Sommaire
- Qu’est-ce qu’un agent ? — p.4
- Quand faut-il créer un agent ? — p.5
- Fondations de la conception d’un agent — p.7
- Garde-fous — p.24
- Conclusion — p.32
Introduction
Les modèles de langage de grande taille (LLM) deviennent de plus en plus capables de gérer des tâches complexes et à plusieurs étapes. Les progrès en raisonnement, en multimodalité et en utilisation d’outils ont permis l’émergence d’un nouveau type de systèmes basés sur les LLM : les agents.
Ce guide est destiné aux équipes produit et ingénierie qui souhaitent créer leurs premiers agents. Il résume les bonnes pratiques issues de nombreux déploiements clients, avec des conseils concrets et actionnables. Il inclut des cadres pour identifier les cas d’usage prometteurs, des modèles clairs pour concevoir la logique et l’orchestration des agents, ainsi que des bonnes pratiques pour garantir que vos agents fonctionnent de manière sûre, prévisible et efficace.
Après avoir lu ce guide, vous disposerez des connaissances fondamentales nécessaires pour commencer à construire votre premier agent avec confiance.
Qu’est-ce qu’un agent ?
Alors que les logiciels classiques permettent d’automatiser des flux de travail, les agents sont capables d’exécuter ces flux de travail de manière autonome.
Un agent est un système qui accomplit de manière indépendante des tâches pour le compte d’un utilisateur.
Un flux de travail est une séquence d’étapes à exécuter pour atteindre l’objectif de l’utilisateur (par exemple, résoudre un problème de service client, réserver un restaurant, valider une modification de code ou générer un rapport).
Les applications qui intègrent un LLM sans l’utiliser pour contrôler l’exécution du flux de travail (ex. chatbots simples, classification de sentiments) ne sont pas des agents.
8Un agent possède deux caractéristiques fondamentales :
- Il utilise un LLM pour gérer l’exécution du flux de travail, prendre des décisions, détecter l’achèvement des tâches, corriger ses actions en cas d’erreur et, si nécessaire, transférer le contrôle à l’utilisateur.
- Il a accès à plusieurs outils lui permettant d’interagir avec des systèmes externes (pour collecter du contexte ou effectuer des actions), qu’il choisit dynamiquement en fonction de l’état du flux de travail — tout en respectant des garde-fous définis.
Quand faut-il créer un agent ?
Créer un agent nécessite de repenser la manière dont vos systèmes prennent des décisions et gèrent la complexité. Contrairement à l’automatisation classique, les agents sont idéaux pour les flux de travail où les règles déterministes échouent.
7Exemples :
- Analyse de fraude : un moteur de règles fonctionne comme une checklist. Un agent, lui, agit comme un enquêteur expérimenté capable de repérer des anomalies subtiles.
6Les cas propices aux agents sont :
- Prise de décision complexe
Ex. : approbation de remboursement dans le service client - Règles difficiles à maintenir
Ex. : évaluation de la sécurité d’un fournisseur avec des centaines de critères - Forte dépendance aux données non structurées
Ex. : lecture de documents, langage naturel, conversation
Avant de construire un agent, vérifiez que votre cas d’usage remplit bien ces critères. Sinon, une solution déterministe peut suffire.
Fondations de la conception d’un agent
Un agent est composé de trois éléments clés :
- Modèle : le LLM qui alimente le raisonnement de l’agent
- Outils : fonctions ou APIs externes permettant à l’agent d’agir
- Instructions : directives explicites et garde-fous définissant son comportement
5Choix des modèles
Chaque modèle LLM a ses forces selon la tâche (complexité, coût, latence).
Utilisez un modèle performant pour établir une base, puis testez des modèles plus petits.
Règles de base :
- Mettez en place des évaluations pour établir une référence de performance
- Utilisez d’abord les meilleurs modèles
- Optimisez ensuite les coûts et la latence
4Définir les outils
Les outils permettent à l’agent :
- de récupérer du contexte (données, documents, recherche web, etc.)
- de prendre des actions (envoyer des messages, modifier une base de données…)
- de coordonner d’autres agents (ex. modèle de gestionnaire)
3Configurer les instructions
Des instructions claires :
- Réduisent l’ambiguïté
- Améliorent la prise de décision
- Diminuent les erreurs
- Bonnes pratiques :
- Utiliser des procédures existantes comme base
- Décomposer les tâches
- Définir des actions explicites
- Gérer les cas limites (ex. données manquantes)
Orchestration des agents
Deux grandes approches :
- Agent unique : un seul agent avec instructions + outils
- Multi-agents : agents spécialisés coordonnés entre eux
2Système à agent unique
Un seul agent gère la boucle d’exécution jusqu’à atteindre une condition de sortie (réponse finale, erreur, appel d’un outil, etc.).
Utilisez des modèles de prompt dynamiques avec des variables pour faciliter l’adaptation à plusieurs contextes.
1Système multi-agents
Deux modèles principaux :
- Modèle “gestionnaire” : un agent principal délègue des tâches à d’autres agents spécialisés via des appels d’outils
- Modèle décentralisé : les agents se passent le relais sans supervision centrale
Garde-fous
- Les garde-fous protègent contre :
- les fuites de données sensibles
- les comportements imprévus
- les risques de réputation
- Ils doivent être :
- superposés
- dynamiques
- couplés à des contrôles d’accès et d’authentification
- Types de garde-fous :
- Classifieur de pertinence (filtrage des sujets hors-sujet)
- Classifieur de sécurité (détection d’injections, contournements)
- Filtre PII (informations personnelles)
- Modération de contenu
- Validation de sortie (conformité à la marque)
- Contrôle des outils sensibles (notation risque faible/moyen/élevé)
- Limites simples (longueur, regex, blocklist)
Prévoir une intervention humaine
L’intervention humaine est essentielle pour :
- détecter des échecs
- gérer des cas sensibles
- améliorer l’agent au fil du temps
- Déclencheurs courants :
- Trop d’échecs ou tentatives répétées
- Actions sensibles ou à fort impact (remboursement, annulation)
Conclusion
Les agents ouvrent une nouvelle ère d’automatisation où les systèmes peuvent :
- raisonner dans l’ambiguïté
- utiliser des outils
- gérer des tâches complexes de bout en bout
- Pour construire un agent fiable :
- Choisissez un bon modèle
- Définissez les bons outils
- Rédigez des instructions claires
- Ajoutez des garde-fous adaptés
- Évoluez progressivement vers des systèmes multi-agents si nécessaire
Commencez petit, testez avec de vrais utilisateurs, puis étendez.
Les agents bien conçus apportent une valeur réelle, en automatisant non seulement des tâches, mais des flux de travail entiers avec intelligence et flexibilité.