Agents IA

Vous voulez traiter des demandes qui ne suivent pas toujours le même chemin. Certaines exigent de chercher des informations, choisir un outil, vérifier un résultat puis adapter la suite. Un agent IA peut conduire cette boucle, mais ce choix ajoute de la variabilité, du coût et des risques d’effets non souhaités.

Un agent IA est un système dans lequel un modèle pilote l’exécution d’un travail. Il choisit les étapes ou les outils selon l’état rencontré et décide quand le résultat est atteint. Un workflow reste plus prescriptif : le code fixe son parcours, même si certaines étapes utilisent un modèle. Un simple appel à un LLM qui produit un texte ou une classification n’est donc pas, à lui seul, un agent. [S1] [S2]

Choisir entre règle, workflow et agent

Commencez par la solution la plus prévisible qui répond au besoin.

Situation	Mécanisme de départ
La décision peut être décrite par des règles stables	Code ou règle déterministe
Les étapes sont connues, mais une étape doit comprendre du texte ou produire un contenu	Workflow fixe avec un appel de modèle borné
Le chemin varie selon les informations trouvées, les exceptions ou le résultat des outils	Agent IA
Le succès ne peut pas être observé ou les actions ne peuvent pas être limitées	Ne pas automatiser davantage

Les workflows conviennent aux tâches bien définies qui demandent de la prévisibilité. Les agents deviennent pertinents pour des problèmes ouverts où le nombre d’étapes ne peut pas être fixé et où une décision fondée sur le contexte est nécessaire. Cette flexibilité augmente toutefois la latence, le coût et le risque d’erreurs qui se propagent d’une étape à l’autre. [S1] [S2]

Un agent n’est pas justifié parce qu’un outil ou un framework le permet. Vérifiez d’abord qu’un appel de modèle mieux cadré, une récupération de documents ou un workflow déterministe ne suffit pas. [S2]

Définir le budget d’autonomie

L’autonomie ne se résume pas à « agent » ou « pas agent ». Elle se décide pour chaque action.

Niveau	Ce que le système peut faire	Contrôle attendu
Proposer	Chercher, analyser et préparer une recommandation	Sources visibles et revue du résultat
Exécuter une action réversible	Créer un brouillon, modifier un espace de test ou préparer un changement récupérable	Permissions minimales, journal et contrôle automatique
Préparer une action sensible	Composer un envoi, une suppression, une dépense ou une modification de droits	Pause avant l’effet et approbation explicite
Exécuter sans revue	Répéter une action bornée dont les erreurs sont détectables et récupérables	Tests représentatifs, limites de coût et procédure d’arrêt

Les garde-fous automatiques peuvent vérifier une entrée, une sortie ou un appel d’outil. Un contrôle doit interrompre la boucle avant une action sensible afin qu’une politique ou une personne puisse l’accepter ou la refuser. [S3]

Ce qu’il faut définir avant de construire

Un résultat observable

Décrivez le résultat utile et la manière de le vérifier dans l’environnement réel. La phrase finale de l’agent ne suffit pas. Par exemple, un agent peut annoncer qu’un rendez-vous est créé alors que le calendrier ne contient aucun événement.

Une évaluation d’agent doit donc vérifier l’état final, mais aussi les appels d’outils ou la trajectoire lorsque leur ordre et leurs paramètres comptent. Elle combine des contrôles par le code, une appréciation du contenu et une calibration humaine selon la nature du travail. [S4]

Des outils bornés

Chaque outil doit avoir un rôle distinct, des paramètres compréhensibles et des erreurs exploitables. Donnez à l’agent seulement les capacités et les données nécessaires à sa tâche. Une action risquée gagne à être séparée d’une action de lecture afin de pouvoir imposer une validation propre. [S1] [S2] [S3]

Un skill peut expliquer à l’agent comment suivre une méthode. Il ne lui donne pas automatiquement un outil, une permission ou la garantie qu’une règle sera respectée.

Une condition d’arrêt

Fixez ce qui termine la boucle : résultat vérifié, nombre maximal d’étapes, budget consommé, erreur non récupérable ou besoin d’une décision humaine. L’agent doit pouvoir s’arrêter et transmettre l’état atteint au lieu de continuer à essayer sans limite. [S1] [S2]

Construire par étapes

1. Établissez une solution de départ. Mesurez un workflow simple ou la procédure humaine actuelle sur des demandes réelles.
2. Écrivez les évaluations. Couvrez un cas courant, des exceptions, une entrée incomplète, un outil indisponible et une action qui doit être refusée ou approuvée. [S4]
3. Commencez avec un seul agent. Ajoutez seulement les outils indispensables et gardez leurs résultats visibles. [S1]
4. Testez dans un environnement isolé. Recommandation pratique : utilisez des données fictives et des actions réversibles avant toute connexion à un système réel.
5. Ajoutez les contrôles selon le risque. Vérifiez les entrées, les sorties et les appels d’outils. Placez une approbation avant les effets sensibles. [S3]
6. Comparez au point de départ. L’agent doit améliorer un résultat défini sans dépasser les limites acceptées de coût, délai et erreur.
7. Élargissez seulement après un échec mesuré. Un autre agent, un nouvel outil ou davantage d’autonomie répond à une limite observée, pas à une architecture imaginée.

Limites à garder visibles

• Un agent peut respecter son format tout en prenant une mauvaise décision.
• Une étape erronée peut modifier le contexte utilisé par toutes les suivantes.
• Un outil mal défini ou trop puissant agrandit les conséquences d’une erreur.
• Une réussite sur quelques démonstrations ne remplace pas un jeu d’évaluation représentatif.
• Une validation humaine placée trop tard ne protège pas l’action déjà exécutée.
• Un modèle, un outil ou un fournisseur peut changer. Les évaluations doivent être rejouées après chaque évolution importante.

Choisissez un agent lorsque le travail exige réellement un parcours dynamique et que son résultat peut être contrôlé. Gardez un workflow déterministe lorsque les étapes sont connues. Si les effets ne sont ni bornés, ni observables, ni récupérables, conservez la décision humaine.