« Agent » est aujourd'hui le mot le plus galvaudé du logiciel. Les éditeurs l'emploient pour des chatbots, pour des scripts planifiés, pour tout ce à quoi on a greffé une clé d'API. Sous ce vacarme, il existe pourtant un vrai schéma qui mérite qu'on l'apprenne. Si vous voulez créer un agent IA cette année, la première tâche consiste à séparer ce schéma du marketing, en partie parce qu'une bonne part des projets d'« agent » que les gens esquissent gagneraient à être construits comme de simples automatisations, en un après-midi et pour une fraction du coût.
Ce guide fait trois choses. Il définit ce qu'est vraiment un agent, en une phrase que vous pourrez réutiliser en réunion de cadrage. Il expose trois voies de construction adaptées à vos compétences : plateformes sans code, frameworks pour développeurs, et l'honnête troisième option qui consiste à ne construire aucun agent. Et il déroule un exemple concret, un agent de tri de boîte de réception, de l'objectif jusqu'aux garde-fous.
Rien de tout cela n'exige un bagage en apprentissage automatique. Tout cela exige d'être au clair sur ce que vous voulez que la chose fasse.
Ce qu'est vraiment un agent IA
Ôtez la marque et un agent, c'est trois parties qui tournent dans une boucle :
- Un modèle qui décide de la prochaine action
- Un ensemble d'outils qu'il a le droit d'appeler : interroger une base de données, lire un e-mail, poser une étiquette, rédiger un message
- Un objectif assorti d'une condition d'arrêt, pour que la boucle sache quand elle a terminé
Un agent, c'est une boucle : un modèle qui décide, des outils qui agissent et un objectif qui dit quand s'arrêter.
La boucle est la partie qui compte. Un chatbot répond à un message puis attend. Un flux de travail exécute chaque fois les mêmes étapes figées. Un agent, lui, lit la situation, choisit un outil, regarde le résultat et décide à nouveau, répétant jusqu'à ce que l'objectif soit atteint ou qu'un budget soit épuisé. Ce point de décision au milieu de la boucle, c'est toute la différence entre un agent et tout le reste qu'on vend pour tel.
Cela vous donne aussi un test propre pour votre propre projet. Si vous pouvez dessiner chaque étape sous forme d'organigramme avant que quoi que ce soit ne s'exécute, vous n'avez pas besoin d'un agent — vous avez besoin d'un flux de travail, c'est-à-dire la voie trois ci-dessous, et il n'y a pas de honte à cela. Les agents ne méritent leur complexité que lorsque l'étape suivante dépend vraiment de ce qu'a fait remonter la précédente.
Trois façons de créer un agent IA
La voie que vous empruntez tient moins à l'ambition qu'à celui qui construit et à la forme du problème. L'annuaire de ToolPotion recense 700 outils pour créer des agents IA. Tout l'intérêt de ces trois voies, c'est que vous ne devriez jamais avoir à en évaluer plus d'une poignée.
Voie 1 : plateformes d'agents sans code
C'est le chemin de la personne qui possède le processus (un responsable support, un manager des opérations, un chef de produit) plutôt que de celle qui écrit le code.
Microsoft Copilot Studio vous permet de créer des agents qui se connectent aux données de votre entreprise, répondent à des consignes en langage naturel et se déploient dans les applications Microsoft 365 ou sur un site web. Si votre entreprise tourne déjà sur Microsoft, c'est la plus courte distance entre une idée et un agent déployé : l'accès au modèle, les connexions de données et les canaux sont déjà là où travaillent vos collègues. Plus votre stack s'éloigne de celle de Microsoft, moins il vaut son prix.
Voiceflow aborde le problème par le côté conversationnel : vous concevez visuellement des flux d'agents de chat et de voix, vous les lancez sur plusieurs canaux et vous itérez à partir de vraies transcriptions. Il convient très bien aux agents de support face au client. Il a la mauvaise forme si votre agent ne parle jamais à un humain.
Le compromis commun sur cette voie : vous louez la boucle. Quand l'agent se comporte mal, déboguer revient à cliquer dans l'interface d'un éditeur plutôt qu'à lire vos propres journaux, et migrer plus tard vers une autre plateforme signifie tout reconstruire. Soyez honnête aussi sur le fait de savoir si vous construisez seulement un agent : beaucoup de projets à ce niveau sont en réalité des chatbots, et si c'est le cas du vôtre, l'annuaire d'outils pour créer des chatbots est l'endroit le plus adapté où faire vos courses.
