Chatbot
- Réagit principalement à un message.
- Produit une réponse en texte ou un contenu.
- Peut expliquer une procédure, mais ne l’exécute pas par défaut.
- La vérification dépend souvent de l’utilisateur.
Comprendre sans jargon inutile
Un agent IA n’est pas seulement un modèle qui répond : c’est un système qui agit avec méthode.
Explorez progressivement comment un agent reçoit une mission, prépare un plan, choisit des outils, contrôle ses résultats, mémorise ce qui compte et demande de l’aide lorsqu’il doit s’arrêter.
≈ 20 min d’exploration100 % autonome, sans comptePensé pour apprendre en faisant
AGENT
IA
IA
◎ Objectif
⌘ Outils
◌ Mémoire
✓ Contrôle
1 · Fondamentaux
Du chatbot à l’agent
Le modèle de langage reste le « moteur de raisonnement linguistique ». L’agent ajoute une organisation : une mission, une boucle d’exécution, des droits d’action et des contrôles.
Agent IA
- Reçoit un objectif et des contraintes explicites.
- Découpe le travail en étapes révisables.
- Utilise, si autorisé, des outils : recherche, fichier, agenda, code, API.
- Observe les résultats et ajuste son prochain pas.
Le modèle
Comprend la consigne, génère du texte, compare des options, prépare une décision. Il peut se tromper : il ne devient pas fiable uniquement parce qu’on lui donne un nom d’agent.
Le workflow
Définit une séquence prévisible : par exemple, recevoir → classifier → rédiger → faire valider. C’est souvent plus robuste qu’une autonomie large.
L’agent
Choisit dynamiquement des actions dans une boucle contrôlée. Il devient pertinent lorsque les cas varient réellement ou requièrent plusieurs outils.
2 · Mécanisme
La boucle : percevoir → raisonner → agir → vérifier
Un bon agent n’est pas une chaîne magique. Il avance par cycles courts, traçables, avec une limite de temps, de coût et d’actions.
1. Observer
Lire la demande et le contexte pertinent.
2. Décider
Estimer ce qui manque et choisir le prochain pas.
3. Agir
Appeler un outil ou produire une action.
4. Évaluer
Contrôler le résultat et corriger la trajectoire.
1. Observer — collecter sans surcharger.
L’agent ne doit pas ingérer tout le système d’information. Il sélectionne les éléments utiles : la mission, les données autorisées, l’état du dossier et les règles à respecter.
3 · Architecture
Les composants d’un agent opérationnel
Le modèle ne décide jamais seul de son périmètre. L’architecture fixe ce qu’il peut consulter, modifier, retenir et escalader.
4 · Écosystème
Après l’agent : connecter, orchestrer, automatiser
Lorsque le mécanisme de base est clair, on peut ajouter des briques réutilisables. Elles n’ont pas le même rôle : certaines relient un agent à des systèmes, d’autres structurent son exécution ou lui donnent un environnement de travail.
Repère de méthode. Commencez par une mission et ses garde-fous. Choisissez ensuite la brique qui répond à un besoin concret. Un protocole ne remplace pas un agent ; un workflow ne garantit pas une décision fiable ; un agent ne dispense pas de contrôle humain.
Application hôteAgent / IDE / assistantLe contexte et la décision restent ici.
Client MCPdemande structurée→réponse structurée
Serveur MCPOutil ou système de donnéesExpose des capacités et leurs schémas.
MCP en une phrase. Le Model Context Protocol standardise la manière dont une application d’IA découvre et appelle des outils ou des sources externes. Il facilite l’interopérabilité ; il ne décide ni de l’objectif, ni de la politique d’autorisation métier à votre place.
Atelier de composition
Quelle pile convient à votre premier cas ?
Choisissez un contexte. L’application assemble une architecture indicative et montre l’endroit où chaque solution intervient.
