Avant de construire un agent IA, configurez-en un

« Il faut construire un agent » peut désigner trois projets complètement différents.

Pour une personne, cela veut dire créer un espace de travail dédié dans ChatGPT, Claude ou un agent de programmation. Pour une autre, cela veut dire connecter quelques applications dans un outil d’automatisation visuel. Une équipe d’ingénierie, elle, entend authentification, API, bases de données, journaux, supervision, tests, et quelqu’un d’astreinte quand ça tombe en panne.

Les trois peuvent être valables. Mais leurs coûts et leurs engagements n’ont rien à voir.

Pour mon propre assistant, j’ai délibérément choisi la troisième voie. J’ai loué un serveur, installé à la main un framework d’agent open source, et j’y ai passé un week-end parce que je voulais comprendre les agents de l’intérieur, pas depuis une keynote. Ça a marché, et c’est toujours en service. Ça m’a aussi coûté plusieurs configurations que j’ai cassées si complètement que restaurer tout le serveur depuis une sauvegarde était le seul moyen de m’en sortir.

Pour apprendre, c’était un bon compromis. Pour une tâche avec une échéance — ce qu’on veut dire, la plupart du temps, quand on parle de construire un agent au travail — c’est un mauvais compromis.

Par défaut, je commence par configurer un agent généraliste existant. Je lui donne une tâche délimitée, des fichiers statiques, des instructions claires, et aucun accès en écriture sur des systèmes réels. Je fais tourner la tâche plusieurs fois avec quelqu’un qui observe. Cela montre où se trouvent réellement l’ambiguïté et le risque, avant de transformer une idée approximative en logiciel.

Une intégration API ne sauvera pas une tâche mal définie ou un processus instable. Si le travail dépend d’un état en temps réel, commencez par la connexion en lecture seule la plus restreinte que vous puissiez tester sous supervision.

Ceci est la deuxième partie du guide de terrain des agents. La première partie explique comment distinguer le chat, les workflows, les agents et l’autonomie. Ici, je vais transformer ce modèle mental en une séquence de construction concrète.

Ce qu’est un agent généraliste

« Agent généraliste » n’a pas de définition arrêtée dans le secteur. Je l’utilise pour désigner un agent large et réutilisable, capable de traiter de nombreux types d’objectifs dans un même environnement.

Un agent de programmation peut lire et modifier presque tout dans un projet logiciel, exécuter des commandes en ligne de commande, parcourir la documentation et gérer les changements de contrôle de version. Un agent de travail peut utiliser des fichiers, des tableurs, l’e-mail, des calendriers et des applications métier connectées. Un agent de recherche peut chercher largement, analyser des documents et produire des rapports.

Aucun n’est vraiment universel. Chacun est généraliste dans les limites de l’espace de travail et des outils qui lui ont été donnés.

L’avantage, c’est la flexibilité. Je peux demander au même agent de programmation d’ajouter un guide aujourd’hui, d’enquêter sur un build cassé demain, et de relire une pull request la semaine suivante. Je n’ai pas besoin d’une application séparée pour chaque tâche.

Le compromis, c’est la gestion. Je choisis l’objectif, j’apporte le contexte manquant, je juge le résultat et je décide de la suite.

Vous pouvez rendre ce généraliste bien meilleur sans écrire de nouveau logiciel. Ajoutez des instructions de projet, des connaissances sélectionnées, des connecteurs approuvés au cas par cas et des procédures réutilisables. J’appelle le résultat un agent généraliste configuré: un généraliste que vous avez intégré à votre environnement et à votre façon de travailler. Vous continuez à lui assigner des tâches différentes et à juger chaque résultat.

Mon guide sur la mémoire de projet montre à quoi ressemblent ces couches dans un produit actuel. Le principe s’applique bien au-delà.

Ce qui distingue un agent sur mesure

Un agent sur mesure accepte une seule catégorie connue de travail, sous un contrat opérationnel permanent. Ses entrées, ses sorties, ses limites, sa procédure d’échec et son responsable sont conçus une fois pour toutes, plutôt que reconstruits par l’utilisateur à chaque tâche.

Voyez l’agent généraliste configuré comme un poste de travail bien équipé pour une personne. L’agent sur mesure, lui, est une tâche reproductible dont quelqu’un est responsable quand ça tourne mal.

