CrocoForge
Il y a un moment, dans la vie d'une automatisation, où tu ne la comprends plus toi-même. Au début c'était trois étapes. Puis un cas particulier est arrivé, alors tu as ajouté une condition. Puis un autre cas, une autre branche.
Six mois plus tard, tu as devant toi un schéma à quinze ou vingt étapes : des si/sinon empilés, des actions GPT pour « réfléchir », des mises à jour de champs pour garder une trace de l'état.
Une seule logique métier — qualifier un lead, router une demande, relancer au bon moment — tient sur un mur entier.
Le réflexe, c'est de se dire qu'on va bien finir par tout couvrir. Encore une branche, encore un cas, et le système sera complet. Sauf qu'il ne l'est jamais. Chaque nouvelle situation casse une hypothèse que tu avais figée dans le montage.
Tu n'es pas en train de construire un système : tu es en train de cartographier à la main toutes les décisions qu'une personne sensée prendrait en dix secondes. Le problème n'est pas que tu t'y prends mal. C'est que tu fais le travail à la place de la machine.
L'usine à si/sinon
Regarde honnêtement une de tes automatisations « intelligentes ». Tu vas y trouver le même motif partout : une condition vérifie une valeur, deux branches en sortent, chaque branche contient une autre condition, et ainsi de suite.
Pour qu'une automatisation « réfléchisse », jusqu'ici il fallait empiler conditions, branches si/sinon, actions GPT et mises à jour de champs. Une seule logique métier pouvait représenter quinze à vingt étapes.
Le coût n'est pas que visuel. Chaque branche est une décision que tu as anticipée à froid, sans connaître la situation réelle au moment où elle se présentera. Un lead écrit « je regarde pour plus tard, mais c'est urgent en fait » — dans quelle branche tombe-t-il ?
Tu n'avais pas prévu cette phrase. Alors soit il file dans une branche par défaut qui ne lui convient pas, soit tu retournes dans le montage ajouter encore un cas. L'usine grandit, et plus elle grandit, plus elle devient fragile : tu n'oses plus y toucher de peur de casser une branche qui marchait.
C'est le piège classique de l'automatisation par conditions. Tu codes une décision au lieu de déléguer un jugement. Et une décision codée en dur ne s'adapte jamais à ce que tu n'avais pas vu venir.
Ce qu'est l'action IA Agent — et ce qu'elle n'est pas
L'action IA Agent inverse complètement la logique. Au lieu de dessiner chaque chemin, tu donnes une mission en langage naturel, tu confies une boîte à outils, et l'agent décide seul quels outils utiliser et dans quel ordre. Tu passes de vingt étapes configurées à la main à une seule action qui orchestre le reste.
Concrètement, l'IA Agent combine trois choses. Un modèle de langage — GPT, Claude ou Gemini — qui comprend la situation. Des instructions que tu écris en français courant. Et une liste d'outils que tu mets à sa disposition : envoyer un SMS, créer un rendez-vous, mettre à jour un contact, et ainsi de suite.
À l'exécution, l'agent lit la situation, réfléchit, choisit un outil, l'exécute, regarde le résultat, puis décide de l'étape suivante. En autonomie. C'est exactement le raisonnement que tu reproduisais à la main avec tes branches — sauf qu'il se fait au moment où la situation arrive, pas six mois avant, dans ta tête.
Maintenant, ce qu'elle n'est pas, parce que c'est là que beaucoup se trompent. L'IA Agent n'est pas une action qui génère juste du texte, comme l'action GPT classique. L'action GPT produit une réponse rédigée que tu branches ensuite ailleurs ; elle ne touche à rien. L'IA Agent, elle, agit dans CrocoClick.
Elle déplace des contacts, envoie des messages, crée des opportunités, interroge des données. La différence est nette : l'une parle, l'autre fait. Si tu cherches simplement à rédiger un message, l'action GPT suffit. Si tu veux qu'une décision se prenne et que des actions s'enchaînent en conséquence, c'est l'agent qu'il te faut.
Quand sortir l'agent — et quand t'abstenir
L'IA Agent n'est pas faite pour remplacer toutes tes automatisations. Une automatisation linéaire et stable — un déclencheur, deux ou trois actions toujours identiques — n'a aucune raison de devenir un agent. Tu ajouterais de la complexité et du coût pour rien.
Le cas où elle change vraiment la donne, c'est la logique conditionnelle complexe. Quand tu te retrouves à multiplier les branches si/sinon pour couvrir tous les cas, tu décris à la place les règles en langage naturel et tu laisses l'agent trancher.
Au lieu de « si le contact a coché A, alors X ; sinon si B et pas C, alors Y ; sinon Z », tu écris ce que tu attendrais d'un assistant : « selon la demande du contact, oriente-le vers le bon parcours et tiens sa fiche à jour ».
