Table des Matières
Un chatbot répond à des questions dans une conversation et ne modifie rien en dehors. Un copilote travaille dans les outils d'une personne, rédige et suggère, et c'est la personne qui décide et exécute. Un agent IA reçoit un objectif et le poursuit : il planifie, appelle des outils et agit sur d'autres systèmes, avec une validation humaine à des points définis.
Points clés
- Les trois peuvent reposer sur le même grand modèle de langage. Ce qui les distingue, c'est l'initiative, l'accès aux outils et le moment où un humain valide.
- Le pire cas pour un chatbot est une mauvaise réponse lue par quelqu'un. Le pire cas pour un agent est une mauvaise action dans un système en production.
- Un copilote laisse à une personne qualifiée l'exécution de chaque action.
- L'OWASP classe l'« agentivité excessive », c'est-à-dire trop de fonctionnalités, de droits ou d'autonomie, parmi les principaux risques des applications LLM.
- Pour l'OT, la CISA et ses agences partenaires recommandent de limiter le contrôle actif par une IA sans humain dans la boucle.
Qu'est-ce qu'un chatbot ?
IBM définit le chatbot comme « une application logicielle qui communique avec les personnes par texte ou par la voix ». Les premiers chatbots suivaient des scripts et des arbres de décision. Les plus récents utilisent un modèle de langage pour interpréter la question et rédiger la réponse.
Sa caractéristique principale : le résultat reste dans la conversation. Le chatbot répond ; une personne lit la réponse et décide quoi en faire.
En usine, un chatbot typique répond à des questions sur les procédures, les manuels d'équipement ou les spécifications, idéalement à partir des documents validés du site et dans les langues de travail des opérateurs. C'est l'un des usages d'un LLM sur site comme DALILE, qui fonctionne entièrement sur site et prend en charge l'arabe, le français et l'anglais. La démarche est détaillée dans notre guide sur le RAG appliqué aux manuels de maintenance.
Qu'est-ce qu'un copilote ?
« Copilot » a d'abord été un nom de produit avant de devenir une catégorie. Microsoft présente GitHub Copilot comme « un assistant de codage IA » et Microsoft 365 Copilot comme un outil qui « améliore les flux de travail dans les applications Microsoft 365 ».
Ce qui fait un copilote, c'est sa position. Il est intégré à l'outil où se fait le travail et voit le contexte de ce travail : le document ouvert, l'enregistrement en cours de saisie, le code en cours d'écriture. Il rédige et suggère. La personne accepte, modifie ou rejette, et c'est elle qui exécute l'action.
Dans l'industrie, un copilote peut rédiger un ordre de travail dans la GMAO à partir des notes d'un technicien, ou préparer une première version d'un rapport de laboratoire. Le planificateur ou l'ingénieur vérifie, signe et soumet.
Qu'est-ce qu'un agent IA ?
Anthropic distingue deux types de systèmes à base de LLM. Les workflows sont des « systèmes où les LLM et les outils sont orchestrés par des chemins de code prédéfinis ». Les agents sont des « systèmes où les LLM dirigent dynamiquement leurs propres processus et leur usage des outils ». La CISA et ses partenaires définissent les agents IA comme des logiciels capables de « traiter des données, prendre des décisions et initier des actions autonomes ».
Deux éléments font un agent : il choisit lui-même son étape suivante, et il peut agir sur des systèmes extérieurs à la conversation. Exemple industriel : un agent qui repère une dérive récurrente dans des données exportées de l'historian, récupère les anciens ordres de travail de l'équipement concerné, ouvre un avis en brouillon dans la GMAO et alerte l'ingénieur d'astreinte.
L'autonomie a un coût. Anthropic note que les agents échangent latence et coût contre de meilleures performances, et que leur autonomie entraîne « un risque d'erreurs qui s'accumulent ». Notre article sur l'IA agentique pour l'automatisation des procédés industriels détaille les cas d'usage.
Comment se comparent chatbot, copilote et agent IA ?