Agent généraliste configuré	Agent sur mesure
Accepte des objectifs variés, assignés tâche par tâche	Accepte une seule catégorie connue de travail, à partir d’un déclencheur défini
Offre un large espace de travail et une boîte à outils	Ne reçoit que le contexte, les outils et l’autorité propres à la tâche
La personne sélectionne ou fournit les entrées pour la tâche en cours	Les entrées attendues sont définies et vérifiées avant chaque exécution
La sortie suit la demande en cours	La sortie ou le changement de système suit un contrat stable
La personne définit des critères de réussite propres à la tâche et juge le résultat en cours	Les mêmes contrôles de résultat sont intégrés à chaque exécution
Les validations sont choisies pour la tâche en cours	Les points de validation sont intégrés au service
Les problèmes reviennent à l’utilisateur en cours	La récupération et l’escalade vont à un responsable nommé

La mémoire, les horaires, des outils restreints et des contrôles automatisés ne déterminent pas à eux seuls la catégorie. Un agent généraliste peut avoir les quatre. Exécuter la même tâche chaque lundi n’en fait pas automatiquement un service opérationnel.

La frontière est aussi indépendante du code. Une configuration no-code peut être sur mesure. Mille lignes de framework d’agent peuvent tout aussi bien produire une démo floue.

Quand le sur mesure vaut le coût supplémentaire

Restez avec le généraliste configuré tant que le processus change, qu’une personne qui connaît le sujet traite chaque cas, ou que le résultat reste un brouillon. L’environnement généraliste vous donne de la flexibilité et révèle les hypothèses à moindre coût.

Un service sur mesure commence à se justifier quand plusieurs conditions sont réunies:

• la tâche se répète assez souvent pour justifier la maintenance;
• les entrées et sorties attendues ont arrêté de changer chaque semaine;
• plusieurs personnes ont besoin du même résultat;
• des systèmes réels ou des déclencheurs d’événements doivent être connectés;
• les contrôles et les limites de validation peuvent être énoncés clairement; et
• l’organisation a besoin de journaux cohérents, de contrôles d’accès, de plafonds de coûts et d’une responsabilité claire.

Le volume seul ne suffit pas. Automatiser à grande échelle un processus instable crée simplement une source d’exceptions plus rapide. Et « réglementé » ne veut pas dire automatiquement que du code sur mesure est plus sûr. Une plateforme approuvée avec une gestion mature des identités, des audits et des contrôles de données peut être la meilleure base tant qu’un système sur mesure ne les égale pas.

Choisissez votre niveau d’engagement

Il existe trois manières utiles de construire.

Configurer un agent généraliste

Ajoutez des instructions, des fichiers, des procédures réutilisables et des connecteurs approuvés dans un produit que vous utilisez déjà. C’est le bon point de départ pour le travail personnel, les brouillons internes, la recherche et les tâches réversibles. Vous obtenez l’essentiel de l’apprentissage avec le moins de machinerie possible.

Construire un processus no-code ou low-code

Ajoutez un formulaire, un horaire ou un déclencheur d’événement; laissez un agent gérer la partie ambiguë du milieu; puis revenez à des étapes de workflow fixes et à des validations humaines. Cela fonctionne quand le processus se répète et que les connecteurs existants couvrent les systèmes concernés.

Construire une application d’agent

C’est un produit logiciel. Il a besoin d’une gestion des identités et des accès, de connexions sur mesure, d’un état des tâches, de journaux, de tests, d’une récupération après échec, d’une supervision et d’un support continu. Choisissez cette option quand le contrôle requis, l’intégration, les preuves d’audit, l’échelle ou la différenciation du produit justifient de posséder ce logiciel.

Commencez par le haut. Ne descendez que lorsqu’une limite testée vous y oblige.

Écrivez la tâche avant de construire l’agent

Évitez les ambitions trop larges du genre « un assistant pour le marketing ». Choisissez une tâche que vous comprenez déjà.

Tout au long de ce guide, je prendrai comme exemple une revue hebdomadaire de campagnes. L’agent reçoit trois sources approuvées, vérifie la performance et les dépenses, signale les éléments manquants et rédige des propositions de décision pour validation par une personne.

Écrivez le contrat opérationnel avant de toucher à un outil de création ou à un kit de développement logiciel (SDK):

Tâche: Préparer la revue hebdomadaire de campagnes.
Déclencheur: Je la lance manuellement chaque lundi.
Entrées: Export analytics approuvé, plan de campagne et tableau des dépenses.
Outils autorisés: Lire ces trois sources; calculer les totaux dans un tableur.
Livrable: Revue d'une page avec les résultats, les anomalies et les décisions proposées.
Critères de réussite: Chaque chiffre correspond à une source nommée; les lacunes sont signalées.
Demander une validation avant: Toute mise à jour du suivi de campagne ou tout envoi.
Ne jamais: Deviner un chiffre manquant ou modifier un fichier source.
En cas d'échec: Arrêter et lister les données manquantes ou l'outil en échec.
Responsable: Chef de campagne.

