Chatbot, assistant intégré, agent : qui fait quoi ?

Quand on parle d'« IA », on parle souvent de ChatGPT. Mais ChatGPT n'est qu'une catégorie d'outil IA parmi d'autres. La même technologie sous-jacente (un modèle de langage, ou LLM) peut être emballée de plusieurs façons très différentes, qui ne servent pas du tout aux mêmes besoins.

Comprendre ces différences, c'est éviter trois pièges courants :

• utiliser un chatbot pour une tâche qui demanderait un agent → tu passes la moitié du temps en copier-coller
• utiliser un agent pour une tâche que résoudrait un chatbot → tu déploies un bulldozer pour planter un clou
• choisir un outil sur sa hype sans regarder ce qu'il fait vraiment → tu paies pour des fonctionnalités que tu n'utilises pas

🧠 Le point commun : un modèle de langage

Sous le capot, tous ces outils s'appuient sur un LLM (Large Language Model) — un modèle entraîné à prédire le texte le plus probable à partir d'un contexte. GPT-4, Claude Opus, Gemini, Llama, Mistral… ce sont des LLM.

Un LLM brut, c'est juste une fonction : on lui donne du texte, il complète. Pour devenir un outil utilisable, il faut l'emballer dans une interface. C'est cet emballage qui définit la catégorie d'outil — pas le modèle.

💡 Le même modèle (par exemple Claude Sonnet 4.6) peut alimenter un chatbot (Claude.ai), un assistant intégré (Cursor) ou un agent (Claude Code). C'est le type d'interface qui change, pas l'intelligence du modèle.

🗨️ Famille 1 — Le chatbot

Ce que c'est

Une interface de conversation dans un navigateur ou une appli mobile. Tu écris, le modèle répond. Rien ne sort de cette fenêtre — pour appliquer un résultat, c'est à toi de copier-coller.

Ce qu'il fait bien

• Expliquer un concept (en cours, à la maison, sur un sujet inconnu)
• Brainstormer une idée, une structure, un plan
• Rédiger un texte, un email, une dissertation, un script
• Traduire ou reformuler
• Analyser un document ou une image que tu lui colles
• Réviser : tu lui demandes de te poser des questions sur un cours
• Coder par bouts copiés-collés (snippet par snippet)

Ses limites

• N'a aucun accès à ton disque, ton terminal, internet (sauf option web search), tes outils
• Tout résultat doit être copié-collé manuellement vers ta vraie destination
• La conversation se perd quand tu fermes l'onglet (sauf si tu sauvegardes)
• Tu dois lui donner le contexte à chaque fois (ses derniers échanges sont sa seule mémoire)

Quand l'utiliser

Quand le travail final est du texte que tu vas relire et utiliser à la main.

Exemple : tu prépares un exposé, tu veux une explication claire d'un concept, ou tu demandes une review de ta dissertation. Le chatbot est parfait.

🪶 Famille 2 — L'assistant intégré (autocomplétion / inline)

Ce que c'est

L'IA est intégrée dans un outil que tu utilises déjà (ton éditeur de code, ton traitement de texte, ton mail). Elle te propose des complétions au fil de la frappe, ou répond à des questions sans quitter l'application.

Ce qu'il fait bien

• Suggérer la suite de ce que tu écris (variable, fonction, paragraphe…)
• Compléter du code répétitif : boucles, getters/setters, tests évidents
• Répondre à une question sur ton fichier ouvert sans changer d'app
• Rester rapide : pas besoin de prompt long, tu travailles en flot

Ses limites

• Vision locale, souvent limitée au fichier ouvert ou aux fichiers proches
• Ne prend pas l'initiative : c'est toi qui pilote ligne par ligne
• Peut inventer une API inexistante si le contexte est trop court (hallucination)
• Lié à un outil précis — si tu changes d'éditeur, tu perds l'assistant

Quand l'utiliser

Quand tu veux garder le contrôle ligne par ligne mais accélérer la frappe et éviter les répétitions.

Exemple : tu codes une fonction, Copilot devine la suite et te la propose en gris — Tab pour accepter. Ou : tu écris un mail dans Gmail, l'IA complète ta phrase.

🤖 Famille 3 — L'agent

Ce que c'est

L'IA agit dans ton environnement. Elle lit des fichiers, exécute des commandes, modifie du code, fait des appels réseau — sous ton contrôle, mais de sa propre initiative quand tu lui donnes un objectif de haut niveau.

