Créer un agent IA consiste à confier une mission délimitée à un modèle capable de choisir et d’utiliser des outils, puis à contrôler les actions qu’il accomplit. Le point de départ n’est pas le choix d’une plateforme. Il faut d’abord définir le résultat attendu, les données accessibles et le moment où l’agent doit s’arrêter. Ce guide présente une méthode générale, de la première tâche à la supervision d’un agent récurrent.
Qu’est-ce qu’un agent IA ?
Un agent associe un modèle, des instructions et des outils. Les outils lui permettent de lire des données ou d’agir dans un autre système. OpenAI décrit ces trois composants dans son guide de conception des agents. Un échange avec un chatbot peut produire une réponse utile, mais il ne suffit pas à réaliser une tâche dans un logiciel ou à vérifier son propre résultat.
Le mot « agent » couvre plusieurs degrés d’autonomie. Anthropic distingue les workflows, dont le chemin est fixé dans le code, des agents qui choisissent leurs étapes et leurs outils selon ce qu’ils observent. Un traitement qui suit toujours exactement les mêmes opérations peut rester un script ou un workflow. L’agent devient pertinent quand les cas varient et qu’il faut décider quelle action effectuer à partir de données nouvelles.
1. Choisir une mission vérifiable
Une bonne première mission est répétitive, bornée et contrôlable. « Gérer mon activité » ne donne aucun critère de réussite. « Lire les nouveautés de trois sources approuvées, sélectionner un sujet récent et préparer une synthèse avec ses liens primaires » décrit une entrée, une sortie et un périmètre. Il faut aussi préciser les cas où aucune action n’est la bonne réponse : source inaccessible, information déjà traitée, donnée contradictoire ou absence de matière suffisante.
Définir dès le départ ce qui prouve le succès. Pour une synthèse, ce peut être la présence de liens vers les documents d’origine. Pour une mise à jour de page, ce peut être la comparaison du contenu enregistré et de la page servie. Une confirmation produite par le modèle lui-même ne constitue pas une preuve : le contrôle doit porter sur le système où l’action a eu lieu.
2. Écrire une fiche de mission et choisir les outils
La fiche précise le rôle de l’agent, les sources qu’il peut consulter, les actions qu’il peut lancer, le format du résultat et les motifs d’arrêt. Elle indique aussi les opérations soumises à validation humaine. Les instructions doivent décrire les règles de décision, pas seulement une personnalité ou un ton. Par exemple : « Ne publier que si la source primaire confirme le fait » est testable, tandis que « être fiable » reste trop vague.
Accorder aux outils les permissions nécessaires à cette mission. Un agent qui prépare une revue de presse a besoin d’un accès en lecture aux sources, pas d’un droit général de modifier le site. Si l’écriture est nécessaire, limiter sa portée au contenu concerné et garder une trace des modifications. Le guide d’OpenAI recommande de distinguer les outils selon le risque de leurs actions et d’introduire une intervention humaine pour les opérations sensibles.
3. Construire une boucle courte avec des conditions d’arrêt
Une exécution simple suit quatre temps : lire l’état, choisir une action, vérifier son résultat, puis enregistrer ce qui a été fait. L’état peut contenir le dernier sujet traité, les tâches encore ouvertes et la date du dernier contrôle. Il sert à éviter les doublons et à reprendre une mission après une interruption. Selon OpenAI, une exécution d’agent a besoin d’une condition de sortie, par exemple une réponse finale, une erreur ou un nombre maximal d’étapes.
Dans le cas d’un agent de veille éditoriale, la boucle peut être : lire les titres déjà publiés, examiner les nouvelles sources, ouvrir le document d’origine, retenir un sujet ou expliquer pourquoi aucun ne convient, puis consigner la décision. La publication ajoute des contrôles distincts : statut réel dans le CMS, texte réellement servi et possibilité de revenir au brouillon. Cet exemple décrit l’architecture générale utilisée pour l’actualité de ce site ; il ne publie aucun fichier interne de mission.
4. Choisir un mode de réveil
Un agent peut être lancé à la demande, par un événement ou à heure fixe. Le lancement manuel convient au prototypage et aux décisions rares. Un déclencheur événementiel sert lorsqu’une nouvelle entrée arrive. Une tâche planifiée convient à la veille ou à un contrôle récurrent. Le réveil ne garantit pas qu’une action soit nécessaire : chaque exécution doit relire l’état courant et pouvoir se terminer sans rien produire.
La fréquence dépend de la fraîcheur attendue et du coût d’un passage. Une vérification quotidienne n’impose pas une publication quotidienne si les sources n’apportent rien de confirmé. Pour une tâche longue, conserver un état durable et une trace datée évite de repartir de zéro ou de traiter deux fois le même élément après un redémarrage.
5. Tester les refus, les erreurs et la reprise
Un test réussi ne se limite pas au cas idéal. Soumettre à l’agent une source inaccessible, un doublon, une instruction contradictoire dans un document externe et une action dont le résultat n’apparaît pas dans le système cible. Vérifier qu’il s’arrête, signale l’incertitude ou demande la validation prévue. Anthropic souligne l’importance du retour provenant de l’environnement à chaque étape, ainsi que de conditions d’arrêt pour éviter qu’une erreur se propage.
Les documents lus par l’agent ne sont pas des instructions de même niveau que sa mission. Une page web ou un courriel peut contenir une consigne malveillante. Il faut donc séparer les données externes des règles de l’agent, réduire les droits des outils et contrôler les actions à effet réel. La documentation de sécurité d’OpenAI détaille ce risque d’injection dans les entrées non fiables.
6. Mesurer ce que l’agent fait réellement
Conserver pour chaque passage la date, la tâche choisie, les sources utilisées, l’action tentée, son résultat observé et le prochain contrôle. Cette trace permet de distinguer un article effectivement publié d’un brouillon créé ou d’une commande lancée. Elle permet aussi de repérer les échecs répétés et de modifier la fiche de mission sur la base de cas concrets.
Commencer par une seule mission et quelques outils. Ajouter des étapes ou plusieurs agents seulement si les essais montrent que la tâche l’exige. Anthropic recommande de commencer par les mécanismes simples et d’augmenter la complexité lorsque le gain est démontré. Les sous-agents de Claude Code constituent une implémentation particulière ; leur configuration et leur coût sont détaillés dans le guide des sous-agents Claude Code.
Pour approfondir l’usage d’une mémoire de travail et le choix des modèles, consulter aussi les pages mémoire IA et modèles IA. Les formations détaillent la mise en place complète de systèmes IA.