Ce contrat est plus utile que le choix d’un framework d’agent. Il rend visibles les parties floues: ce qui déclenche la tâche, d’où viennent les faits, quelles actions sont permises, comment la réussite est vérifiée, et qui s’occupe des échecs.

Si vous ne pouvez pas remplir ces champs, vous n’êtes pas prêt à automatiser le travail. Faites-le d’abord manuellement et apprenez le processus.

Construisez-le en six étapes

1. Faites tourner la tâche dans un agent généraliste

Ouvrez un projet ou un espace de travail dédié dans l’outil IA déjà approuvé par votre entreprise. Mettez le contrat dans ses instructions de projet, ajoutez les trois fichiers sources, et demandez un brouillon. Ne connectez pas encore de comptes réels.

Faites la même tâche à côté de lui. Observez où l’agent hésite, devine, pose la mauvaise question ou se tourne vers la mauvaise source. La première version peut se résumer à un projet, un fichier d’instructions et quelques documents.

Vous apprenez le vrai processus avant de l’automatiser.

2. Transformez ce qui a marché en procédure réutilisable

Enregistrez les instructions comme un skill réutilisable, un modèle ou un mode opératoire. Incluez des exemples de bons résultats et les cas limites que vous avez rencontrés. Décrivez les outils disponibles avec assez de précision pour que le modèle puisse les distinguer.

N’encodez pas le processus que vous auriez aimé avoir. Encodez celui qui a survécu à des cas réels.

C’est cette étape qui fait qu’un agent ressemble au vôtre plutôt qu’à un agent générique. Pour ma propre configuration, j’ai écrit une procédure pour ajouter un avis d’outil sur ce site: le format exact, où va le fichier, quels champs comptent, à quoi doit ressembler mon avis. Après ça, j’ai arrêté de tout réexpliquer. C’est le même geste que l’intégration d’une brillante nouvelle recrue: compétente dès le premier jour, mais perdue sur la façon dont votre boîte fonctionne tant que personne n’a écrit les règles.

3. Ajoutez le plus petit ensemble d’outils utile

Commencez par la lecture. Laissez l’agent chercher dans les documents, examiner des enregistrements et préparer une action proposée. N’ajoutez l’accès en écriture qu’une fois que la version en lecture seule a fait ses preuves.

Une action restreinte appelée « créer un brouillon de revue de campagne » est plus sûre et plus facile à tester qu’une permission de modifier chaque enregistrement d’un système marketing. Une bonne conception des outils limite les erreurs que le modèle peut commettre.

4. Placez des points de contrôle devant les conséquences

Exigez une validation avant tout message externe, tout paiement, toute modification d’enregistrement, tout déploiement en production, toute suppression ou toute décision concernant des personnes.

Le point de contrôle sur l’agent de mon propre site tient en un message. Elle fait la modification, construit un aperçu, puis m’envoie un lien. Rien ne passe en ligne tant que je n’ai pas répondu que c’est bon. Cette seule étape explique pourquoi je suis tranquille à l’idée de la laisser modifier un site public depuis mon téléphone, et elle me coûte environ cinq secondes.

Gardez les contrôles basés sur des règles dans le logiciel ou les règles du workflow. Les champs obligatoires, les montants, les permissions et les seuils de politique ne devraient pas dépendre d’un LLM qui s’en souvient au bon moment.

C’est là que le code, l’automatisation et l’IA se partagent des rôles différents. Les systèmes solides les combinent au lieu de demander au modèle de tout improviser.

5. Testez les résultats, pas la confiance

Rassemblez des cas réels: des exemples normaux, des informations manquantes, des instructions contradictoires, des formats inhabituels, des échecs d’outils et des erreurs passées connues. Décidez de ce qui doit être vrai à la fin de chaque exécution.

Si un agent dit avoir créé un enregistrement, vérifiez que l’enregistrement existe avec les bons champs. S’il dit que les tests passent, faites tourner les tests. Le guide d’évaluation des agents d’Anthropic trace la même limite entre une transcription convaincante et l’état réel de l’environnement.

