n8n workflow ou Agent IA : lequel choisir ?

Trente échanges d’assistance contrôlés ont abouti aux mêmes 20 dossiers traités dans les deux architectures. Mais le nouvel Agent n8n a dû effectuer 40 appels à des workflows au périmètre limité, tout en conservant 20 sessions de conversation. Pour choisir entre un n8n workflow et un Agent, la vraie question n’est pas de savoir lequel automatise le plus : laissez le workflow piloter lorsque la séquence est fixe, et n’utilisez un Agent que si la conversation doit déterminer l’étape suivante.

n8n workflow ou Agent IA : le verdict

Choisissez un n8n workflow si vous pouvez dessiner la séquence avant le début de l’exécution. Préférez un Agent n8n lorsque l’action la plus utile dépend des propos d’une personne, du résultat renvoyé par un outil ou du contexte déjà établi dans la conversation. Pour le support et les opérations en production, l’architecture la plus robuste est généralement hybride : l’Agent choisit, tandis que des workflows ciblés exécutent les actions.

Cette distinction compte davantage que la simple présence d’un modèle dans l’automatisation. Un workflow peut appeler un modèle tout en restant déterministe. Un Agent peut appeler des workflows tout en restant agentique, car c’est le modèle — et non le canvas — qui choisit l’outil suivant.

La question décisive est simple : qui doit maîtriser l’étape suivante ? Si c’est le concepteur de l’automatisation, laissez le workflow aux commandes. Si c’est le modèle, après lecture de la conversation en cours et des résultats des outils, utilisez un Agent. n8n formule la même recommandation dans son annonce : les séquences fixes conviennent aux workflows, tandis que les demandes ouvertes se prêtent aux Agents capables de déterminer eux-mêmes les étapes. L’explication publiée par n8n trace cette frontière de façon particulièrement claire.

Ce qui a changé le 25 septembre

n8n a lancé sa nouvelle interface Agents le 25 septembre 2026. Un Agent est désormais un artefact de projet à part entière, avec son propre modèle, ses instructions, ses outils, sa mémoire, ses sessions, son brouillon, sa version publiée, ses canaux et ses planifications. Il côtoie les workflows au lieu d’être enfermé dans un canvas précis. La documentation actuelle sur les Agents n8n le présente comme l’espace dédié aux tâches trop ouvertes pour un workflow fixe.

Cette identité partagée constitue le véritable changement. Un même Agent publié peut répondre dans un canal, s’exécuter selon une planification ou recevoir un message d’un autre workflow. L’historique de ses sessions consigne la conversation, les outils, les résultats, les erreurs et les validations en attente. Modifier le brouillon ne change pas silencieusement la version publiée.

Le modèle ne doit toujours pas bénéficier d’un accès étendu à tous les systèmes. Un outil de workflow lui fournit un contrat d’action restreint : des entrées nommées, des identifiants d’accès contrôlés, un résultat connu et, si nécessaire, une étape de validation. Un premier retour d’expérience résumait bien l’intérêt du dispositif : réutiliser les workflows existants comme outils est plus utile que d’ajouter une nouvelle surcouche de chat.

n8n AI Agent Workflow Builder : ce qui change

L’ancienne méthode consistait à assembler un agent dans un workflow à partir d’un Chat Trigger, d’une mémoire, d’un nœud AI Agent, d’un modèle et d’outils. Elle reste valable. Le nouveau builder transfère l’identité persistante de l’agent, ses sessions, ses versions et ses différents points d’entrée dans un artefact partagé.

Il ne s’agit pas d’un simple changement cosmétique de l’éditeur. La répartition des responsabilités évolue :

• L’Agent gère la conversation et la boucle de sélection des outils.
• Les workflows publiés prennent en charge des actions délimitées, comme rechercher un compte ou préparer une réponse.
• Le canal, la planification ou le workflow appelant décide quand l’Agent reçoit une tâche.
• Un approbateur conserve la décision finale pour tout outil sensible.