Utilisateur
brief + validation
→brief + validation
Agent
objectif + boucle
→objectif + boucle
MCP
outils autorisés
→outils autorisés
Documents
lecture contrôlée
lecture contrôlée
Point de contrôle : validation humaine avant toute action externe ou diffusion.
Vérifier sa compréhension
Quelle affirmation décrit correctement MCP ?
5 · Laboratoire
Simulez une exécution
Choisissez une mission, activez les capacités nécessaires puis regardez la boucle se dérouler. Cette visualisation illustre une architecture : elle ne contacte aucun service externe.
Option avancée · quelle couche exécute cette simulation ?
Cette option ne change pas l’objectif de l’agent : elle change l’infrastructure autour de sa boucle.
En attente
[système] Configurez la mission, puis lancez la simulation.
Ce que vous allez observerL’agent interprète la mission, sélectionne ses capacités, exécute une action simulée, puis vérifie s’il doit itérer, conclure ou solliciter une décision humaine.
6 · Conception
Donnez une mission exploitable, pas une injonction vague
Le premier levier de qualité est rarement le modèle : c’est le contrat de tâche. Une mission mature décrit l’objectif, le contexte, les outils, les critères de sortie et les cas à escalader.
Lecture des risques. Avec les capacités actuellement sélectionnées, l’agent peut lire et analyser, mais aucune action externe irréversible n’est autorisée.
// Complétez les trois champs, puis générez un plan.
mission: « Préparer une note de décision »
attendu: résultat vérifiable, sources, limites et escalade.
7 · Atelier de conception
Construire votre système agentique
Après avoir défini une mission, on peut passer d’un agent isolé à un système utile : un ensemble de rôles, de données, de règles et de contrôles qui travaille de manière observable. Ici, « système » ne signifie pas forcément « plusieurs agents ».
Le modèle est le moteur ; le système crée la fiabilité.
Le modèle peut interpréter, proposer ou planifier. Mais une solution agentique devient exploitable lorsqu’elle organise aussi les outils, la mémoire, la recherche d’information, les étapes de travail et la validation. C’est l’idée d’un « système opératoire autour du LLM », présentée ici comme un repère d’architecture, non comme une norme officielle.
1. Choisir le travail — viser une première victoire.
Décrivez une activité fréquente, assez structurée pour être testée, et dont l’impact reste réversible : préparer une synthèse sourcée, classer une demande, rédiger une première note ou contrôler un dossier incomplet.
Simulateur de conception
Architecture indicativeAssemblez un premier système proportionné au besoin
Les choix ci-dessous ne déclenchent aucun appel externe. Ils génèrent une architecture de départ afin de rendre les compromis visibles : utilité, complexité, données et niveau de contrôle.
Chaîne de responsabilité
Utilisateur / propriétaire de la missionobjectif, validation et limites
↓
Agent de synthèseplanifie et prépare une réponse
↓
Recherche documentairesources autorisées et citations
↓
Contrôle de sortieformat, incertitudes, accord humain
Version de départ
Un agent documentaire avec relecture
Rôle central : produire une synthèse traçable depuis un corpus défini. Le contrôle reste indépendant du premier brouillon.
- Contexte : recherche ciblée dans les documents autorisés, avec références.
- Mémoire : état de la tâche et préférences explicitement conservées, jamais un historique illimité.
- Actions : lecture et rédaction seulement ; aucune modification externe.
- Évaluation : vérifier source, date, couverture et mentions d’incertitude avant restitution.
Quand faut-il séparer deux rôles ?
Séparez les responsabilités lorsqu’une partie du travail nécessite des entrées, des permissions, une expertise ou un critère de réussite clairement différents.
Quel réflexe est le plus fiable ?
Une mémoire durable est pratique, mais le contenu qui sert de preuve doit rester identifiable, contrôlable et daté.
