Résumé des points clés
Des plateformes d'organisation de processus à faible code telles que Coze, Dify et n8n ont connu un grand succès par le passé en permettant aux techniciens d'éviter la répétition du code, aux utilisateurs métiers de créer des processus et aux gestionnaires de réduire les coûts et d'améliorer l'efficacité. Cependant, elles sont maintenant concurrencées par des agents de programmation intelligents basés sur l'IA (Coding Agents) plus simples. Ces deux technologies ne sont pas dans un rapport de lutte à mort : les plateformes à faible code conservent leurs avantages de stabilité et de contrôlabilité lors de leur transformation, tandis que les Coding Agents se concentrent sur une approche facile d'utilisation et flexible. À l'avenir, on assistera à une architecture hybride où les Workflow seront utilisés pour les tâches bien définies et les agents pour les problèmes plus complexes. Le facteur décisif sera la capacité de chaque technologie à comprendre profondément les connaissances métiers de l'entreprise (KnowHow).
I. Les points forts et les faiblesses des plateformes à faible code : pourquoi elles ont été populaires, et pourquoi elles sont aujourd'hui dans une position difficile ?
Moments de gloire : L'année 2023 a été une période dorée pour Coze et Dify. À cette époque, les modèles d'IA étaient puissants, mais les gens ordinaires ne savaient pas comment les utiliser pour créer des produits, et les techniciens devaient rédiger de grandes quantités de code de liaison pour intégrer différents outils/systèmes. Les plateformes à faible code ont résolu les problèmes des trois acteurs principaux :
- Techniciens : Ils n'avaient pas besoin de réécrire du code répétitif pour de petites demandes.
- Utilisateurs métiers : Ils pouvaient créer des processus en faisant glisser et déposer des éléments, sans avoir à s'occuper d'environnements de développement complexes.
- Gestionnaires : Ils voyaient une possibilité de réduction des coûts et d'amélioration de l'efficacité.
Par exemple, les entreprises choisissaient Dify pour des déploiements privés, et les particuliers utilisaient l'écosystème de Coze pour créer rapidement des démonstrations (demos).
Faiblesses intrinsèques : Cependant, ces plateformes étaient limitées à des scénarios simples ; elles étaient inadaptées aux processus complexes :
- Processus complexes comme des réseaux d'araignées : Un processus clé dans une entreprise de service client pouvait être facilement perturbé par de petits ajustements, et seulement trois personnes pouvaient le maintenir.
- Illusions créées par les modèles d'IA : Lorsqu'on utilisait ces plateformes pour créer des bases de connaissances complexes (par exemple, pour que l'IA réponde à des questions sur les documents internes), l'IA avait tendance à fournir des réponses aléatoires, rendant le système très difficile à utiliser.
En conséquence, dans un environnement de production, leur utilisation était limitée : elles étaient bonnes pour créer des démonstrations, mais pas pour des tâches réelles.
II. Comment les Coding Agents peuvent-ils concurrencer les plateformes à faible code ? En remplaçant la création de processus par glissement et déposition ?
Les attentes des utilisateurs évoluent constamment : ils ne veulent plus se soucier de l'organisation des processus (SOP) ni de la création de processus par glissement et déposition, car cela est trop laborieux. C'est là qu'interviennent les agents de programmation intelligents (Coding Agents) :
- Agents initiaux : Ils pouvaient générer des processus en une seule phrase, mais leur stabilité était faible (les mêmes entrées pouvaient entraîner des résultats différents, et il était difficile de corriger les erreurs).
- Agents actuels : Ils intègrent des « spécifications de compétences » (des descriptions de processus rédigées en langage naturel), ce qui améliore considérablement leur stabilité. Ils sont devenus des outils collaboratifs : l'IA génère les processus, puis les humains les vérifient et les optimisent.
Ces agents réinventent ainsi l'avantage principal des plateformes à faible code : une plus grande facilité d'utilisation et une efficacité accrue. Par exemple, avec Claude Code, si vous demandez « créez pour moi un processus de classification automatique des retours clients », l'IA génère directement le code nécessaire, ce qui est beaucoup plus rapide que de créer le processus manuellement.
III. La volonté de survie des plateformes à faible code : de la simple utilisation de glissement et déposition à une approche hybride
Coze, Dify et n8n ne restent pas inactifs ; elles se transforment toutes :
- Coze 3.0 : Se positionne comme une plateforme permettant d'utiliser des agents en ligne, sans nécessité de connaître l'environnement local ou les répertoires de code. Elle s'adresse principalement aux personnes qui veulent créer rapidement des démonstrations.
- Dify : Se définit comme une plateforme open source pour la création de workflows basés sur des agents, intégrant les capacités des agents dans les outils à faible code.
- n8n : Met l'accent sur la visualisation et le contrôle, en lançant un outil d'élaboration de Workflow basé sur l'IA qui permet de générer des processus automatiquement tout en conservant la possibilité de validation manuelle et le contrôle des étapes.
La logique fondamentale est que l'utilisation purement basée sur le glissement et déposition n'est pas suffisamment flexible, tandis qu'une utilisation purement basée sur les agents n'est pas assez stable. Il faut donc combiner les deux approches pour obtenir un meilleur équilibre.
IV. Les limites futures : quand utiliser des Workflow et quand utiliser des agents ?
L'industrie a atteint un consensus : ces technologies ne se substituent pas l'une à l'autre, mais travaillent ensemble :
- Utilisation des Workflow : Pour les tâches bien définies nécessitant une stabilité absolue (par exemple, les processus de remboursement financier ou la synchronisation de données).
- Utilisation des agents : Pour les tâches complexes nécessitant des décisions dynamiques (par exemple, le service client ou les recherches de marché).
- Architecture hybride : Par exemple, pour un processus de service client, les agents gèrent les questions simples, tandis que les problèmes plus complexes sont traités manuellement, et les données ainsi obtenues sont synchronisées avec le système CRM.
En somme, il s'agit de répartir les responsabilités : les Workflow sont utilisés lorsque l'humain a le dernier mot, et les agents lorsqu'une intervention automatique est nécessaire.
V. La compétition finale : ce n'est pas la technologie qui compte, mais la compréhension des besoins métiers
Les principales entreprises d'IA (OpenAI, Anthropic) recrutent des spécialistes capables de mettre en œuvre ces technologies sur le terrain des clients. Pourquoi ? Parce que les modèles d'IA sont désormais très puissants, mais le véritable obstacle pour les entreprises est leur incapacité à clarifier leurs connaissances métiers (KnowHow). Comment transformer des processus internes en règles compréhensibles par l'IA ? Comment convertir des documents en bases de données utilisables par l'IA ?
Ainsi, la compétition entre ces outils ne reposera pas sur les fonctionnalités les plus avancées, mais sur leur capacité à aider les entreprises à consolider leurs connaissances métiers. Par exemple, si Coze peut intégrer des modèles de processus pour le service client en e-commerce, ou si Dify propose des plugins pour les processus de production dans l'industrie manufacturière, ces technologies auront un avantage significatif. Après tout, les outils sont faciles à utiliser, mais comprendre les besoins métiers est plus difficile.
Conclusion : Coze, Dify et n8n disparaîtront pas, mais elles se transformeront en outils hybrides combinant l'IA et les Workflow. Les Coding Agents ne les remplaceront pas complètement ; ils fonctionneront plutôt en complémentarité. Leur survie dépendra de leur capacité à résoudre réellement les problèmes liés à la mise en œuvre des processus d'affaires. Après tout, même les outils les plus performants ne sont utiles que si ils sont utilisés dans le contexte approprié.