Introduction aux agents IA

Jusqu'ici, tu utilisais un LLM en mode conversation : tu poses une question, il répond. Tu relances, il complète. C'est puissant, mais c'est du ping-pong. Un agent IA, c'est autre chose : tu lui donnes un objectif, et il se débrouille pour l'atteindre. Plusieurs étapes, plusieurs outils, sans que tu interviennes à chaque fois.

Agent vs chatbot : la différence fondamentale

Un chatbot attend ta prochaine instruction. Il ne fait rien tout seul. Tu es le pilote, il est le co-pilote.

Un agent reçoit une mission et décide lui-même des étapes pour l'accomplir. Il peut chercher sur le web, lire un document, appeler une API, écrire un fichier, et enchaîner ces actions dans un ordre qu'il détermine lui-même.

Exemple chatbot :

• Toi : "Résume cet article."
• LLM : [résumé]
• Toi : "Maintenant traduis en anglais."
• LLM : [traduction]

Exemple agent :

• Toi : "Trouve les 3 derniers articles sur la réglementation thermique, résume chacun en 5 points, traduis en anglais, et envoie le tout par email à mon associé."
• Agent : [fait tout, dans l'ordre, sans intervention]

La différence, c'est l'autonomie. L'agent planifie, exécute, et vérifie. Tu interviens au début (la mission) et à la fin (la validation).

Comment fonctionne un agent

Un agent combine trois capacités :

1. Le raisonnement — le LLM décompose la mission en sous-tâches. "Pour faire X, je dois d'abord faire A, puis B, puis C."

2. Les outils — l'agent a accès à des fonctions externes : recherche web, lecture de fichiers, envoi d'emails, calculs, requêtes API. Le LLM décide quel outil utiliser à chaque étape.

3. La boucle de feedback — après chaque action, l'agent évalue le résultat. "Est-ce que j'ai obtenu ce qu'il me faut ? Si non, je réessaie autrement."

C'est cette boucle qui rend l'agent puissant. Un chatbot ne revient jamais en arrière. Un agent, si.

Les agents disponibles aujourd'hui

L'écosystème évolue vite. Voici les principales catégories :

Agents intégrés aux LLM :

• Claude peut naviguer sur le web, exécuter du code, lire des fichiers
• ChatGPT avec ses plugins et le mode "Code Interpreter"
• Gemini avec ses extensions Google Workspace

Agents autonomes (open source) :

• Auto-GPT, BabyAGI : les pionniers, instables mais impressionnants
• CrewAI, LangGraph : frameworks pour créer des équipes d'agents
• Hermes Agent : configurable en local, avec gestion de tiers de modèles

Agents no-code :

• Make et Zapier avec modules IA (ce que tu as vu au niveau Praticien)
• Relevance AI, Lindy : création d'agents via interface visuelle

Cas d'usage concrets pour une TPE-PME

1. Agent de veille sectorielle Mission : "Chaque matin, parcours ces 5 sources d'information, identifie les articles pertinents pour mon secteur, résume-les, et envoie-moi un digest par email."

2. Agent d'analyse de documents Mission : "Lis ce contrat de 40 pages, identifie les clauses inhabituelles, compare avec notre contrat type, et liste les points à négocier."

3. Agent de préparation commerciale Mission : "Avant mon rendez-vous avec , cherche ses dernières actualités, son CA, ses recrutements récents, et prépare une fiche de brief d'une page."

Les limites actuelles

Fiabilité. Un agent peut se tromper dans sa planification, utiliser le mauvais outil, ou boucler sans fin. La supervision humaine reste indispensable pour les tâches critiques.

Coût. Un agent fait souvent 5 à 20 appels au LLM pour une seule mission. À quelques centimes par appel, ça s'accumule. Il faut budgéter.

Sécurité. Un agent qui a accès à ton email et ton CRM a beaucoup de pouvoir. Les permissions doivent être configurées avec soin — principe du moindre privilège.

Complexité de configuration. Les agents no-code sont accessibles, mais les agents techniques (LangGraph, Hermes) demandent des compétences de développeur ou un accompagnement.

Et maintenant ?

Tu comprends ce qu'est un agent IA et ce qu'il peut faire. Dans la prochaine leçon, on aborde un concept clé qui rend les agents et les LLM beaucoup plus utiles : le RAG (Retrieval-Augmented Generation) — faire travailler le LLM sur TES données, pas sur ses connaissances génériques.

Abonne-toi à la newsletter pour suivre la suite du parcours.