| Chatbot | Copilote | Agent IA | |
|---|---|---|---|
| Qui lance l'action | L'utilisateur pose une question | L'utilisateur, en travaillant dans un outil | Un objectif, une planification ou un événement ; l'agent choisit les étapes suivantes |
| Outils utilisables | Au plus, une recherche dans des documents | Lecture du contexte de l'utilisateur ; rédaction de brouillons dans cet outil | Plusieurs systèmes via API : lire, créer, modifier, notifier |
| Autonomie | Aucune en dehors de la conversation | Faible ; il propose, l'utilisateur dispose | Moyenne à élevée, dans les limites fixées |
| Validation humaine | Inutile, rien n'est exécuté | Pour chaque action, par conception | À des points de contrôle définis, ou seulement pour les actions à fort impact |
| Exemple industriel type | Répondre à une question sur une procédure de démarrage à partir du manuel validé | Rédiger un ordre de travail ou un rapport de laboratoire qu'un ingénieur vérifie et signe | Compiler chaque jour une synthèse des dérives à partir des données historian, LIMS et maintenance, et ouvrir des avis en brouillon |
| Risque principal | Une réponse fausse ou inventée à laquelle quelqu'un se fie | Une personne qui valide des brouillons sans les lire | Une mauvaise action dans un système en production, répétée avant que quelqu'un ne s'en aperçoive |
Comment savoir ce qu'un fournisseur vend réellement ?
Les étiquettes sont floues. Gartner a mis en garde contre l'« agent washing », qui consiste à rebaptiser « agents » des assistants IA, des outils de RPA ou des chatbots, et a estimé que seuls environ 130 des milliers de fournisseurs se réclamant de l'IA agentique sont réels.
Cinq questions permettent d'aller au-delà de l'étiquette :
- Qui lance le travail ? La documentation de Microsoft elle-même fait cette distinction : un type d'agent repose sur des « interactions initiées par l'utilisateur », tandis qu'un autre peut « déclencher des actions automatiquement, même sans intervention directe de l'utilisateur ». Si l'utilisateur doit toujours écrire en premier, vous achetez un chatbot ou un copilote.
- Sur quels systèmes peut-il écrire, et avec quel compte ? Si la réponse est aucun, ce n'est pas un agent.
- Choisit-il son étape suivante ou suit-il un script figé ? Une séquence figée est un workflow au sens d'Anthropic. Ce n'est pas un défaut ; c'est souvent ce qu'une usine doit rechercher.
- Pouvez-vous voir le journal d'une exécution réelle ? Chaque appel d'outil, chaque entrée et chaque résultat doivent être visibles.
- Comment l'arrêter ? Il doit exister un moyen simple et testé de le suspendre ou de le désactiver sans l'aide du fournisseur.
Notre guide pour bien choisir un fournisseur d'IA industrielle approfondit l'évaluation des fournisseurs.
Quand choisir l'un ou l'autre en usine ?
Le conseil d'Anthropic est de chercher « la solution la plus simple possible », ce qui « peut signifier ne pas construire de système agentique du tout ». C'est valable dans l'industrie.
Choisissez un chatbot quand les équipes ont besoin de réponses tirées d'un grand volume de documents : procédures, manuels, règles HSE, spécifications techniques. Rien n'est exécuté, le risque se limite donc à la qualité de la réponse, que l'on maîtrise en restreignant les sources aux documents validés et en affichant la référence.
Choisissez un copilote quand une personne qualifiée doit rester responsable : ordres de travail, permis de travail, rapports d'inspection, propositions de formulation. L'IA accélère le brouillon ; la signature reste humaine.
Choisissez un agent pour un travail répétitif, en plusieurs étapes, qui traverse plusieurs systèmes et dont chaque action est réversible ou à faible impact. Le guide de la CISA indique que les modèles de ML prédictifs sont généralement utilisés dans les niveaux opérationnels, tandis que les LLM sont généralement utilisés dans les niveaux métier du modèle de Purdue, éventuellement sur des données exportées du réseau OT. C'est aussi une zone de départ raisonnable pour les agents à base de LLM. Pour l'intégration, voir intégrer l'IA aux systèmes SCADA et OT.
Quels garde-fous un agent IA doit-il avoir avant de toucher aux systèmes d'exploitation ?
Ces mesures proviennent de la fiche OWASP sur l'agentivité excessive, du guide conjoint de la CISA sur l'IA en OT et des recommandations d'ingénierie d'Anthropic :
- Moindre privilège et outils restreints. Ne donner à l'agent que les fonctions dont il a besoin, avec le minimum de droits, et éviter les outils ouverts comme un shell.
- Autorisations appliquées par le système cible. C'est la GMAO ou l'historian qui décide de ce que l'agent peut faire, pas le modèle.
- Validation humaine pour les actions à fort impact. La CISA recommande de limiter le contrôle actif de l'infrastructure OT par une IA sans humain dans la boucle.
- Des données poussées vers l'extérieur, pas tirées de l'intérieur. La CISA préconise des architectures push ou à intermédiaire qui sortent les données de l'OT sans accès entrant permanent, et des transferts unidirectionnels lorsque les données doivent rejoindre les réseaux de gestion.
