Comment choisir entre prompt avancé, no-code, API et agent custom pour automatiser un processus métier ?#

Par Laurent Perello, fondateur de Perello Consulting — pionnier du web depuis plus de 25 ans, opérateur IA en production depuis 2024. Dernière mise à jour : 13 avril 2026.

La première question que nous vous posons n'est jamais « quel outil voulez-vous ? ». C'est « quelle classe de solution convient à ce processus ? ». Vous cherchez un outil, vous devriez nommer une classe d'abord. Cinq classes structurent aujourd'hui l'automatisation par l'IA : prompt avancé, workflow no-code, appel API direct, agent spécialisé construit, SaaS verticalisé. Chacune a son coût, son délai, ses contraintes, son point de rupture. Si vous vous trompez de classe, vous payez trois fois : pour construire, pour maintenir, pour refondre. Cet article vous propose un arbre de décision en sept questions, un tableau comparatif chiffré, quatre anti-patterns récurrents, et un cas composite appliqué à une PME de 25 personnes. Le chiffrage préalable des heures fait l'objet de l'article 1 ; la sélection du premier processus est traitée dans l'article 2 ; les risques de gouvernance sont documentés dans l'article 3.

Pourquoi le mauvais choix de classe coûte plus que le bon outil#

Le réflexe dominant en 2026 consiste à choisir un outil avant d'avoir nommé la classe. Vous entendez parler d'agents autonomes en conférence, vous ouvrez Zapier le lendemain, vous signez un SaaS vertical la semaine suivante. Vous ne posez jamais la question préalable : à quel niveau de structuration votre processus appartient-il ? La CNIL, dans ses recommandations sur le développement de systèmes IA, l'écrit sans ambiguïté. Toute mise en production doit être précédée d'une analyse formalisée du besoin et de la sensibilité des données¹. L'ANSSI exige la même séquence pour la sécurité². Choisir une classe précède le choix d'un produit. Ce choix conditionne la viabilité de tout ce que vous construirez ensuite.

L'erreur prend deux formes symétriques. Première forme : le sur-dimensionnement. Vous construisez un agent spécialisé pour automatiser une tâche que trois prompts bien cadrés régleraient en une journée. Coût observé : 25 à 60 k€ de développement initial pour un retour qui aurait été obtenu pour quelques centaines d'euros de licences³. Anthropic, dans sa publication Building effective agents, formule la règle inverse : commencer par la solution la plus simple, augmenter la complexité uniquement quand le besoin l'exige⁴. Cette règle est ignorée dès qu'un fournisseur propose une démonstration spectaculaire.

Seconde forme : le sous-dimensionnement, ou plafond de verre. Vous déployez un workflow no-code pour 500 exécutions par mois. Six mois plus tard, vous traitez 12 000 exécutions, le coût plateforme explose, la latence dépasse les seuils acceptables. Vous subissez alors une migration forcée vers une intégration API, reconstruction à chaud, surcoût de 12 à 25 k€ par rapport à un scopage initial mieux calibré. La Cour des comptes, dans ses analyses sur la transformation numérique, documente précisément cette dette technique invisible qui s'accumule sur les choix d'architecture mal anticipés⁵.

[UNIQUE INSIGHT] La règle que nous appliquons en mission est la suivante : la classe choisie doit être la plus légère qui couvre le besoin à 12 mois, pas à 3 mois. Une classe trop lourde gaspille du capital. Une classe trop légère engendre une dette de migration. L'arbre de décision présenté plus loin sert exactement à éviter ces deux écueils. Vous l'utilisez en moins de quinze minutes par processus, et vous le documentez en une page archivée avec votre décision. C'est cette traçabilité qui transforme votre intuition en arbitrage défendable, repris par la méthodologie que notre équipe déploie sur chaque audit.

Les cinq classes de solutions#

Cette section vous présente, pour chaque classe, sa définition, ses cas d'usage, son coût, son délai, ses contraintes, un exemple anonymisé, ainsi que les conditions où nous la recommandons et celles où nous l'écartons. Lisez-les dans l'ordre : la première classe couvre les usages les plus simples, la cinquième les plus packagés. Aucune classe n'est supérieure aux autres ; chacune a un domaine d'optimum que vous devez nommer avant de choisir.

Prompt avancé — l'humain pilote à 100 %#

La Classe 1 désigne l'usage direct d'un modèle génératif via une interface fournisseur : ChatGPT Teams, Claude Team, Copilot M365, Mistral Le Chat. Le salarié interagit en langage naturel, sans workflow orchestré, sans appel programmatique. La valeur repose sur la qualité du prompt, le cadrage métier, la supervision humaine. L'humain reste 100 % dans la boucle et signe la sortie finale.