Voie 2 : frameworks et code, pour les développeurs
Les développeurs obtiennent plus de contrôle et plus de devoirs. La boucle, c'est vous qui l'écrivez : vous choisissez un modèle, vous définissez chaque outil comme une fonction, vous exprimez l'objectif dans une consigne système et vous fixez des plafonds stricts d'itérations et de dépense.
Le choix du modèle importe ici plus que partout ailleurs. Claude Opus est bâti exactement pour ce travail : un modèle de raisonnement conçu pour le code et les agents, doté d'une fenêtre de contexte d'un million de jetons capable de contenir l'équivalent d'une boîte de réception ou d'un code source entier tout au long d'une tâche de longue haleine. La réserve, c'est la discipline des coûts : un modèle de pointe à chaque tour de boucle, ça s'additionne, alors routez les étapes bon marché (classification, mise en forme) vers de plus petits modèles et gardez le gros pour les décisions.
Pour une première construction, un framework étroit l'emporte sur un framework généraliste. Vanna 2.0 en est un bon exemple : un framework open source pour des agents qui interrogent les bases de données de l'entreprise en langage courant, avec la prise en charge de plusieurs fournisseurs de LLM et de bases de données, plus le contrôle d'accès et la mémoire de l'agent pour un usage en production. Si votre premier agent consiste à « répondre à des questions à partir de nos données », l'essentiel de l'échafaudage est déjà écrit. Comme avec tout framework open source, le déploiement et l'entretien sont à votre charge.
D'autres options, des bibliothèques d'orchestration aux harnais d'évaluation, se trouvent dans l'annuaire des frameworks IA.
Voie 3 : vous n'avez pas besoin d'un agent — vous avez besoin d'un flux de travail
C'est l'issue honnête la plus fréquente du test de l'organigramme, et elle mérite d'être traitée comme une vraie voie plutôt que comme un lot de consolation.
Si les étapes sont connues, un outil de flux de travail avec une seule étape de modèle pour la partie floue vous apporte l'essentiel de la valeur sans rien de l'imprévisibilité de la boucle. Zapier construit des flux de travail et des agents IA à travers plus de 9 000 applications, avec des garde-fous et des contrôles d'accès pour les équipes, même si son modèle de tarification à la tâche pique dès que le volume grimpe. Make vous offre une toile visuelle en glisser-déposer, plus de 3 000 intégrations et un forfait gratuit pour prototyper. Les grands scénarios ont l'art de virer au plat de spaghettis sur cette toile. n8n convient surtout aux équipes techniques (du code là où il en faut, du sans-code là où il n'en faut pas, et vous pouvez l'héberger vous-même), mais il attend qu'il y ait dans l'équipe quelqu'un à l'aise pour lire du JSON.
Un flux de travail avec une étape de LLM bien formulée n'est pas un agent au rabais. C'est le bon outil, terminé plus tôt, et il échoue de manières que vous pouvez prévoir.
| Voie | Idéale pour | Mise en route | Le hic |
|---|---|---|---|
| Plateforme d'agents sans code | Propriétaires de processus sans ingénieurs | Des jours | Boucle louée : débogage opaque, dépendance à l'éditeur |
| Framework et code | Développeurs | Une à deux semaines | Évaluations, supervision et entretien vous incombent |
| Flux de travail plus une étape de LLM | Quiconque a un processus défini | Des heures | Ne gère pas les tâches ouvertes |
Un exemple travaillé : l'agent de tri de boîte de réception
Disons que vous gérez une boîte de réception de support partagée et que l'objectif est le suivant : chaque message entrant est étiqueté par type et par urgence, aiguillé vers le bon responsable et, là où c'est sûr, gratifié d'un brouillon de réponse. Voici à quoi cela ressemble en tant qu'agent, quelle que soit la voie sur laquelle vous le construisez.
- L'objectif, couché par écrit. « Trie chaque nouveau message ; arrête-toi quand il est étiqueté, attribué et soit doté d'un brouillon, soit escaladé. » La condition d'arrêt n'est pas un ornement : c'est elle qui empêche la boucle de partir à la dérive.
- Les outils. Lire le message. Chercher dans les fils passés et le CRM pour cet expéditeur. Poser une étiquette. Attribuer un responsable. Rédiger une réponse. Remarquez ce qui manque : envoyer. C'est délibéré.