L'arbre de décision ne disparaît pas — il passe juste du montage figé à un raisonnement qui s'exécute à la volée, en tenant compte de la situation réelle.
La bonne question à te poser n'est pas « est-ce que c'est possible avec une IA Agent ». Presque tout l'est. C'est : « est-ce que ma logique a tellement de cas que je passe plus de temps à la maintenir qu'à la concevoir ? ».
Si oui, tu es exactement dans le territoire de l'agent. Si ta logique tient en une ligne droite, garde tes actions classiques.
Bien briefer l'agent : rôle, tâche, règles
Un agent ne vaut que ce que vaut son brief. La qualité dépend directement de la qualité du prompt : plus tu donnes des informations claires et structurées, plus les décisions sont pertinentes. C'est la même exigence que pour n'importe quel prompt CrocoClick, et elle tient en trois éléments.
D'abord, le rôle. C'est la personnalité et la fonction de l'agent : qui il est, dans quel contexte il intervient, comment il se comporte. « Tu es un commercial » ne suffit pas — c'est vague, et un brief vague produit des décisions vagues.
Vise plutôt quelque chose comme : « Tu travailles pour {{ai.business_name}}. Ton rôle est d'aider les clients, de qualifier leurs besoins et de les orienter vers un rendez-vous si nécessaire. Tu agis comme un assistant humain, ton professionnel mais naturel. » L'agent sait alors qui il est avant même de regarder la situation.
Ensuite, la tâche. C'est ce que l'agent doit accomplir. Là encore, un énoncé flou donne des résultats imprécis. Le mieux est de décrire la tâche en étapes, comme un script : demander le type de solution recherché, poser des questions sur l'activité, proposer de réserver un appel, demander l'email si c'est nécessaire.
Tu ne lui interdis pas d'adapter l'ordre — c'est tout l'intérêt de l'agent — mais tu lui donnes une trame claire de ce qu'il y a à faire.
Enfin, les règles, les garde-fous de comportement. C'est ce qui cadre l'autonomie. Quels tons sont interdits, quelles actions ne jamais déclencher sans condition remplie, quand s'arrêter et passer la main.
Sans règles, un agent autonome reste autonome — c'est précisément le moment où tu veux poser des limites nettes. Le rôle dit qui il est, la tâche dit quoi faire, les règles disent jusqu'où aller.
Soigne ces trois blocs et tu obtiens un agent qui se comporte de façon cohérente d'une situation à l'autre. Bâcle-les, et tu retrouves le pire des deux mondes : l'imprévisibilité d'une IA sans la lisibilité de tes anciennes branches.
Le coût : c'est une action premium
Un point qu'il faut dire franchement, parce qu'il change la façon dont tu conçois tes automatisations : l'IA Agent est une action premium. Chaque exécution consomme des crédits. Ce n'est pas une action gratuite que tu poses partout sans y penser.
Ça a une conséquence directe sur tes choix. Tu ne mets pas un agent sur un déclencheur qui se lance des milliers de fois par jour pour une décision triviale — tu paierais cher un raisonnement dont tu n'as pas besoin.
Tu le réserves aux endroits où le jugement a de la valeur : les situations ambiguës, les parcours qui se ramifient, les décisions que tu aurais autrement codées dans vingt branches. C'est le bon calcul.
Là où l'agent remplace une usine à si/sinon ingérable, le crédit dépensé t'achète une logique qui s'adapte et qui ne casse pas au prochain cas imprévu. Là où une simple condition aurait suffi, garde la condition.
Pense l'agent comme tu penserais un collaborateur : tu ne lui confies pas les tâches mécaniques que n'importe quel automatisme exécute, tu lui confies les arbitrages. Le coût en crédits n'est pas un frein, c'est un rappel utile de réserver l'agent à ce qui en vaut la peine.
Ce que ça change
Tu arrêtes de cartographier des décisions et tu commences à déléguer du jugement. C'est tout le basculement. Tes automatisations ne sont plus des murs de conditions que tu n'oses plus toucher : ce sont des missions claires, confiées à un agent qui a les bons outils et les bonnes règles.
Quand un cas que tu n'avais pas prévu se présente, il n'y a plus de branche à ajouter — l'agent raisonne, choisit, agit.
Ça ne veut pas dire tout transformer en agent.
Ça veut dire reconnaître le moment où tu es en train de construire une usine à si/sinon, et choisir l'autre voie : décrire la mission, donner la boîte à outils, fixer les règles, et laisser la décision se prendre au bon moment plutôt que d'avoir tenté de tout prévoir à l'avance.
Pour monter ta première action IA Agent — mission, boîte à outils et brief — le guide CrocoClick est ici.