Inspiration et limite de lecture. Cette étape s’inspire du guide d’Erdogan T., qui présente un système agentique comme une architecture où le LLM orchestre outils, mémoire, recherche et, lorsque cela est justifié, des agents spécialisés. La page source est réservée aux membres ; cette application n’en reproduit pas le texte et transforme les idées accessibles en exercices originaux. Ouvrir la source citée ↗
8 · Fiabilité
Autonomie utile ≠ autonomie sans limites
Un agent doit savoir faire, mais surtout savoir ne pas faire. La fiabilité se conçoit à trois niveaux : le périmètre, l’observation et l’escalade.
Limiter
Privilégier des outils avec des permissions explicites, des montants plafonnés, des domaines autorisés et une liste d’actions interdites.
Tracer
Journaliser la mission, les appels d’outils, les entrées importantes, les sorties et les décisions de l’agent afin de pouvoir auditer le comportement.
Escalader
Prévoir une sortie humaine en cas d’ambiguïté, de faible confiance, de situation exceptionnelle, d’impact externe ou de donnée sensible.
Mini-défi 1 · Quelle règle est la plus robuste ?
Mini-défi 2 · À quoi sert l’évaluation ?
Parcours exploré. Vous avez les repères de base : un agent est un système encadré qui poursuit un objectif au moyen d’une boucle, d’outils et de contrôles. Pour un projet réel, commencez par une tâche étroite, observable et réversible.
Référence rapide
Glossaire minimal utile
Des termes courts, conçus pour pouvoir relire l’application sans entrer dans la terminologie d’un framework donné.
- Agent
- Système qui organise des actions pour atteindre un objectif, sous des règles définies.
- Orchestrateur
- Composant qui décide du prochain pas : répondre, utiliser un outil, vérifier ou s’arrêter.
- Outil
- Capacité externe, par exemple consulter une base, lire un fichier, appeler une API ou préparer un message.
- Mémoire
- Mécanisme de conservation sélective du contexte pour mieux poursuivre une tâche ou une relation.
- Évaluation
- Contrôle d’un résultat selon des critères : exactitude, complétude, source, format, sécurité.
- Escalade
- Passage de la décision à une personne lorsque l’impact, l’incertitude ou l’ambiguïté l’exige.
- MCP
- Protocole ouvert qui permet à une application IA d’échanger de façon structurée avec des serveurs exposant outils, ressources ou instructions.
- Runtime d’agent
- Environnement qui exécute l’agent : sessions, boucle, outils, mémoire, compétences, journal et parfois planification.
- Workflow agentique
- Automatisation dont certaines étapes peuvent être décidées par un agent, les autres restant explicites, traçables et conditionnelles.
- Système agentique
- Organisation qui réunit un ou plusieurs agents, des données, outils, mémoires, règles et mécanismes d’évaluation autour d’une mission clairement délimitée.
- Recherche augmentée (RAG)
- Technique qui récupère des passages dans des sources contrôlées au moment de la tâche. Elle soutient la réponse, mais ne remplace ni la vérification ni une bonne gouvernance des données.
Source d’inspiration citée : Harsh Singh, « The Beginner’s Guide to Learning Agentic AI: From Zero to Your First AI Agent », Artificial Intelligence in Plain English / Medium, 6 mai 2026. Cette application reformule et structure ses notions générales (agents, LLM, workflows et outils) dans un parcours original, interactif et en français.
Nouvelle source d’inspiration — construction d’un système :Erdogan T., « A Step-by-Step Guide for Developing Your Personal Agentic System », Data Science Collective / Medium, 12 juin 2026La source présente un système agentique où un LLM central organise outils, mémoire, recherche et agents spécialisés. Le parcours de cette application en propose une adaptation pédagogique originale, sans reproduction de l’article.
Documentation de référence pour l’écosystème :Model Context Protocol — introduction officielleHermes Agent — documentation de Nous Researchn8n — AI Agent nodeGoogle Antigravity — site officielConsultés le 29 juin 2026. Les produits évoluent rapidement : vérifiez leurs conditions, versions et modèles de sécurité avant tout déploiement.