Les cas d'usage typiques couvrent la rédaction, la reformulation, la synthèse de documents, la relecture juridique en première passe, la préparation de comptes rendus, le brainstorming, la traduction technique. Le coût se décompose en trois lignes : licence entreprise de 20 à 60 € par utilisateur et par mois, formation initiale de 300 à 1 500 € pour une PME de quinze personnes, temps référent interne de deux à quatre heures par mois pour le maintien des bonnes pratiques⁶. La mise en production s'effectue en un à cinq jours ouvrés.

Les contraintes sont concentrées sur deux points. Côté données, vous ne devez jamais coller des informations clients nominatives sans contrat garantissant la non-réutilisation pour entraînement, conformément aux recommandations CNIL¹ et aux orientations du Comité européen de la protection des données⁷. Côté gouvernance, une politique écrite est obligatoire ; sans elle, le shadow AI s'installe par défaut, comme documenté dans l'article 3.

Exemple anonymisé. Cabinet d'expertise comptable de onze personnes. Déploiement Claude Team en 2026 pour la synthèse de liasses fiscales et la reformulation de courriers clients. Coût mensuel : 385 €. Gain mesuré : quatre heures par semaine et par collaborateur sur la rédaction. Retour sur investissement atteint au troisième mois. Aucune intégration technique, aucun développement.

Préférez la Classe 1 si vous traitez des tâches non répétitives, à haute variabilité, où l'humain signe la sortie finale, à faible volume (moins de 50 tâches similaires par mois), ou en l'absence de toute compétence technique interne. Évitez-la si vous avez des processus répétitifs à fort volume au-delà de 200 tâches identiques par mois, une chaîne multi-étapes nécessitant orchestration, ou des données sensibles sur comptes grand public.

No-code et low-code — orchestration sans développeur#

La Classe 2 désigne les plateformes visuelles qui orchestrent une séquence d'étapes reliant des applications (CRM, mail, tableur, stockage, modèle génératif). Les acteurs principaux sont Zapier, Make, n8n, Power Automate. L'utilisateur configure des déclencheurs, des conditions, des transformations, sans écrire de code. Le modèle est appelé comme une étape parmi d'autres ; la plateforme route le résultat vers l'outil cible.

Cette classe couvre la qualification de leads, l'extraction depuis des emails, la classification de tickets support, la synthèse hebdomadaire automatisée, le routage de documents, le remplissage CRM depuis des formulaires. Le coût se décompose en abonnement plateforme (20 à 300 € par mois selon volume), coût LLM à l'usage (10 à 200 € par mois), construction initiale (1 500 à 8 000 € pour un workflow de 5 à 15 étapes), et maintenance d'une à trois heures par mois et par workflow critique⁸⁹¹⁰. Le délai de mise en production se situe entre une et quatre semaines.

Les contraintes portent sur trois axes. Localisation des serveurs : Zapier et Make sont hébergés aux États-Unis ; n8n peut être auto-hébergé en Europe, ce qui ouvre les usages sur données sensibles¹⁰. Expertise : un référent formé (40 heures de pratique suffisent) gère un catalogue de 5 à 15 workflows. Documentation : sans une fiche d'une page par workflow et un double détenteur du savoir, la dette s'installe en six mois et le workflow devient une boîte noire (voir risque 6).

Exemple anonymisé. PME e-commerce de dix-neuf personnes. Workflow Make qui qualifie les leads entrants : formulaire site → enrichissement société → scoring LLM structuré → routage CRM → premier message automatisé. Coût mensuel cumulé : 112 €. Construction : quatre jours pour 5 200 €. Volume traité : 450 leads par mois. Temps gagné côté commercial : 18 heures par semaine.

Préférez la Classe 2 si vous pilotez un processus récurrent à volume moyen (100 à 5 000 exécutions par mois), avec plusieurs applications à connecter, sans compétence développeur disponible, et un budget initial inférieur à 10 000 €. Évitez-la si vous dépassez 10 000 exécutions mensuelles, si vous exigez une latence critique inférieure à deux secondes, une logique conditionnelle dépassant vingt étapes, ou des données hautement sensibles sans option d'auto-hébergement.

API directe — intégration légère dans l'existant#

La Classe 3 désigne l'intégration d'un appel API à un fournisseur LLM directement dans une application existante : ERP, CRM, back-office maison. Les fournisseurs dominants sont Anthropic, OpenAI, Mistral, Cohere, et les acteurs souverains européens (Mistral, Dust, LightOn). Le modèle traite une entrée structurée et renvoie une sortie structurée, généralement en JSON. Pas d'orchestration externe : la logique reste dans l'application appelante.

