Agent IA
Système logiciel autonome qui perçoit, raisonne et agit en boucle pour atteindre un objectif, piloté par un LLM.
Un agent IA est un système logiciel autonome construit autour d'un LLM (grand modèle de langage) qui perçoit son environnement, raisonne sur un objectif et exécute des actions en boucle jusqu'à l'atteindre. Contrairement à un chatbot qui répond à une question puis s'arrête, un agent planifie, utilise des outils externes et corrige sa trajectoire de manière autonome.
Définition technique
Le cycle ReAct
Le fonctionnement d'un agent repose sur la boucle ReAct (Reasoning + Acting), formalisée par Yao et al. en 2022. À chaque itération : le LLM analyse la situation (reasoning), décide d'une action à exécuter (acting), observe le résultat, puis recommence. Ce cycle se répète tant que l'objectif n'est pas atteint.
Les quatre briques fondamentales
Un agent se distingue d'un simple LLM par quatre composants ajoutés au modèle de langage :
- Mémoire — Stockage à court terme (contexte de la session) et à long terme (base vectorielle persistante). Permet de capitaliser sur les actions passées et de maintenir la cohérence sur des missions longues.
- Outils (tools) — Fonctions appelables par l'agent : API externes, recherche web, exécution de code, lecture/écriture de fichiers, requêtes SQL. Ce sont les "bras" opérationnels de l'agent.
- Planification — Décomposition autonome d'un objectif complexe en sous-tâches séquentielles ou parallèles. L'agent construit son propre plan d'action.
- Action — Exécution effective dans le monde réel. C'est ce qui différencie concrètement un agent d'un modèle qui se contente de générer du texte.
Architectures
Agent unique
Un seul agent équipé de plusieurs outils traite des tâches séquentielles. Adapté aux workflows simples : recherche → analyse → rédaction.
Multi-agents
Plusieurs agents spécialisés coordonnés par un orchestrateur. Chaque sous-agent maîtrise un domaine (recherche, rédaction, validation). L'orchestrateur distribue les sous-tâches et agrège les résultats. Permet le parallélisme et la revue croisée entre agents (un agent évalue la sortie d'un autre avant validation).
Agentic RAG
Évolution du RAG classique où la phase de récupération documentaire devient une action dynamique du cycle ReAct. L'agent décide comment interroger la base, évalue la pertinence des résultats, reformule si nécessaire et complète avec des sources externes.
Enjeux actuels
Autonomie vs contrôle
Le principal défi des agents IA est l'équilibre entre autonomie (laisser l'agent décider) et contrôle (garder un humain dans la boucle). Le pattern "human in the loop" permet de définir des points de validation obligatoires dans le cycle d'exécution, notamment pour les actions irréversibles.
Coût et latence
Un agent multi-étapes consomme significativement plus de tokens qu'un échange chatbot classique (10 à 50x). Sur un cas typique, une mission agent peut coûter entre 0,10 € et 2 € en tokens là où un échange chatbot coûte moins d'un centime. Chaque itération du cycle ReAct implique un appel au LLM. L'optimisation du nombre d'itérations et le choix du modèle (petit modèle pour les sous-tâches simples, grand modèle pour la planification) sont des leviers critiques.
Standards et spécifications
EU AI Act
Règlement européen classifiant les systèmes d'IA par niveau de risque, applicable aux agents autonomes
NIST AI Risk Management Framework
Cadre américain de gestion des risques incluant l'autonomie des systèmes IA
Questions fréquentes
Quelle est la différence entre un agent IA et un chatbot ?
Un chatbot est réactif et stateless : il répond à une question puis oublie. Un agent IA est proactif et stateful : il maintient un contexte, planifie ses actions, utilise des outils externes (API, bases de données, recherche web) et itère en boucle jusqu'à atteindre son objectif. Le chatbot attend vos instructions à chaque étape ; l'agent décide lui-même de ses prochaines actions.
Comment fonctionne un agent IA ?
Un agent IA fonctionne selon le cycle ReAct (Reasoning + Acting) : il perçoit l'état de son environnement, raisonne sur la meilleure action à entreprendre via un LLM, exécute cette action (appel API, recherche web, exécution de code), observe le résultat, puis recommence. Ce cycle se répète jusqu'à ce que l'objectif soit atteint ou qu'une erreur irrécupérable survienne.
Quels sont les composants d'un agent IA ?
Un agent IA repose sur quatre briques : la mémoire (court terme et long terme pour capitaliser sur les actions passées), les outils (tools — fonctions appelables comme des API, requêtes SQL, recherche web), la planification (décomposition autonome d'un objectif en sous-tâches) et l'action (exécution effective dans le monde réel). Le LLM sert de cerveau central qui coordonne ces quatre composants.