Ce qu'il fait bien

• Tâches multi-étapes où l'ordre dépend des résultats intermédiaires
• Modifier plusieurs fichiers de façon cohérente dans un projet
• Lancer des commandes (tests, build, git, scripts shell)
• Naviguer sur le web et accomplir des tâches concrètes (remplir un formulaire, comparer des prix…)
• Itérer seul : essayer, lire l'erreur, corriger, retenter

Ses limites

• Peut faire des bêtises irréversibles s'il n'est pas surveillé (rm, push forcé, suppression de données…)
• Plus lent par opération qu'un chatbot ou Copilot (beaucoup d'appels au modèle pour une tâche)
• Consomme beaucoup de quota / d'API (un agent peut faire 50 appels là où un chatbot en fait 1)
• Demande une vraie supervision : tu dois relire ce qu'il fait, pas juste accepter

Quand l'utiliser

Quand tu peux décrire un objectif plutôt qu'une séquence d'étapes, et que tu acceptes de superviser ce qui se passe.

Exemple : « ajoute un bouton Copier au générateur de mot de passe, écris un test, lance les tests ». L'agent ouvre les fichiers, modifie, lance les tests, lit la sortie, ajuste. Tu valides à la fin.

📊 Tableau comparatif

🎯 Comment choisir : la question à se poser

Avant de sortir un outil, demande-toi :

                  ┌─────────────────────────────────┐
                  │  Quel est le résultat final ?   │
                  └────────────────┬────────────────┘
                                   │
        ┌──────────────────────────┼──────────────────────────┐
        │                          │                          │
        ▼                          ▼                          ▼
 Du texte/explication       Du code ligne par      Une tâche concrète à
 à lire / utiliser          ligne dans mon         exécuter dans un projet
 à la main                  éditeur                ou sur mon système
        │                          │                          │
        ▼                          ▼                          ▼
   CHATBOT                ASSISTANT INTÉGRÉ              AGENT

Quelques cas concrets

🌍 Et au-delà du code ?

Les trois familles existent pour tous les domaines, pas juste le code :

• Recherche / analyse : un chatbot comme Perplexity cite ses sources ; un agent comme Operator peut naviguer pour toi.
• Écriture : Notion AI (intégré), ChatGPT (chatbot), agents de rédaction long-format (encore expérimentaux).
• Bureautique : Microsoft 365 Copilot, Google Duet AI — intégrés à Word, Excel, Sheets…
• Image / vidéo : DALL·E, Midjourney, Sora — ce sont des modèles spécialisés, mais l'emballage suit les mêmes catégories (interface chat ou intégrée dans un outil).
• Vie quotidienne : agents qui planifient des réservations, comparent des assurances, remplissent des formulaires administratifs.

Le réflexe est toujours le même : quel est le résultat que je veux ? Faut-il que l'IA agisse, ou juste qu'elle me réponde ?

💸 Et les coûts ?

💡 Astuce étudiant : GitHub Copilot est gratuit avec un compte étudiant (GitHub Student Pack). Les chatbots ont tous une version gratuite suffisante pour l'usage scolaire. Pour les agents, les comptes gratuits ont des quotas qui suffisent à découvrir.

⚠️ Ce que ces outils ne sont pas

Avant de tomber dans le piège du marketing :

• Pas une source de vérité. Tous peuvent halluciner — inventer une fonction, une date, un nom de loi. Vérifie ce qui compte.
• Pas un substitut à la compréhension. Si tu rends du code que tu ne comprends pas, tu n'apprends rien et tu seras coincé au premier bug.
• Pas une boîte noire à laquelle déléguer. Tu restes responsable de ce qui sort de chez toi.
• Pas conscient. Le modèle ne « comprend » pas comme un humain — il prédit du texte plausible. Ça suffit pour énormément de tâches, mais ça ne pense pas.

✍️ À retenir

• Tous ces outils reposent sur des LLM, mais leur emballage détermine ce qu'ils savent faire.
• Chatbot : on discute, on copie-colle. Idéal pour expliquer, rédiger, brainstormer.
• Assistant intégré : il complète ce que tu fais dans ton outil. Idéal pour rester rapide ligne par ligne.
• Agent : il agit dans ton projet ou ton système. Idéal pour les tâches multi-étapes décrites en langage naturel.
• Bon outil = bon résultat avec le moins d'effort. Réfléchis au type de résultat avant de choisir.
• Les trois familles existent hors du code : bureautique, recherche, image, vie quotidienne.
• Tu restes responsable de ce que tu produis avec ces outils — toujours.

Suite

L'article suivant (Coder son projet avec un agent IA) te fait passer à la pratique : installer un agent sur ta machine et l'utiliser pour de vrai sur un projet.