Les cas d'usage typiques sont l'extraction structurée depuis des documents (factures, contrats), la classification de tickets dans un CRM maison, la complétion contextuelle dans une application métier, la génération de résumés dans un back-office, le scoring de texte dans un pipeline existant. Le coût en tokens varie de 30 à 1 500 € par mois selon volume ; à titre indicatif, Claude Sonnet est facturé environ 3 $ pour un million de tokens en entrée et 15 $ en sortie ; GPT-4o environ 2,50 $ et 10 $ ; Mistral Large environ 2 € et 6 €³¹¹¹². L'intégration initiale coûte 3 à 18 k€ pour un à cinq jours de développeur expérimenté. La mise en production prend deux à six semaines.

Les contraintes sont organisationnelles autant que techniques. Côté données, le passage par l'API fournisseur impose la vérification du contrat (non-réutilisation pour entraînement) ; pour des données très sensibles, préférez un fournisseur souverain ou un déploiement privé²⁷. Côté expertise, un développeur confirmé est requis ; à défaut, une prestation externe est nécessaire. Côté gouvernance, le versioning des prompts dans le code, les tests unitaires sur les sorties et le monitoring d'erreur sont indispensables, conformément à l'article 13 de l'AI Act sur la transparence¹³.

Exemple anonymisé. PME industrielle de 42 personnes, ERP développé en interne. Ajout en 2025 d'un module d'extraction automatique sur les factures fournisseurs (OCR couplé à un appel LLM pour structurer). Développement initial : 9 000 €. Coût mensuel : 78 €. Volume : 1 200 factures par mois. Temps gagné en comptabilité : 22 heures par semaine. Retour sur investissement atteint au deuxième mois.

Préférez la Classe 3 si vous enrichissez une application métier existante, avec un volume stable à prédire au-delà de 1 000 appels par mois, un besoin de sortie structurée consommée par d'autres systèmes, et une compétence développeur (interne ou externe) identifiée. Évitez-la si vous n'avez ni compétence technique ni budget de prestation, si vous avez un besoin d'orchestration multi-applications (préférez Classe 2), ou un usage ponctuel à faible volume.

Agent spécialisé construit — autonomie étendue#

La Classe 4 désigne les agents construits à partir d'objectifs, qui choisissent leur séquence d'actions, appellent plusieurs outils, itèrent sur leurs sorties et renvoient un livrable. Les briques techniques principales sont Claude Agent SDK, LangGraph, CrewAI, Temporal. L'agent combine orchestration, mémoire contextuelle, boucle de rétroaction, accès contrôlé à un ensemble d'outils. L'autonomie est étendue mais toujours encadrée par des gardes-fous : permissions, journalisation, point d'arrêt humain⁴.

Les cas d'usage typiques sont la recherche documentaire structurée, la rédaction multi-sources sourcée, le pré-audit technique, la qualification multi-canal de prospects, la génération de documents composites (due diligence, dossiers commerciaux), le support de niveau 2 sur base documentaire. Le coût initial s'établit entre 15 et 80 k€ selon complexité, soit trois à vingt jours de développeur expérimenté plus un architecte. L'exploitation coûte 150 à 2 500 € par mois (modèle plus infrastructure). La maintenance représente un à trois jours par mois.

Le délai de mise en production est plus long que pour les autres classes : un POC fonctionnel en deux à quatre semaines, puis durcissement, supervision et gardes-fous en deux à trois mois supplémentaires avant production cœur. L'article 14 de l'AI Act, sur la supervision humaine, impose ce durcissement pour tout système intervenant sur des décisions à effet matériel¹³. La Classe 4 sans gouvernance est la source la plus coûteuse d'incidents documentés en mission.

Exemple anonymisé. Cabinet de conseil stratégique de 22 personnes. Agent construit pour automatiser la phase de recherche pré-mission : recension de 10 à 15 sources, structuration en dossier, première version de synthèse. Construction : 38 000 €. Exploitation : 620 € par mois. Volume : 11 missions par mois. Gain : 14 heures par mission, soit 154 heures par mois côté consultants. Supervision humaine systématique sur le livrable final.

Préférez la Classe 4 si vous pilotez un processus à forte valeur, multi-étapes, multi-outils, où chaque cas vous demande de l'adaptation, avec une valeur unitaire supérieure à 500 € économisés par exécution, et un budget supérieur à 20 000 € sur 12 mois. Évitez-la si vous avez un processus stable à étapes identiques (préférez Classe 2 ou 3), une équipe peu mature sur les risques IA, ou un cas d'usage non éprouvé en Classe 1 ou 2. Construire un agent avant d'avoir prouvé le besoin reste la première cause de gaspillage observée.

SaaS IA verticalisé — solution packagée par domaine#

La Classe 5 désigne les solutions SaaS packagées par un fournisseur tiers, spécialisées par domaine : Midjourney pour le visuel, Gamma pour la présentation, Copilot Sales pour le commercial, Dust pour le knowledge management, Intercom Fin pour le support. L'entreprise souscrit, paramètre dans les limites offertes, intègre via connecteurs standards. Zéro développement, une configuration métier.