Agents n8n ou nœud AI Agent

Le nœud AI Agent existant reste un nœud de workflow. Il se connecte à un modèle de chat et à au moins un outil, puis sélectionne les outils pendant l’exécution de ce workflow. n8n précise que les implémentations existantes fondées sur ce nœud continuent de fonctionner. La documentation actuelle du nœud décrit toujours cette association entre modèle et outils.

Utilisez le nœud lorsque l’agent appartient à un seul workflow et que celui-ci doit gérer son déclencheur, l’organisation de sa mémoire et son cycle de vie. Optez pour le nouvel Agent lorsqu’une même identité doit persister entre plusieurs conversations ou être appelée depuis plusieurs endroits. La migration reste facultative : elle n’est pas nécessaire pour continuer à faire fonctionner un agent existant basé sur un nœud.

Une même tâche de support, deux architectures

Le comparatif contrôlé reposait sur une instance locale jetable de n8n 2.40.7, un seul endpoint local déterministe compatible avec OpenAI et un jeu de test JSON fixe. Il s’agissait de tester le routage et l’orchestration, pas la qualité du modèle ni la latence du cloud.

Exemple d’Agent IA n8n : le triage du support

Le jeu de test contenait 20 tickets de support synthétiques :

• Dix suivaient un format fixe avec l’identifiant du ticket, l’identifiant du compte, la zone produit et le problème rencontré.
• Dix omettaient volontairement l’identifiant du compte et la zone produit ; un système utile devait donc poser une question complémentaire.
• Chaque dossier final avait une file d’attente attendue et fixe : facturation, technique ou général.

Les deux architectures ont traité les mêmes 30 messages utilisateur. Les dix tickets complets ont demandé un échange chacun. Les dix tickets incomplets ont nécessité une question initiale puis une réponse complémentaire, soit 20 échanges supplémentaires.

1. 1

   Construire la séquence fixe

   Le workflow comportait trois nœuds : un webhook recevait le ticket, le modèle local partagé le classait et un parseur renvoyait un JSON structuré. Chaque message entrant parcourait ces nœuds dans cet ordre.

2. 2

   Construire l’Agent

   L’Agent utilisait le même modèle, des instructions de triage explicites, une mémoire de session persistée et trois outils de workflow publiés : Get Account Context, Draft Support Reply et Page On Call. Les deux premiers étaient directement accessibles. Page On Call exigeait une validation.

3. 3

   Évaluer les tâches terminées

   Un dossier n’était considéré comme traité qu’une fois la file d’attente finale attendue présente dans le résultat. Les demandes de précision, les exécutions, les sessions, les requêtes vers l’endpoint du modèle, les appels d’outils de workflow, les échecs et les actions inutiles étaient consignés séparément.

Les deux architectures ont envoyé les 20 dossiers finaux vers la file attendue. Ce résultat ne prouve pas que les Agents et les workflows ont une capacité de jugement équivalente. Le stub était volontairement déterministe afin d’isoler l’orchestration. Il révèle l’emplacement de la complexité supplémentaire : le workflow fixe a adressé une requête au modèle par échange, tandis que l’Agent l’a sollicité plusieurs fois pour choisir les outils, intégrer leurs résultats, produire la réponse et maintenir son exécution.

Les 100 requêtes de l’Agent vers l’endpoint se répartissaient en 70 requêtes en streaming pour le raisonnement ou la boucle d’outils, et 30 requêtes auxiliaires sans streaming dans cette installation locale. C’est un signal pour mesurer l’usage du fournisseur, pas un multiplicateur universel. Le nombre peut varier avec le modèle, la configuration de la mémoire, le prompt ou une évolution du produit.