- Une identité propre et des journaux complets. Journaliser les entrées et les sorties, et distinguer l'identité de l'agent de celle des utilisateurs et des autres machines. Des limites de débit réduisent les dégâts d'une boucle qui s'emballe.
- Un mode de repli et un contournement. Les procédés doivent pouvoir revenir à l'automatisme classique ou au mode manuel, et la manière de contourner ou de remplacer l'IA doit figurer dans les procédures de sécurité fonctionnelle et de réponse aux incidents.
- Des essais avant la production. Faire tourner l'agent d'abord dans un bac à sable ou sur une infrastructure de test, avec des conditions d'arrêt comme un nombre maximal d'itérations.
Un agent est aussi un nouveau composant de l'environnement de contrôle-commande : il relève donc du même programme de sécurité que le reste, par exemple la série ISA/IEC 62443 consacrée à la sécurité des systèmes d'automatisation et de contrôle industriels. Nos équipes développement d'IA agentique et conseil peuvent vous aider à définir ces limites avant un pilote.
Comment cela se traduit-il dans les projets de KABAS AI ?
Nos deux projets publiés suivent le schéma du copilote. Chez ADFC, filiale du groupe Sonatrach, les ingénieurs définissent les objectifs de performance et les contraintes de chaque phase de forage, Virtual Lab exécute des simulations et une optimisation multicritère, puis le système produit un plan d'essais de laboratoire ciblé que les ingénieurs valident au laboratoire. Chez ENAD Shymeca, les chercheurs utilisent Virtual Lab pour tester virtuellement des formulations de détergents avant les essais physiques, et le projet a permis une réduction de 40 % des cycles d'essais physiques. Dans les deux cas, le logiciel propose et les ingénieurs décident. Les deux entreprises étudient une intégration avec DALILE, notre assistant IA multi-agents, pour renforcer la recherche et l'exploitation des connaissances.
Sources
- Anthropic, Building effective agents (décembre 2024)
- CISA, ASD's ACSC et partenaires, Principles for the Secure Integration of Artificial Intelligence in Operational Technology (décembre 2025)
- OWASP GenAI Security Project, LLM06:2025 Excessive Agency
- IBM, What is a chatbot?
- Microsoft Learn, What is Microsoft Copilot?
- Microsoft Learn, Compare declarative and custom engine agents
- Staffing Industry Analysts, Gartner says agent washing is taking place (juin 2025)
- ISA, ISA/IEC 62443 series of standards
Questions fréquentes
Quelle est la principale différence entre un chatbot et un agent IA ?
Un chatbot répond à des questions dans une conversation et ne modifie rien en dehors de celle-ci. Un agent IA reçoit un objectif, choisit lui-même ses étapes suivantes et utilise des outils pour agir sur d'autres systèmes, par exemple créer un ordre de travail ou envoyer une notification. La différence porte sur les droits et l'initiative, pas sur le modèle de langage utilisé.
Un copilote, est-ce simplement un chatbot intégré à une application ?
Pas tout à fait. Un copilote est intégré à l'outil où se fait le travail et exploite le contexte de ce travail, comme le document ou l'enregistrement ouvert, pour rédiger et suggérer. L'utilisateur décide et exécute toujours chaque action. Un chatbot est en général une fenêtre de conversation séparée, sans accès au contexte de travail de l'utilisateur.
Un agent IA peut-il piloter directement un automate ou un DCS ?
Techniquement, on peut le connecter, mais les recommandations actuelles de la CISA et de ses partenaires internationaux invitent à limiter le contrôle actif de l'OT par une IA sans humain dans la boucle. Le schéma le plus sûr est un accès en lecture seule à des données poussées hors du réseau OT, l'agent proposant des actions qu'un opérateur valide via le processus existant de conduite et de gestion des modifications.
Comment savoir si le produit d'un fournisseur est vraiment un agent IA ?
Demandez qui lance le travail, sur quels systèmes l'outil peut écrire et avec quel compte, s'il choisit lui-même l'étape suivante ou suit un script figé, et comment l'arrêter. Demandez à voir le journal d'une exécution réelle. Si l'utilisateur doit toujours écrire en premier et que rien ne change en dehors de la conversation, c'est un chatbot ou un copilote.
Par lequel une entreprise industrielle doit-elle commencer ?
Commencez par l'option la plus simple qui résout le problème. Un chatbot sur des documents validés ou un copilote qui prépare des brouillons pour une personne qualifiée couvre beaucoup de cas d'usage en usine avec un risque faible. Passez à un agent uniquement pour un travail répétitif, en plusieurs étapes et sur plusieurs systèmes, et seulement une fois les droits, la journalisation et un moyen de l'arrêter en place.