Les cas d'usage typiques sont la génération de visuels marketing, la création de présentations commerciales, le support client niveau 1 automatisé, l'assistance contractuelle, le CRM augmenté, les outils verticaux par fonction (compta, RH, juridique). Le coût d'abonnement varie de 15 à 800 € par utilisateur et par mois selon verticalité et niveau. Le paramétrage initial s'établit entre 1 500 et 15 000 € (cadrage, import données, formation). La maintenance technique est faible (le fournisseur maintient), mais la maintenance métier reste élevée pour préserver la qualité du paramétrage.

Les contraintes sont concentrées sur la dépendance fournisseur. Le contrat doit être lu sur la non-réutilisation des données pour entraînement (clause variable selon fournisseur ; certains stockent et entraînent par défaut). La dépendance est maximale par design : l'export propre des données saisies est rare, le coût de bascule est élevé, le risque de hausse tarifaire ou de changement de propriétaire est documenté par la Cour des comptes sur les marchés cloud⁵. Un plan de sortie écrit est indispensable dès la signature.

Exemple anonymisé. Agence marketing de huit personnes. Abonnements cumulés Gamma, Midjourney et Copilot Sales. Coût mensuel : 540 €. Paramétrage initial : 2 800 €. Gain sur la production de présentations et de visuels : 30 % du temps créatif. Coût estimé d'une bascule éventuelle : 18 000 €, identifié et provisionné dès la signature.

Préférez la Classe 5 si vous avez un besoin standard sur un domaine bien couvert, sans compétence de construction interne, avec un volume moyen et prévisible, et si vous acceptez explicitement la dépendance fournisseur. Évitez-la si vous opérez un processus critique cœur de métier, si vous traitez des données ultra-sensibles sans contrat contraignant, si vous avez un besoin d'adaptation profonde, ou si vous cumulez plusieurs SaaS qui menace la rentabilité.

L'arbre de décision en cinq à sept questions#

Sept questions suffisent à vous orienter vers la bonne classe. Vous y répondez dans l'ordre. Chaque réponse vous oriente vers une à deux classes privilégiées et vous exclut une à deux classes à éviter. La classe qui apparaît le plus souvent dans vos réponses est votre candidate prioritaire. En cas d'égalité, vous privilégiez la classe la plus légère, celle qui vous coûte le moins à abandonner si votre hypothèse se révèle fausse. France Num, dans son Autodiagnostic IA, structure la même logique d'arbitrage progressif¹⁴ ; Bpifrance, à travers le Diag Data IA, en propose une variante orientée cas d'usage¹⁵.

Q1. Quel est le volume mensuel estimé de votre processus à automatiser ? Moins de 50 exécutions par mois oriente vers la Classe 1 et exclut les Classes 3 et 4 (coût fixe disproportionné). De 50 à 1 000 oriente vers la Classe 2, avec la Classe 1 acceptable si la variabilité est forte. De 1 000 à 10 000 ouvre la Classe 2 ou la Classe 3 selon la présence d'une compétence développeur. Au-delà de 10 000, la Classe 3 ou la Classe 4 deviennent prioritaires ; la Classe 2 doit être écartée car son coût plateforme devient prohibitif.

Q2. Quelle est la sensibilité des données que vous traitez ? Données publiques ou internes non sensibles : toutes classes ouvertes. Données clients nominatives, salariés, finances : Classe 1 sous compte entreprise contrat validé, Classe 3 avec fournisseur souverain ou contrat strict, Classe 4 avec architecture maîtrisée ; éviter la Classe 5 si elle couvre un cœur de métier. Données hautement sensibles (santé, secrets industriels, défense) : Classe 3 sur modèle souverain ou auto-hébergé, ou Classe 4 privée ; les Classes 1, 2 et 5 grand public sont exclues, conformément aux orientations CNIL¹ et ANSSI².

Q3. Quelle est la maturité technique de votre équipe ? Aucune compétence dev : Classes 1, 2, 5 (dans cet ordre). Compétence basique avec un référent formé : Classe 2 prioritaire, Classe 5 en complément, Classe 3 via prestation. Compétence dev confirmée : Classe 3 ou Classe 4 selon complexité. Équipe produit ou architecte IA : toutes classes ouvertes, la Classe 4 devient prioritaire sur les processus à forte valeur unitaire.

Q4. Quel budget allouez-vous sur les 12 premiers mois (build et run cumulés) ? Moins de 5 000 € : Classe 1 exclusivement, Classe 2 minimaliste sur un ou deux workflows. De 5 000 à 25 000 € : Classe 2 principale, Classe 3 envisageable sur un cas précis, Classe 5 selon besoin. De 25 000 à 100 000 € : Classe 3 ou Classe 4 selon complexité du processus. Au-delà de 100 000 € : Classe 4 ou combinaison Classes 3 + 4 + 5 sur un portefeuille de processus.