Quand utiliser les Agents n8n

Utilisez un Agent lorsqu’une conversation modifie le plan. Une demande de support qui commence par « la facturation est incorrecte » peut nécessiter la recherche d’un compte, une question complémentaire, une vérification de politique ou une validation avant toute action. Impossible de connaître la bonne branche tant que l’information manquante n’est pas arrivée.

Utilisez un workflow lorsque le plan est déjà connu. Un export nocturne, une synchronisation entre webhook et CRM ou une séquence d’enrichissement de leads bénéficient de nœuds explicites, de nouvelles tentatives prévisibles et d’un chemin d’exécution que l’on peut examiner sans reconstituer la décision d’un modèle.

Contrôle et débogage : avantage au workflow

Un workflow est plus facile à analyser, car les prochains nœuds possibles sont visibles sur le canvas. Lorsqu’un processus déterministe échoue, l’exécution indique le nœud concerné. C’est le choix par défaut qui convient aux mouvements d’argent, aux suppressions d’enregistrements, aux changements de droits et aux autres opérations pour lesquelles la souplesse constitue davantage un risque qu’un avantage.

Une session d’Agent offre un autre type de trace : messages, choix d’outils, résultats, erreurs et validations. C’est utile, mais cela ne transforme pas une décision probabiliste en graphe déclaré. Si la séquence n’a jamais besoin de varier, ajouter une boucle de raisonnement ne fait que créer une nouvelle source d’échec.

Conversation et état : avantage à l’Agent

L’Agent prend l’avantage lorsque la tâche s’étend sur plusieurs échanges. Les sessions sont enregistrées et peuvent être reprises, tandis que la mémoire de session est activée par défaut. Dans le jeu de test, les dix tickets incomplets sont restés dans leur session d’origine lorsque les informations manquantes sur le compte et le produit sont arrivées. Le workflow fixe n’a fourni la même réponse que parce que le message complémentaire répétait assez de contexte pour un classificateur sans état.

Dans un vrai service d’assistance, l’écart se creuse. Si un deuxième message se limite à « le compte UE », un workflow doit recharger le ticket précédent depuis un stockage de données ou recevoir l’historique en entrée. La session de l’Agent contient déjà le contexte de la conversation. La mémoire épisodique peut également fonctionner d’une session à l’autre, même si n8n exige actuellement un identifiant OpenAI pour cette fonctionnalité.

Action sensible : workflow gagnant, avec un Agent en amont

Dans l’architecture hybride la plus sûre, l’Agent accède librement aux outils en lecture seule, tandis que les effets de bord sont soumis à validation. Lors d’un test de vérification distinct portant sur un ticket urgent, l’Agent a terminé sa recherche de compte en lecture seule, sélectionné Page On Call, puis suspendu son exécution. Le workflow d’alerte ne s’est pas exécuté, dans l’attente de l’approbation de l’appel de l’outil.

C’est le bon modèle de sécurité : un Agent peut recommander ou demander une action, mais un workflow ciblé et une validation explicite en maîtrisent le rayon d’impact. Les identifiants d’accès sont rattachés à l’outil ; l’Agent n’a donc pas besoin d’un identifiant généraliste donnant accès à tout.

Bilan général : l’hybride l’emporte

La nouvelle interface donne le meilleur d’elle-même comme plan de contrôle conversationnel au-dessus des workflows, pas comme substitut. L’Agent interprète, questionne et choisit. Les workflows valident, modifient les systèmes et renvoient des résultats structurés. Cette répartition permet également de tester les actions indépendamment du modèle qui les sélectionne.

Coût d’exécution d’un n8n workflow et d’un Agent

Au 26 septembre 2026, n8n ne facture pas les Agents dans une offre distincte. Un échange avec un Agent compte comme une exécution, et les exécutions d’Agents et de workflows puisent dans le même quota. L’annonce de n8n apporte une précision importante : les appels à des outils de workflow et à des sous-agents effectués pendant cet échange ne comptent pas comme des exécutions distinctes du forfait.

