Agent IA sur mesure ou plateforme chatbot clé en main

Les plateformes chatbot clé en main (Intercom Fin, Zendesk AI, Ada) s'imposent quand vous avez besoin d'un bot de support opérationnel en quelques jours et que votre cas d'usage consiste à répondre à des questions à partir de documentation existante. Un agent IA sur mesure s'impose dès que le workflow exige des actions en plusieurs étapes sur vos propres systèmes, une logique métier non générique, ou devient quelque chose pour lequel vos clients paient réellement — plutôt qu'un centre de coûts que vous cherchez à réduire.

La question n'est pas « IA ou pas d'IA », c'est de savoir qui possède la couche d'orchestration. Les plateformes la détiennent et vous la louent. Un développement sur mesure signifie que votre équipe en est propriétaire — avec les avantages et les inconvénients que cela implique.

Ce que vous achetez réellement avec une plateforme

Les plateformes chatbot vous vendent trois choses : une interface préconstruite, une couche de raisonnement orientée support entraînée sur les données de leurs clients, et des intégrations aux outils que vous utilisez probablement déjà (Zendesk, Salesforce, Shopify). C'est une vraie longueur d'avance. Pour une équipe sans capacité ML ni backend, déployer Intercom Fin sur votre centre d'aide peut se faire en une semaine.

Les contreparties se manifestent à trois niveaux :

• Une tarification qui joue contre vous. La plupart des plateformes facturent à la résolution ou par licence. À faible volume, c'est bon marché. Au volume où le bot vous fait réellement économiser des effectifs, la facture commence à ressembler au salaire qu'il a remplacé.
• Un plafond sur ce que l'agent peut faire. Les outils d'automatisation des plateformes sont conçus pour répondre aux FAQ et exécuter des actions simples (vérifier le statut d'une commande, émettre un remboursement standard). Dès que vous avez besoin que l'agent raisonne sur votre logique tarifaire, appelle une API interne avec des règles métier, ou oriente différemment selon le niveau de compte, vous vous battez contre le workflow builder de la plateforme au lieu d'écrire du code.
• Vos données de conversation vivent dans leur système. Les exporter pour les analyser, les affiner ou changer de fournisseur plus tard est rarement aussi propre que le laisse entendre le deck commercial.

Rien de tout cela ne disqualifie les plateformes. Cela en fait simplement un pari que votre cas d'usage restera dans leurs limites.

Ce que coûte réellement un agent sur mesure

Un agent sur mesure signifie que vous (ou une agence) concevez vous-même la boucle de raisonnement, les appels d'outils et les garde-fous, par-dessus une API de modèle (Claude, GPT ou similaire). Le guide d'Anthropic sur la construction d'agents efficaces constitue une bonne référence de départ : le schéma est un modèle qui planifie, appelle des outils et vérifie ses propres sorties par rapport à un standard propre à la tâche — c'est exactement la partie que les plateformes abstraient et vous facturent de ne pas avoir à considérer.

Développer cela vous-même coûte davantage au départ : temps d'ingénierie pour la couche d'orchestration, les intégrations d'outils, le dispositif d'évaluation et les garde-fous contre les actions hallucinées. Les avantages s'expriment ainsi :

• Le coût marginal est lié à l'usage, pas aux licences. Une fois construit, votre coût récurrent est principalement la dépense en API LLM, que vous pouvez ajuster directement — consultez notre analyse de l'optimisation des coûts LLM pour les leviers qui font réellement bouger le chiffre (mise en cache des prompts, routage de modèles, traitement par lots).
• Aucun plafond sur la complexité des workflows. Si l'agent doit vérifier les stocks, appliquer une règle de remise et envoyer un message à un client sur WhatsApp dans un seul flux, c'est de la conception d'agent ordinaire, pas une demande de fonctionnalité à soumettre à la plateforme. Nous avons décrit ce que cela donne de bout en bout dans AI WhatsApp sales agents.
• Vous êtes propriétaire des données et des évaluations. Vous définissez ce que « correct » signifie et vous le testez en conséquence, plutôt que de faire confiance au taux de résolution en boîte noire d'un fournisseur. Si vous négociez avec un fournisseur IA, notre guide sur les évaluations dans les contrats IA s'applique que vous construisiez ou achetiez.

Le vrai seuil de décision n'est pas « pouvons-nous nous permettre un développement sur mesure », c'est « ce workflow repose-t-il sur la récupération et le raisonnement de nos propres données privées ». Si oui, vous aurez besoin d'une couche de retrieval digne de ce nom quelle que soit la plateforme ; consultez RAG expliqué pour les fondateurs pour comprendre ce que cela implique concrètement.

La décision, sans les faux-fuyants

Posez-vous trois questions :

1. Le workflow est-il générique (FAQ support, statut de commande) ou spécifique à votre logique métier ? Générique → plateforme. Spécifique → sur mesure.
2. L'agent doit-il effectuer des actions sur plus de 2 à 3 systèmes, ou se contente-t-il de répondre à des questions ? Plus il y a de systèmes et de logique conditionnelle, plus vous tendez vers le sur mesure, car les outils d'automatisation des plateformes deviennent ingérables au-delà d'une poignée d'étapes conditionnelles.
3. S'agit-il d'une fonction support visant à réduire les coûts, ou d'une fonctionnalité produit pour laquelle les clients paient ? Dans le second cas, afficher un badge plateforme dans votre produit (« Powered by Intercom ») envoie un vrai signal négatif — les clients font la différence entre un bot loué et quelque chose que vous avez construit.

Si vous avez répondu « générique / simple / support » à toutes les questions, commencez avec une plateforme et réévaluez dans 6 à 12 mois une fois que vous disposez de données d'usage réelles. Si vous avez répondu « spécifique / multi-étapes / fonctionnalité produit » ne serait-ce qu'une fois, la plateforme vous semblera une cage en moins d'un trimestre, et le coût de migration ultérieur sera plus élevé que de construire correctement dès le départ.

Une note sur le faux compromis : certaines plateformes permettent désormais d'« étendre » leur bot avec du code personnalisé ou des webhooks. Cela mérite une évaluation au cas par cas, mais en pratique cela cumule les inconvénients des deux approches — vous payez des frais de plateforme tout en faisant de l'ingénierie sur mesure. Avant d'accepter cette voie, obtenez une réponse claire sur ce que la couche d'extension peut et ne peut pas faire — idéalement par écrit.

Nous avons construit les deux : des bots de support sur des plateformes pour des équipes ayant besoin de rapidité, et des agents entièrement sur mesure pour des équipes où l'agent est le produit. La différence de complexité de votre workflow est généralement évidente dès que vous listez les actions que l'agent doit effectuer, pas seulement les questions auxquelles il doit répondre. Si vous n'êtes pas sûr de quel côté de cette ligne vous vous situez, parlons-en.