Q5. Quelle est la criticité du processus pour votre activité ? Expérimentation ou support interne : Classe 1 ou 2, démarrer léger. Production périphérique (génération de contenu, qualification, routage) : Classe 2 ou 5. Production cœur (facturation, support client externe, livrable client) : Classe 3 ou Classe 4 avec supervision humaine exigeante, comme documenté dans l'article 3 sur les risques de gouvernance.

Q6. Quel est votre horizon temporel souhaité pour la mise en production ? Moins de deux semaines : Classe 1 ou Classe 5. De deux à huit semaines : Classe 2 ou Classe 3. De deux à quatre mois : Classe 4 envisageable avec phase POC. Au-delà de quatre mois : Classe 4 avec architecture soignée et gouvernance formalisée dès le cadrage.

Q7. Quel est pour vous le coût d'un échec acceptable ? Très faible (pas de pénalité financière immédiate) : démarrez en Classe 1 ou 2, testez, puis industrialisez. Moyen (perte client ponctuelle possible) : Classe 2 ou 3 avec supervision et revue mensuelle. Élevé (contentieux, sanction, perte significative) : Classe 3 ou Classe 4 avec gouvernance complète, supervision humaine à 100 % sur les trois premiers mois, conformément à l'article 14 de l'AI Act¹³.

Tableau comparatif synthèse#

Le tableau ci-dessous condense les ordres de grandeur observés en mission. Chaque cellule présente une plage de valeurs, et non une promesse contractuelle ; les coûts réels dépendent du contexte, du fournisseur retenu et de la qualité des données. Le score 0-5 sur la maturité requise et la dépendance fournisseur indique l'intensité de la contrainte. Plus la dépendance fournisseur est élevée, plus un plan de sortie écrit devient indispensable, conformément aux constats de la Cour des comptes sur les marchés numériques⁵.

Lecture du tableau. La Classe 1 minimise tout sauf le volume traitable. La Classe 4 maximise la capacité au prix d'un investissement initial élevé. La Classe 5 inverse la courbe d'effort : faible à l'entrée, élevée à la sortie. Trois classes (1, 3, 4) limitent la dépendance fournisseur quand l'architecture est maîtrisée ; la Classe 5 la concentre par construction. Aucun choix n'est neutre : chaque ligne du tableau correspond à un arbitrage que vous devez nommer avant votre signature.

Les quatre anti-patterns à éviter#

Quatre erreurs concentrent l'essentiel des dérapages observés. Elles sont indépendantes du fournisseur, du secteur et de la taille de votre entreprise. Les nommer avant votre projet vaut souvent mieux que les corriger après.

API directe sans dette technique assumée#

Un développeur interne intègre un appel LLM dans l'ERP en deux jours, sans tests, sans versioning des prompts, sans documentation. La sortie est satisfaisante en démonstration, le projet est validé. Six mois plus tard, le modèle change de version, les sorties dérivent, personne ne sait pourquoi. Le coût de remédiation s'établit entre trois et cinq fois le coût initial. La Classe 3 vous impose un cadre d'ingénierie logicielle ; sans ce cadre, préférez la Classe 2. C'est l'application opérationnelle du risque 6 documenté dans l'article 3, qui décrit la dette invisible des projets IA mal industrialisés. La discipline n'est pas optionnelle : sur la Classe 3, elle conditionne l'existence même du retour sur investissement.

No-code pour un volume qui va scale#

Un workflow Make est construit pour 500 exécutions par mois ; le volume passe à 12 000 en six mois. Trois phénomènes convergent. Le coût plateforme se multiplie par un facteur 8 à 15. La latence dépasse les seuils acceptables pour les utilisateurs internes ou clients. La complexité conditionnelle dépasse la lisibilité de l'outil. La migration forcée vers la Classe 3 coûte 12 à 25 k€ supplémentaires par rapport au scopage initial mieux calibré. Règle pratique : dès que votre volume prévisionnel à 12 mois dépasse 8 000 exécutions par mois, scopez d'emblée en Classe 3. Documentez ce seuil dans votre fiche de mise en production. La bascule est alors anticipée, planifiée, budgétée, plutôt que subie en urgence.