Les tarifs actuels avec facturation annuelle sont de $20 par mois pour Starter avec 2,500 exécutions et de $50 par mois pour Pro avec 10,000 exécutions. Ils ont été vérifiés sur la page tarifaire de n8n, qui affiche une économie de 17% lorsque l’option annuelle est activée. Pour une analyse plus large des compromis entre les offres, consultez l’analyse des tarifs n8n.

Prenons le scénario de planification du brief : 200 conversations de trois échanges chacune.

• 600 exécutions d’Agent correspondent à 200 × 3. Pour le quota, les outils de workflow internes restent compris dans ces échanges.
• Avec Starter, $20 ÷ 2,500 correspond à $0.008 de quota d’abonnement par exécution incluse. Les 600 échanges mobilisent $4.80 de cet abonnement mensuel et laissent 1,900 exécutions.
• Avec Pro, $50 ÷ 10,000 correspond à $0.005 de quota d’abonnement par exécution incluse. Les mêmes 600 échanges mobilisent $3.00 et laissent 9,400 exécutions.

Ces quotients répartissent le coût du forfait ; ce ne sont pas des tarifs marginaux facturés. Si le 601e échange reste compris dans l’allocation, il n’ajoute pas une ligne de $0.008 à la facture Starter.

Le point de bascule correspond à la limite du quota, pas à une remise entre Agent et workflow. Starter permet 833 conversations complètes de trois échanges pour 2,499 exécutions ; la conversation 834 atteint 2,502 et dépasse l’allocation de 2,500. Pro permet 3,333 conversations de ce type pour 9,999 exécutions ; la conversation 3,334 atteint 10,002 et dépasse l’allocation de 10,000.

Si un workflow fixe reçoit un webhook pour chaque message de chat, il consomme lui aussi 600 exécutions pour les mêmes 600 échanges. La facture d’exécution est donc identique. Le workflow fixe peut toutefois coûter moins cher au niveau du modèle : il peut se contenter d’une seule requête là où un Agent prend plusieurs décisions autour des outils.

L’usage du modèle reste extérieur au quota d’exécution. Les crédits n8n Gateway reposent sur un solde prépayé distinct, et il est aussi possible d’utiliser ses propres identifiants d’accès auprès du fournisseur. La documentation sur les crédits Gateway indique qu’un solde nul fait échouer les nœuds compatibles jusqu’à ce que le propriétaire recharge le compte, active la recharge automatique ou change d’identifiants. Le résultat local de 30 appels contre 100 explique pourquoi le nombre d’exécutions et la dépense liée au modèle doivent tous deux figurer dans votre tableau de bord.

Sessions, versions, validations et appels de workflows

Le nouvel Agent prend tout son sens lorsque plusieurs points d’entrée doivent adopter le même comportement. n8n enregistre chaque conversation sous forme de session, avec ses messages, ses outils et ses validations en attente. Le jeu de test mesuré a créé 20 sessions, une par ticket ; chacun des dix tickets nécessitant un complément a repris sa session existante lors du deuxième échange.

La gestion des versions sépare l’expérimentation de la production. Le brouillon s’enregistre au fil des modifications, tandis que Publish crée un instantané utilisé par les canaux, les planifications et les chats en production. Lors de la vérification locale, une instruction ajoutée uniquement au brouillon a produit une nouvelle version de celui-ci, sans modifier l’identifiant de la version active ni les instructions publiées. C’est exactement le comportement attendu lorsqu’un prompt est affiné alors que les opérations sont en cours.

n8n Message an Agent : un Agent, plusieurs points d’entrée

Le nœud Message an Agent permet à un workflow d’appeler un Agent déjà publié. Un workflow de vérification à deux nœuds a transmis un ticket de facturation au même Support Triage Agent, reçu un résultat complet et enregistré les deux mêmes appels d’outils ciblés : d’abord le contexte du compte, puis la préparation de la réponse. Le nœud acceptait également une clé de session personnalisée, afin qu’un workflow puisse poursuivre une conversation connue sans repartir de zéro.

