Agent IA vs Chatbot : la vraie différence en 2026

Vous demandez un remboursement à un chatbot de support. Il vous renvoie une réponse polie avec un lien vers la politique et attend votre prochain message. Vous demandez un remboursement à un agent IA bien construit. Il retrouve la commande, vérifie la politique, ouvre un ticket, émet l'avoir si cela rentre dans les règles et vous dit en une phrase ce qu'il a fait. Les deux ont utilisé un modèle de langue. Un seul a terminé le travail.

En 2026 les mots "chatbot" et "agent IA" sont utilisés comme synonymes dans le marketing, et cela devient un problème quand on choisit un logiciel pour de vrai. La différence n'est pas une étiquette. C'est une différence d'architecture : ce que le système a le droit de faire entre les tours, ce qu'il retient d'un tour à l'autre et s'il peut agir sur le monde extérieur sans que vous lui teniez la main. Cet article explique cette différence en termes clairs et vous aide à choisir le bon pour le problème qui est devant vous.

La distinction lecture seule contre lecture-écriture

Le résumé le plus net en une ligne : un chatbot lit et répond ; un agent IA lit, écrit et agit.

Les chatbots sont des interfaces conversationnelles posées sur une base de connaissances ou un modèle de langue. Vous envoyez du texte, ils renvoient du texte. En dessous ils peuvent consulter une FAQ, un index vectoriel ou un modèle fine-tuné, mais le contrat est le même : du texte entre, du texte sort, la conversation ne continue que si vous la continuez.

Les agents IA sont des runtimes. Le modèle de langue est un composant à l'intérieur d'une boucle qui inclut aussi des outils, de la mémoire et un planificateur. L'agent décide quoi faire ensuite, appelle un outil, observe le résultat et décide à nouveau. Il continue jusqu'à atteindre l'objectif ou abandonner. La conversation est un canal vers l'agent, pas le produit entier.

C'est pour ça que Gartner a été aussi direct sur le marché : le cabinet a rapporté que parmi des milliers de fournisseurs qui appellent leur produit "agent IA", seuls environ 130 sont vérifiablement agentiques selon un standard architectural sérieux. La plupart des autres sont des chatbots dans un nouvel emballage.

Deux diagrammes de flux côte à côte. Celui de gauche est un flux de texte unidirectionnel simple étiqueté chatbot. Celui de droite est une boucle fermée étiquetée agent avec des flèches entre raisonner, agir, observer et une petite boîte étiquetée mémoire

Cinq dimensions qui les séparent vraiment

Prenez n'importe quelle comparaison honnête d'un fournisseur qui construit les deux et les mêmes cinq dimensions reviennent. Elles sont utiles parce que chacune est testable.

1. Raisonnement

Un chatbot fait correspondre votre question à une réponse. La correspondance peut être un arbre de décision, une récupération sur des docs ou un seul appel au LLM, mais c'est une seule étape.

Un agent raisonne en boucle. Le motif dominant est ReAct, issu d'un article de 2022 de Yao et al., Princeton et Google : le modèle réfléchit à l'état, choisit une action, observe le résultat, puis réfléchit à nouveau. C'est cette boucle qui permet à un agent de gérer "trouve le vol le moins cher qui me permet de garder la réunion de mardi et réserve-le" plutôt que de juste renvoyer une liste de vols.

2. Usage d'outils

Les chatbots parlent. Les agents appellent des outils : API, commandes shell, bases de données, serveurs MCP, recherche, courriel, agenda, navigateurs. Le Model Context Protocol a transformé l'accès aux outils en un motif de type plug-in, et le nombre de serveurs MCP publics est passé d'environ 500 fin 2025 à entre 10 000 et 12 000 un an plus tard. Si un système ne peut pas sortir de sa propre fenêtre de conversation, c'est un chatbot.

3. Mémoire

Les chatbots sont en général sans état entre les sessions. Ils retiennent la conversation en cours dans la fenêtre de contexte et l'oublient à la fermeture. Les fonctions de "mémoire" façon ChatGPT stockent une petite poignée de faits résumés : utile, mais plafonné à environ 1 400 mots et opaque pour l'utilisateur.

Les agents disposent d'une couche de mémoire conçue pour ça : vector stores, graphes de connaissances ou simples fichiers markdown sur disque. La mémoire survit aux redémarrages, l'utilisateur peut l'inspecter et la modifier, et elle alimente la boucle de raisonnement à chaque tour. Pour plus de profondeur sur les architectures, voir AI Assistant with Persistent Memory.

4. Action et autonomie

Le rayon d'action d'un chatbot, c'est une réponse. Le rayon d'action d'un agent, c'est ce que ses outils permettent : un remboursement, une invitation d'agenda, un déploiement, une écriture en base. C'est tout l'intérêt et tout le risque. Les agents arrivent avec des modèles de permissions, des allowlists, des modes simulation et des points humain-dans-la-boucle. Les chatbots n'en ont pas besoin.

5. Apprentissage entre sessions

Les chatbots s'améliorent quand vous les ré-entraînez. Les agents s'améliorent de deux façons supplémentaires. Certains stockent des skills : des procédures réutilisables que l'agent lui-même écrit la première fois qu'il comprend comment faire quelque chose, et qu'il rejoue telles quelles à la tâche similaire suivante. D'autres maintiennent des profils utilisateur qui grandissent à chaque interaction. Les poids du modèle ne changent pas ; les notes de travail de l'agent oui.

Quand un chatbot est la bonne réponse

Appeler tout "agent" est une erreur de catégorie. Beaucoup de problèmes réels sont très bien traités par un chatbot, et monter un agent pour eux est de l'argent gaspillé.