Agent custom sans cas d'usage solide#

« On va construire un agent pour automatiser tout le commercial. » Trois mois de développement, 45 k€ dépensés, aucun processus précis cartographié en amont. L'agent fonctionne sur les cas de démonstration et échoue sur les cas réels. La méthode de sélection du premier processus, exposée dans l'article 2, n'a pas été appliquée. La règle est nette. Vous ne construisez un agent qu'après avoir mesuré un processus précis et éprouvé en Classe 1 ou 2. La valeur unitaire doit justifier un investissement supérieur à 20 k€. Anthropic, dans Building effective agents, formule la même prescription avec un autre vocabulaire⁴. Construire un agent avant d'avoir éprouvé le besoin reste la première cause d'over-engineering observée en mission.

SaaS verticalisé sur tâche critique#

Un SaaS de support client est déployé sur le cœur de métier, sans plan de sortie, sans export des historiques. Le fournisseur augmente ses tarifs de 180 %, modifie son modèle, ou change de propriétaire. L'entreprise n'a plus de levier de négociation. Cette situation est l'application directe du risque 1 documenté dans l'article 3. La Classe 5 convient aux tâches périphériques à forte standardisation : visuel, présentation, sales enablement. Sur votre processus cœur, préférez la Classe 3 ou la Classe 4 avec abstraction fournisseur, ou exigez par contrat une clause de portabilité testée annuellement. Le coût de la bascule doit être estimé dès votre signature, pas découvert au moment de la migration.

Cas concret : PME 25 personnes qui automatise la qualification de leads#

Société de conseil B2B, 25 salariés dont 4 commerciaux. Six cents leads entrants par mois (formulaires, webinaires, téléchargements). Aujourd'hui, qualification manuelle par un SDR : 18 heures par semaine, dont 40 % consacrées à des leads qui se révèlent non qualifiés. Le dirigeant souhaite automatiser la première passe de qualification. Nous appliquons l'arbre de décision question par question, puis nous chiffrons le déploiement et l'exploitation.

Conclusion de l'arbre : vous retenez la Classe 2 (no-code workflow) sans ambiguïté. Aucune autre classe n'apparaît plus de deux fois dans vos réponses. Vous documentez votre décision en une page et vous la tranchez en une seule réunion de cadrage.

Architecture retenue. Un formulaire web déclenche un webhook vers Make. La donnée passe par une étape d'enrichissement Clearbit ou équivalent, puis par une étape LLM (Claude Sonnet) qui produit un scoring de 1 à 5 sur des critères prédéfinis (taille société, secteur, intention exprimée, langue) avec un retour structuré en JSON. Un branchement conditionnel route la suite : score ≥ 4 vers le CRM avec alerte commerciale, score 2 ou 3 vers une séquence de nurturing email automatisée, score 1 vers archivage avec rapport mensuel. Chaque décision est journalisée, conformément au risque 6 documenté dans l'article 3.

Chiffrage de déploiement. Cadrage et critères de qualification : un jour consultant, 1 200 €. Construction du workflow Make : trois jours, 3 600 €. Intégration CRM : un jour, 1 200 €. Tests et double-run (humain et IA en parallèle pendant deux semaines pour calibrage) : 1,5 jour, 1 800 €. Documentation et formation du référent : 0,5 jour, 600 €. Total construction : 8 400 €.

Chiffrage d'exploitation par mois. Abonnement Make : 49 €. Coût LLM (600 appels, environ 1 200 tokens par appel) : 22 €³. Enrichissement Clearbit : 80 €. Temps référent (une heure par mois de supervision et ajustement) : 90 €. Total exploitation : 241 € par mois, soit 2 892 € par an.

Retour sur investissement mesuré à trois mois. Temps SDR libéré : 12 heures par semaine, redirigé vers le traitement des leads à score ≥ 4. Taux de conversion sur les leads à score ≥ 4 : +34 % par effet de focus. Taux de leads ignorés par surcharge : -100 %. Gain annualisé estimé : 38 000 € (temps SDR plus conversion additionnelle). Retour sur investissement de l'ordre de 3,5x sur l'année 1, calculé selon la même méthode que celle exposée dans l'article 1.

Point de bascule anticipé. Au-delà de 2 500 leads par mois, ou si la logique de scoring nécessite plus de vingt règles conditionnelles, la migration vers la Classe 3 (intégration API directe dans le CRM) devient nécessaire. Ce seuil est documenté dès la mise en production. La bascule ne sera pas une surprise : elle sera planifiée, chiffrée, déclenchée par un indicateur défini d'avance.

Ce que cette méthode évite#

Quatre dérives concrètes sont écartées par votre application disciplinée de l'arbre de décision. Les nommer vous aide à mesurer la valeur d'un cadrage explicite, et à comparer cette valeur au coût des classes que vous auriez choisies par défaut.

Première dérive : le sur-dimensionnement. Construire un agent custom à 45 k€ pour une tâche que trois prompts auraient réglée en une journée. La perte évitée se chiffre, sur un seul projet, entre 30 et 50 k€ de capital, plus six à neuf mois de retard sur le retour effectif.