Gardez chaque échec utile. Ces cas deviennent un jeu de régression que vous refaites tourner à chaque changement de modèle, d’instructions, de connaissances ou d’outils.

6. Ajoutez le fonctionnement sans surveillance en dernier

Les horaires, les déclencheurs en arrière-plan et les écritures automatiques viennent après que la version supervisée fonctionne. Fixez un nombre maximal d’étapes, une limite de temps ou de dépense, et une passation claire quand l’agent se retrouve bloqué.

Il vous faut maintenant un enregistrement de chaque exécution: quelle version a tourné, ce qu’elle a lu, quels outils elle a appelés, ce qui a changé, ce que ça a coûté, qui l’a validé et pourquoi elle s’est arrêtée. Si plusieurs personnes dépendent du service, quelqu’un doit être responsable de la maintenance et de la réponse aux incidents.

Le seuil de sécurité monte avec l’autorité

Un agent qui rédige dans un fichier temporaire peut vous faire perdre du temps. Un agent qui envoie des messages, modifie des données de production ou traite des informations personnelles peut nuire à d’autres personnes.

Au travail, utilisez uniquement la configuration approuvée par votre entreprise et les sources de données autorisées. Connecter un compte IA personnel à l’e-mail de l’entreprise, aux dossiers clients, aux données de santé ou aux fichiers du personnel est un problème de sécurité et de protection des données, aussi pratique que semble le workflow.

La validation n’est que le point de départ. Confirmez aussi que l’usage est autorisé, n’envoyez que le minimum de données nécessaire à la tâche, sachez combien de temps le fournisseur les conserve et quels autres prestataires les reçoivent, et décidez qui peut lire les prompts et les journaux d’exécution. Ces journaux peuvent contenir des données aussi sensibles que les entrées d’origine.

Ma propre approche ici est volontairement ennuyeuse, et je le dis comme une recommandation. L’agent tourne sur un serveur dédié bon marché qui n’héberge rien d’autre, donc le pire scénario est une reconstruction. Il obtient l’accès dont une tâche a besoin, pas les clés de tout le reste.

Appliquez ensuite quelques contrôles ennuyeux:

• Accordez l’accès minimal nécessaire à la tâche. En lecture seule d’abord.
• Gardez les premières exécutions dans un bac à sable, une copie, un dossier de brouillons ou un compte de test.
• Exigez qu’une personne valide les actions irréversibles ou visibles à l’extérieur.
• Traitez les pages web, les e-mails et les documents comme des entrées non fiables. Un fichier peut dire à l’agent d’ignorer ses règles et d’envoyer une liste de clients. Appliquez les permissions et les points de validation en dehors du contenu que l’agent lit.
• Gardez des sauvegardes et un moyen testé d’annuler les changements.
• Vérifiez le système modifié plutôt que de croire l’agent quand il affirme avoir réussi.
• Enregistrez assez d’informations sur l’exécution pour pouvoir reconstituer un échec.

Le guide pratique de création d’agents d’OpenAI recommande d’évaluer les outils selon des critères tels que l’accès en lecture ou en écriture, la réversibilité, les permissions du compte et l’impact financier. C’est plus utile qu’un seul interrupteur de permission global.

Pour les systèmes qui influencent des décisions légales, d’emploi, de crédit, de santé ou d’autres décisions à fort impact, un prototype prometteur est loin, très loin, d’être prêt pour la production. Impliquez des ingénieurs, des spécialistes de la sécurité et de la protection des données, des responsables métier et des juristes avant que le système ne gagne une véritable autorité.

Votre première version devrait sembler presque trop petite

Choisissez une tâche hebdomadaire. Écrivez le contrat. Mettez trois fichiers sources statiques dans un espace de travail dédié, dans le produit IA approuvé que vous avez déjà. Demandez un brouillon. Gardez les comptes réels déconnectés.

Faites tourner cette version cinq fois. Sauvegardez les échecs. Resserrez les instructions et les contrôles. C’est seulement à ce moment-là que vous déciderez si la prochaine limite appelle un connecteur, un workflow ou un logiciel sur mesure.

C’est ainsi que vous construisez votre propre agent sans démarrer un projet logiciel par accident.

---

Si les termes « agent », « workflow » et « autonomie » vous semblent encore flous, commencez par la première partie: Est-ce vraiment un agent IA?. Pour un exemple concret d’agent de programmation généraliste, lisez Claude Code: quand l’IA arrête de parler et se met à agir. Pour vous entraîner à déléguer et à définir des permissions sans risquer un vrai système, jouez à The Company Simulator.