On obtient ainsi un modèle de composition utile :

1. Un workflow déterministe reçoit et valide un événement.
2. Message an Agent ne transmet à l’Agent publié que la décision conversationnelle.
3. L’Agent choisit parmi des outils de workflow au périmètre limité.
4. Le workflow appelant reçoit le texte de l’Agent, l’usage, le journal des appels d’outils et la référence de session.

Évitez la variante circulaire de cette architecture. Un workflow qui appelle un Agent ne doit pas aussi être rattaché à cet Agent comme outil. Séparez les workflows de point d’entrée et les workflows d’action, en leur donnant des noms qui rendent la frontière évidente.

Les validations s’inscrivent dans la même trace de session. Lorsqu’un outil sensible est sélectionné, l’Agent se met en pause et affiche ses arguments. Approve lui permet de reprendre à cet endroit ; Reject annule l’action. C’est plus concret qu’une promesse générique de « validation humaine », puisque l’approbateur voit l’outil proposé et ses entrées avant toute utilisation des identifiants d’accès.

Pour les automatisations à haut risque, l’historique de session ne suffit pas à lui seul. Envoyez les échecs de l’Agent et les choix d’outils suspects vers un circuit d’examen indépendant, et adaptez la conservation, l’occultation et les alertes aux données concernées. Le guide d’analyse des défaillances d’agents IA détaille cette couche d’observabilité distincte.

Migrer sans tout reconstruire

Migrer doit consister à envelopper les workflows stables, pas à les redessiner dans un prompt. Les workflows existants concentrent déjà l’essentiel de la valeur : identifiants d’accès, validation, appels d’API, transformations et gestion des échecs.

1. 1

   Conserver l’ossature déterministe

   Laissez les planifications, les webhooks, la validation et les écritures irréversibles dans les workflows. Ne migrez pas une séquence fixe uniquement pour donner une apparence agentique à l’architecture.

2. 2

   Transformer les actions en contrats

   Donnez à chaque workflow appelable un schéma d’entrée limité et un résultat structuré. Séparez les recherches en lecture seule des effets de bord afin de réserver la validation aux seules opérations qui en ont besoin.

3. 3

   Limiter au maximum le jeu d’outils

   Au départ, ne fournissez à l’Agent que les quelques workflows nécessaires à une tâche. Des noms et descriptions précis facilitent le bon choix par le modèle et rendent le journal de session plus simple à auditer.

4. 4

   Tester des conversations, pas des prompts

   Utilisez des cas au format fixe, des cas avec informations manquantes, des messages répétés et des demandes dangereuses. Avant de publier l’instantané, évaluez les résultats finaux, les échanges de clarification, les appels d’outils, les actions rejetées et l’usage du modèle.

5. 5

   Ajouter les points d’entrée en dernier

   Une fois l’Agent publié stabilisé, connectez un canal, une planification ou un workflow Message an Agent. Réutilisez la même identité au lieu de dupliquer les instructions dans plusieurs canvas.

Ne migrez pas si votre séquence est fixe, si votre nœud AI Agent actuel appartient à un seul workflow ou si votre modèle de conformité ne peut pas accepter un logiciel en Preview. La réponse est encore plus nette pour les déploiements Enterprise auto-hébergés et en queue mode : attendez. Si vous devez choisir l’ensemble de votre stack d’automatisation autour de n8n, le comparatif des outils d’automatisation IA apporte un éclairage plus large.

Le coût de la migration se cache dans les interfaces, pas dans le nombre de nœuds. Chaque outil de workflow a besoin d’entrées explicites, d’identifiants d’accès contrôlés, de résultats prévisibles, d’actions sans risque en cas de doublon et d’un responsable pour les validations. Un Agent révèle rapidement les contrats fragiles, car il peut appeler le même outil dans un ordre que le concepteur du workflow d’origine n’avait pas anticipé.