Utilisez un chatbot quand :

Les questions se regroupent autour d'un petit nombre d'intentions (retours, horaires, réinitialiser un mot de passe).
La réponse est dans votre documentation et l'utilisateur veut la documentation plus vite.
Le coût d'une mauvaise action est nettement plus élevé que celui d'une aide manquée, donc vous ne voulez pas d'action autonome au départ.
Vous voulez une latence et un coût par interaction prévisibles, sans appels d'outils qui les gonflent.

Un chatbot répond aux questions de support toute la journée pour une fraction du coût d'un agent. Si le travail est "réponds à cette question à partir de notre base de connaissances", il n'y a aucune raison d'ajouter un planificateur et une boucle d'outils.

Quand vous avez vraiment besoin d'un agent

Le signal qu'il vous faut un agent et pas un chatbot, c'est un travail en plusieurs étapes avec des effets de bord. Si une interaction réussie exige que le système fasse plusieurs choses dans un ordre précis, lise l'état quelque part, écrive l'état ailleurs et choisisse entre des chemins selon ce qu'il trouve, vous décrivez un agent.

Exemples concrets tirés de déploiements réels :

Un assistant Telegram qui lit les messages entrants, rédige les réponses dans votre ton, réserve le créneau dans l'agenda et envoie la confirmation, le tout sans que vous changiez d'app.
Un assistant devops qui surveille une GitHub Action, ouvre une PR brouillon avec un correctif si un schéma d'échec connu apparaît, et n'alerte le on-call que si le correctif ne tient pas.
Un agent commercial qui recherche un prospect, rédige le courriel sortant, programme la relance et met à jour le CRM, puis vous demande d'approuver l'envoi.

Ce ne sont pas des conversations de chat. Le chat, c'est le volant ; la voiture, c'est l'agent.

Gartner prévoit qu'à la fin de 2026 40 % des applications d'entreprise incluront des agents IA dédiés à une tâche, contre moins de 5 % en 2025, et que les agents résoudront en autonomie 80 % des cas courants de service client d'ici 2029. Le basculement est réel. C'est aussi pourquoi l'avertissement "agent-washing" compte : la plupart des produits vendus aujourd'hui comme des agents ne sont pas construits comme tels, et ça se voit en testant s'ils peuvent finir un travail en plusieurs étapes sans que vous les surveilliez.

Photographie sombre d'un établi avec un cahier ouvert sur des recettes de skills écrites à la main, un ordinateur portable affichant un terminal en cours et un téléphone sur un support montrant une discussion Telegram : les trois surfaces de l'agent qui travaillent ensemble

Comment les distinguer en 60 secondes

Quand un fournisseur vous présente "un agent IA", faites trois tests rapides.

Demandez-lui de faire quelque chose en deux étapes avec un effet réel. "Retrouve ma dernière facture Stripe et envoie-moi le PDF par courriel." Un chatbot vous expliquera comment faire. Un agent le fera.
Fermez l'onglet et revenez demain. Mentionnez un détail précis de la conversation d'hier. Un chatbot ne saura pas de quoi vous parlez. Un agent récupère la mémoire et continue.
Demandez-lui à quels outils il a accès. Un chatbot listera des capacités ("Je peux répondre à des questions sur votre compte"). Un agent listera des outils ("Stripe, Gmail, GitHub, Postgres, votre agenda") et vous dira lesquels sont autorisés pour votre compte.

Si un produit échoue aux trois, c'est un chatbot. Ce n'est pas une insulte, les chatbots sont utiles. Mais vous choisissez le mauvais niveau de logiciel s'il vous fallait un agent.

Où Hermes Agent se situe

Si vos critères d'"agent" ci-dessus correspondent à ce dont vous avez vraiment besoin, Hermes Agent est l'une des options open source à connaître. Il fonctionne comme un agent personnel unique toujours allumé plutôt qu'un framework d'orchestration multi-agent, embarque une mémoire persistante en markdown brut, prend en charge MCP et se connecte à Telegram, Discord, Slack, WhatsApp et au courriel comme surfaces natives. Il est BYOK (OpenAI, Anthropic, OpenRouter, endpoints personnalisés), sous licence MIT et auto-hébergeable sur un VPS à 5 $.

Hermes est une option parmi d'autres : CrewAI pour l'orchestration multi-agent, AutoGen pour les workflows de recherche, OpenAI Assistants API pour l'usage managé et une longue traîne de frameworks. Pour un face-à-face sur la place de chacun, voir Hermes Agent vs CrewAI.

Si vous ne voulez pas gérer le runtime vous-même, Hermify héberge un Hermes Agent managé entre 19 et 59 $/mois avec mémoire, skills, MCP et Telegram déjà connectés. Commencer avec Hermify et vous pouvez avoir un vrai agent (pas un chatbot) qui tourne dans votre Telegram en moins de cinq minutes.

À retenir

La distinction chatbot contre agent n'est pas une impression. C'est une question : le système sait-il raisonner en boucle, utiliser des outils, retenir d'une session à l'autre et agir avec une autonomie bornée ? S'il sait faire les quatre, c'est un agent. S'il ne sait rien faire de tout ça, c'est un chatbot. S'il sait en faire une partie, c'est un hybride, et il faut savoir lesquelles, parce que ça détermine ce que le produit peut réellement finir pour vous.

Choisissez la bonne couche pour le travail. Utilisez un chatbot quand le travail est de répondre à des questions. Utilisez un agent quand le travail est d'avancer les choses.