas compris ». Question de démo : que se passe-t-il quand la demande sort du parcours prévu ?
• Usage d’outils réels. L’agent lit et écrit dans vos systèmes (CRM, messagerie, base documentaire) ; le chatbot ne fait que répondre en texte. Question : sur quels outils l’agent agit-il concrètement ?
• Mémoire persistante. L’agent conserve un état entre deux tâches ; le chatbot repart de zéro à chaque session. Question : que sait l’agent d’une tâche à la suivante, et où est-ce stocké ?
• Traçabilité. Chaque décision de l’agent est enregistrée et rejouable ; la boîte noire ne l’est pas. Question : peut-on auditer pourquoi l’agent a décidé cela, la semaine dernière ?

Ce test, nous l’appliquons à nos propres agents avant de parler d’agents à un client. Notre agent commercial décide chaque matin quels dossiers traiter, agit dans le CRM et la messagerie, tient une mémoire versionnée par affaire, et fait tracer chacune de ses décisions. Il rédige les emails mais ne les envoie pas : la validation finale reste humaine. Ces quatre garanties, et la panne que chacune évite, nous les détaillons dans notre décryptage du pattern d’un agent IA fiable. Voyons ensemble, sur un de vos processus, si un agent est vraiment ce qu’il vous faut, avant la moindre ligne de code.

Un workflow est-il forcément un mauvais choix ?

Non, et c’est le contresens à éviter. Un workflow bien conçu est souvent le bon outil : Anthropic recommande de choisir la solution la plus simple et de ne complexifier que lorsque c’est nécessaire. Beaucoup de processus n’ont pas besoin d’un agent autonome, mais d’étapes claires, d’outils cadrés et de résultats mesurables. Le problème n’est donc pas le workflow. C’est le mensonge sur l’étiquette.

L’agent washing consiste précisément à vendre une automatisation scriptée avec le prix, les promesses et le vocabulaire d’un agent autonome. Un fournisseur honnête vous dira quand un workflow suffit, parce que la bonne réponse est celle qui résout votre problème, pas celle qui justifie la facture la plus élevée. Le bon réflexe d’acheteur n’est pas d’exiger un agent partout, mais d’exiger que la capacité corresponde au nom.

Pourquoi l’agent washing fait-il échouer les projets ?

Parce qu’on achète une promesse d’autonomie et qu’on déploie un script fragile. Gartner prévoit l’abandon de plus de 40 % des projets d’IA agentique d’ici fin 2027, pour cause de coûts qui dérapent, de valeur métier floue et de contrôles de risque insuffisants. Un produit rebrandé coche les trois cases : il coûte comme un agent, promet comme un agent, et casse dès que la réalité s’écarte du parcours prévu.

Le fond du problème n’est pas la technologie. Notre conviction, c’est que 80 % des projets IA plantent par manque d’intelligence humaine : un cadrage qui distingue le processus qui mérite un agent de celui qui se contente d’un workflow, des sources choisies, un ancrage dans le métier. L’étiquette « agent » ne remplace aucun de ces travaux. Nous avons détaillé ce mécanisme dans notre analyse des projets IA qui échouent, et il vaut ici mot pour mot : ce qui casse, ce n’est jamais le modèle, c’est ce qu’on a mis, ou pas, autour. Un vrai agent tient parce qu’on l’a construit pour la production, pas pour la démonstration.

Questions fréquentes

Qu’est-ce que l’agent washing en IA ?

C’est la pratique consistant à rebaptiser « agent IA » un produit existant, chatbot, assistant ou automatisation, sans lui donner de vraies capacités agentiques. Gartner a nommé cette pratique en juin 2025 et estime qu’environ 130 fournisseurs seulement, sur des milliers qui revendiquent l’étiquette, proposent un agent authentique. Le terme calque le greenwashing : une promesse marketing qui dépasse la réalité du produit.

Un chatbot est-il un agent IA ?

Non, dans la grande majorité des cas. Un chatbot répond en suivant un script ou un arbre de décision écrit par un humain, il reste du côté du workflow. Un agent, lui, décide dynamiquement de sa marche à suivre et de ses outils pour atteindre un objectif. Un chatbot peut être un composant utile, mais l’appeler « agent » relève de l’agent washing dès qu’il ne fait que dérouler un parcours prévu.

Comment tester si un fournisseur vend un vrai agent IA ?

Posez quatre questions en démo. Que fait le produit face à un cas non prévu ? Sur quels outils agit-il réellement dans vos systèmes ? Que garde-t-il en mémoire d’une tâche à la suivante, et où ? Peut-on auditer après coup pourquoi il a pris une décision ? Un vrai agent répond aux quatre. Une automatisation déguisée bute dès la première.

Un agent IA est-il toujours meilleur qu’un workflow ?

Non. Beaucoup de processus sont mieux servis par un workflow simple, plus prévisible et moins coûteux qu’un agent autonome. Anthropic recommande d’ailleurs la solution la plus simple qui marche. La bonne question n’est pas « agent ou workflow », mais « quel outil résout le problème ». Le défaut de l’agent washing est de vendre un agent là où un workflow suffirait, au prix de l’agent.

Pourquoi tant de projets d’IA agentique sont-ils abandonnés ?

Gartner prévoit l’abandon de plus de 40 % des projets d’IA agentique d’ici fin 2027, pour cause de coûts non maîtrisés, de valeur métier floue et de contrôles de risque insuffisants. Aucune de ces causes n’est un problème de puissance de calcul. Un produit vendu comme un agent mais construit comme un script coche ces trois cases, et déçoit dès qu’il quitte les conditions idéales de la démonstration.

Conclusion

Reconnaître un vrai agent d’un chatbot rebrandé tient à une question et quatre critères. La question : qui décide du chemin, l’humain qui a écrit le script, ou le modèle qui dirige son propre processus ? Les critères : décision réelle, usage d’outils, mémoire persistante, traçabilité. Un produit qui réunit les quatre est un agent ; un produit qui en manque un est une automatisation à laquelle on a collé le mot du moment.

La bonne posture n’est ni de fuir les agents ni de les réclamer partout, c’est d’exiger que la capacité corresponde au nom, et de commencer par le problème plutôt que par l’étiquette. Discutons de votre cas en trente minutes : quel processus mérite vraiment un agent, lesquels se contentent d’un workflow, et comment ne pas payer l’un pour l’autre.

---

Agify conçoit et installe des agents IA sur mesure dans les entreprises B2B, avec décision autonome, mémoire versionnée, validation humaine et tracing sur chaque agent, parce qu’un agent qui ne réunit pas ces garanties n’est qu’un chatbot mieux habillé.