Limites de la Preview et recommandation

Les Agents n8n sont en Preview. Sur n8n Cloud, ils sont accessibles à tous les utilisateurs de la dernière version stable. En auto-hébergement, la prise en charge commence à la version 2.32.3 et nécessite d’activer le module agents pour une installation manuelle. Le builder complet assisté par IA reste facultatif, mais les bases de connaissances auto-hébergées nécessitent une sandbox Daytona, et les canaux une URL de webhook publique.

Deux limites peuvent interrompre une migration pourtant séduisante : les Agents ne sont pas prêts pour Enterprise en auto-hébergement, et le queue mode n’est pas pris en charge. n8n prévient également que les connexions de canaux auto-hébergés, comme Telegram, peuvent échouer ; le mode standard constitue donc la recommandation actuelle.

Une architecture de production honnête reste prudente. Laissez le workflow aux commandes de chaque séquence déjà connue. N’introduisez l’Agent qu’à l’endroit où une conversation doit choisir la suite. Fournissez-lui des workflows ciblés comme outils, enregistrez la session, publiez un instantané testé et placez une validation avant chaque effet de bord significatif.

Cette autonomie suffit à rendre la nouvelle interface utile, sans demander à un Agent en Preview de devenir tout votre système d’automatisation.

Questions fréquentes

Peut-on utiliser n8n pour créer une IA agentique ?

Oui. La nouvelle interface Agents permet de créer un Agent persistant capable de choisir des outils d’une session à l’autre, tandis que le nœud AI Agent existant apporte un comportement agentique au sein d’un workflow. Choisissez le périmètre qui correspond à la tâche.

Quels sont les 4 grands agents IA ?

Il n’existe pas de « big four » faisant autorité pour les agents IA. Choisissez en fonction de la tâche, des intégrations requises, du modèle de validation, des contraintes de déploiement et du coût, plutôt qu’à partir d’un classement générique de popularité.

Quels sont les 5 types d’agents en IA ?

Il n’existe pas de taxonomie universelle en cinq catégories. Pour une architecture n8n, la distinction utile consiste à savoir si un graphe fixe décide de l’action suivante ou si un modèle choisit parmi des outils délimités.

Quelle différence entre un n8n workflow et un workflow agentique ?

Un n8n workflow suit un graphe de nœuds déclaré. Dans une architecture agentique, un modèle choisit l’action suivante, même si des workflows peuvent toujours exécuter en arrière-plan les outils validés.

ChatGPT est-il une IA agentique ?

Une réponse de chat n’est pas agentique par nature. Un comportement agentique consiste à poursuivre un objectif en sélectionnant des actions ou des outils, à observer les résultats puis à décider de la suite.

Quels sont les quatre types d’agents ?

Il n’existe pas de standard unique en quatre catégories applicable à n8n. Mieux vaut examiner les caractéristiques opérationnelles : état, planification, accès aux outils et autonomie.

Quels sont les 3 meilleurs agents IA ?

Il n’existe pas de trio universel. Le bon Agent dépend des systèmes auxquels il doit accéder, du niveau de contrôle requis et de son environnement d’exécution.

Quels sont les 7 types d’IA ?

Les listes en sept catégories sont des taxonomies pédagogiques, pas des règles d’architecture. Elles ne permettent pas de décider si votre processus de support ou d’opérations doit prendre la forme d’un n8n workflow ou d’un Agent.

Quels sont les 5 composants d’un agent IA ?

Pour une implémentation n8n, commencez par le modèle, les instructions, les outils, la mémoire et les contrôles d’accès. N’ajoutez des connaissances, des canaux, des planifications ou des sous-agents que si le cas d’usage l’exige.

Si le point de décision conversationnel constitue la difficulté centrale, je peux vous aider à concevoir et développer l’Agent tout en conservant vos workflows comme surface de contrôle.