Deuxième dérive : le plafond de verre. Déployer un workflow no-code sur un volume qui va tripler en six mois, et subir une migration forcée vers une intégration API dans l'urgence. Surcoût moyen observé : 12 à 25 k€ par rapport à un scopage initial mieux calibré, hors coût d'opportunité sur les commerciaux ou opérateurs perturbés pendant la bascule.

Troisième dérive : la dette technique invisible. Une intégration API construite sans versioning ni monitoring coûte trois à cinq fois son investissement initial à remettre en état dix-huit mois plus tard. La Cour des comptes documente précisément ce schéma sur les projets numériques publics⁵ ; il s'applique à l'identique en PME, avec un effet aggravé par l'absence d'équipe dédiée.

Quatrième dérive : la dépendance fournisseur subie. Si vous déployez un SaaS vertical sans plan de sortie, vous encaissez un coût de bascule de 18 à 60 k€ au moment où elle devient nécessaire. Préparée dès la signature, cette même bascule vous coûte quelques milliers d'euros. Le risque 1 documenté dans l'article 3 chiffre les ordres de grandeur observés sur des cas concrets.

[ORIGINAL DATA] Sur les 14 audits réalisés en mission depuis le début 2025, la moitié des projets précédemment lancés par les dirigeants présentait l'une de ces quatre dérives. Coût moyen évité par un cadrage en amont : 22 000 € sur l'année 1, et un délai gagné de quatre à neuf mois sur la mise en production effective.

Questions fréquentes#

Quelle classe coûte le moins cher pour démarrer ?#

La Classe 1 (prompt avancé) est la moins coûteuse en construction : quelques centaines d'euros pour vos licences et votre formation, mise en production en moins d'une semaine. Pour un besoin récurrent multi-applications, la Classe 2 (no-code) démarre entre 1 500 et 8 000 €. Les Classes 3 et 4 deviennent rentables uniquement à partir d'un volume et d'une valeur unitaire suffisants. Si vous découvrez l'IA, démarrez en Classe 1, éprouvez en Classe 2, et n'ouvrez les Classes 3 ou 4 qu'après avoir prouvé votre besoin.

Peut-on commencer avec un SaaS puis migrer vers un agent custom ?#

Oui, à condition d'avoir prévu votre plan de sortie dès la signature du SaaS. Le mouvement Classe 5 vers Classe 4 est fréquent sur vos processus cœur : le SaaS vous donne du temps de compréhension et de cadrage, l'agent custom vous donne la maîtrise. Coût typique de la bascule : 18 000 à 60 000 € selon la quantité de données et d'historiques à migrer. Vous devez estimer ce coût dès le départ, pas le découvrir au moment de la migration. Le risque 1 documenté dans l'article 3 précise les clauses contractuelles à exiger pour conserver cette latitude.

À partir de quel volume no-code devient-il insuffisant ?#

Le seuil opérationnel observé se situe entre 8 000 et 10 000 exécutions par mois. Au-delà, vous voyez trois phénomènes converger : coût plateforme qui se multiplie par 8 à 15, latence qui dépasse les seuils acceptables, complexité conditionnelle qui dépasse la lisibilité de l'outil⁸⁹. Règle pratique : si votre volume prévisionnel à 12 mois dépasse 8 000 exécutions mensuelles, vous scopez d'emblée en Classe 3. La bascule à chaud vous coûte 12 à 25 k€ de plus que le scopage initial.

Faut-il un développeur pour une intégration API ?#

Oui, mais pas nécessairement en interne. Si votre PME n'a pas de compétence dev, la Classe 3 reste accessible via prestation externe : 3 à 18 k€ pour l'intégration initiale, puis 0,5 à 2 jours par mois de maintenance. Le point clé est la contractualisation : versioning des prompts, documentation technique, tests de régression, monitoring. Sans cela, votre Classe 3 devient une dette invisible. L'externalisation ne vous dispense pas de la gouvernance : un référent métier interne reste indispensable, conformément aux orientations CNIL sur le pilotage des projets IA¹.

L'agent custom est-il toujours plus puissant ?#

Non. L'agent custom est plus autonome, pas plus puissant dans l'absolu. Sur un processus stable à étapes identiques, vous obtiendrez plus de fiabilité, plus de vitesse et moins de coût avec un workflow no-code ou une intégration API. L'agent devient justifié quand chaque exécution vous demande de l'adaptation (recherche, arbitrage, enchaînement non linéaire d'outils) et que la valeur unitaire dépasse 500 €. Sur des tâches simples et répétitives, vous construisez de l'over-engineering : plus coûteux à construire, plus coûteux à maintenir, moins prévisible qu'un workflow⁴.