- La boucle sur un message. Une demande de remboursement arrive. Le modèle la lit, cherche dans l'historique du client, trouve un abonnement annuel et une réclamation de mars, l'étiquette facturation/élevée, l'attribue au responsable de la facturation, rédige une réponse qui renvoie à la réclamation antérieure, puis s'arrête.
- Les garde-fous. Un plafond sur les itérations de la boucle, un plafond de dépense par message et une étiquette « escalader vers un humain » que l'agent doit employer chaque fois qu'il n'est pas sûr.
Maintenant, la partie honnête. L'essentiel de ce pipeline n'est pas un agent. Étiqueter et aiguiller, c'est un classifieur plus des règles, terrain confortable pour Make ou n8n. La boucle ne mérite son coût qu'à l'étape trois, là où les résultats de recherche décident de ce que le brouillon doit dire. Si cette rédaction sensible au contexte n'a pas de valeur pour vous, construisez la version flux de travail et bouclez l'affaire avant vendredi.
Et examinez le côté « acheter » avant même de construire quoi que ce soit. Pour une boîte de réception personnelle, Shortwave organise, rédige, cherche et planifie déjà vos e-mails à partir de simples consignes. Construire le vôtre n'a de sens que pour une boîte partagée dotée de règles d'aiguillage qu'aucun produit tout fait ne pourrait connaître. Vingt minutes dans l'annuaire de 553 agents IA prêts à l'emploi sont une façon peu coûteuse de savoir si votre agent existe déjà.
Quand ça casse, et comment vous le saurez
Les agents échouent poliment. Il n'y a pas de trace d'appel quand le modèle applique la mauvaise étiquette ou rédige des âneries avec aplomb : la boucle se termine, annonce une réussite, et les dégâts refont surface des jours plus tard dans un fil de discussion client désorienté.
C'est pourquoi l'observabilité fait partie de la construction, et non d'un ajout pour plus tard. LangSmith enregistre une trace de chaque étape que franchit un agent, signale les défaillances et suit le coût et la latence, avec des SDK pour Python, TypeScript, Go et Java. Il fonctionne que vous utilisiez ou non ses frameworks jumeaux. Langfuse en est le pendant open source, réunissant traçage, gestion des consignes et évaluation, et vous pouvez l'héberger vous-même. L'un comme l'autre est une pièce d'infrastructure de plus à faire tourner ou à payer. Faire tourner un agent à l'aveugle coûte plus cher, à coup sûr.
Votre première semaine ressemble donc à ceci : écrivez la phrase de l'objectif avec sa condition d'arrêt, listez les outils auxquels l'agent peut toucher, faites le test de l'organigramme et choisissez la voie qu'il désigne. La construction, c'est la moitié facile. Gagner assez de confiance pour retirer l'humain de la boucle, voilà le vrai projet.
Foire aux questions
Puis-je créer un agent IA sans coder ?
Oui. Des plateformes comme Microsoft Copilot Studio et Voiceflow vous permettent de définir l'objectif d'un agent, ses connexions de données et ses canaux via une interface visuelle. Sans code ne veut pourtant pas dire sans travail : vous devez toujours préciser l'objectif, choisir les outils, poser les garde-fous et relire les transcriptions, alors attendez-vous à une configuration et à des tests qui se comptent en jours.
Quelle est la différence entre un agent IA et un chatbot ?
Un chatbot répond à un message et attend le suivant. Un agent avance vers un objectif en appelant des outils dans une boucle, décidant lui-même de son étape suivante d'après ce que la précédente a renvoyé. Bien des produits vendus comme des agents sont des chatbots auxquels on a greffé un unique appel d'API. Le test, c'est de savoir si le système choisit lui-même sa prochaine action.
Ai-je besoin de compétences en apprentissage automatique pour créer un agent IA ?
Non. Vous appelez les modèles via des API ou des plateformes au lieu de les entraîner. Une définition claire du processus, des consignes correctes et la connaissance de vos propres données et outils comptent bien davantage pour un premier agent que la théorie de l'apprentissage automatique.
Combien de temps faut-il pour créer votre premier agent IA ?
Un flux de travail avec une étape de LLM peut tourner le jour même. Un agent sur plateforme sans code demande en général des jours de configuration et de tests. Un prototype codé sur un framework prend une à deux semaines. Dans tous les cas, la longue traîne, c'est la confiance : évaluer la sortie et resserrer les garde-fous avant de retirer la relecture humaine prend d'ordinaire plus de temps que la construction elle-même.