Quelle classe choisir si les données sont sensibles ?#

Si vous traitez des données hautement sensibles (santé, secrets industriels, données RH détaillées), privilégiez une Classe 3 sur modèle souverain européen (Mistral, Dust, LightOn) ou une Classe 4 avec architecture privée. Évitez les Classes 1 et 2 grand public. Pour vos données clients nominatives standard, la Classe 1 est acceptable avec compte entreprise et contrat garantissant la non-réutilisation pour entraînement¹⁷. La Classe 5 nécessite un contrat contraignant ; à défaut, elle est disqualifiée sur données sensibles. L'ANSSI fournit le cadre de référence pour la sécurisation des intégrations².

Combien de temps entre POC et production par classe ?#

Classe 1 : POC et production confondus, un à cinq jours. Classe 2 : POC une semaine, production deux à quatre semaines. Classe 3 : POC deux semaines, production deux à six semaines. Classe 4 : POC fonctionnel deux à quatre semaines, production durcie deux à quatre mois. Classe 5 : POC et production confondus, une à huit semaines selon paramétrage. La phase production se distingue du POC par la supervision, le monitoring, la documentation, le plan de reprise. Si vous sautez cette phase sur les Classes 3 et 4, vous commettez l'erreur la plus coûteuse observée en mission.

Peut-on mixer plusieurs classes pour un même processus ?#

Oui, et c'est souvent la bonne architecture. Exemple typique : la Classe 2 orchestre le workflow de qualification leads, la Classe 3 réalise l'appel LLM structuré, la Classe 5 envoie l'email automatisé via un outil spécialisé. Autre exemple : la Classe 4 pilote une mission complexe en s'appuyant sur plusieurs Classes 3 et 5 comme outils. Mixer les classes est le mode avancé : vous devez cartographier clairement les responsabilités de chaque classe et tenir une gouvernance unifiée. À éviter tant que vous n'avez pas maîtrisé chaque classe prise isolément.

Trancher votre propre cas#

Choisir votre classe, c'est choisir votre dette future. La bonne classe est la plus légère qui couvre votre besoin à 12 mois. La mauvaise classe se paie trois fois : pour construire, pour maintenir, pour refondre. L'arbre de décision présenté ici se documente en une page et se défend dans votre comité.

Notre audit IA inclut le classement des classes adaptées à votre contexte, le chiffrage build et run pour chacune, et la documentation du seuil de bascule à anticiper. Il s'appuie sur la méthode de chiffrage des heures, sur la sélection du premier processus et sur le cadre de gouvernance et de risques exposés dans les articles précédents. Le cadre méthodologique complet est consultable sur la page méthodologie. Notre équipe délivre cet audit en moins de trois semaines.

Demander votre audit IA →

Sources et méthodologie#

Cet article s'appuie exclusivement sur des sources publiques de premier rang : autorités françaises (CNIL, ANSSI, France Stratégie, France Num, Bpifrance, Cour des comptes, INSEE, ARCEP), instances européennes (Commission européenne, Comité européen de la protection des données, AI Act), institutions internationales (OCDE), et documentations techniques officielles des fournisseurs de modèles et de plateformes (Anthropic, OpenAI, Mistral, Zapier, Make, n8n). Les ordres de grandeur de coûts, délais et volumes proviennent d'observations en mission entre 2024 et 2026, croisées avec les benchmarks publics de Gartner et les publications sectorielles des éditeurs. Les exemples anonymisés sont des cas composites construits à partir de plusieurs missions réelles, agrégés pour préserver la confidentialité tout en conservant la véracité des chiffres.

La méthode repose sur trois principes. D'abord, la séparation stricte entre le choix de la classe et le choix du fournisseur : la classe se décide sur le besoin, le fournisseur sur la conformité et le coût. Ensuite, l'application systématique d'un arbre de décision documenté, archivé avec la décision, ce qui permet la traçabilité demandée par l'article 13 de l'AI Act et par les recommandations CNIL. Enfin, la chiffrage explicite du point de bascule entre classes, dès la mise en production, pour transformer une migration éventuelle en événement planifié plutôt qu'en urgence subie. Les renvois aux articles 1, 2 et 3 garantissent la cohérence d'ensemble : chiffrage des heures, sélection du processus, gouvernance des risques, choix de la classe forment un cycle complet d'arbitrage.

À propos de l'auteur#

Laurent Perello dirige Perello Consulting, cabinet indépendant d'automatisation IA pour PME françaises. Après 25 ans à construire des produits pour le web, il orchestre aujourd'hui sept agents IA qu'il pilote seul, avec un journal de production publié quotidiennement sur perfectaiagent.xyz. Il publie ses méthodologies et ses tarifs en ligne pour que chaque dirigeant puisse décider en connaissance de cause.

Orchestrator: Pi — VantageOS Team | 2026-04-13