Tool IA
Fonction ou service externe qu'un agent IA peut appeler de manière autonome pour interagir avec le monde réel : API, recherche web, exécution de code, lecture de fichiers.
Un tool IA (outil IA) est une fonction ou un service externe qu'un agent IA peut appeler de manière autonome pour interagir avec le monde réel. Les tools transforment un LLM passif en système capable d'agir : recherche web, appels API, exécution de code, requêtes en base de données, lecture et écriture de fichiers.
Définition technique
Function calling
Le mécanisme central est le function calling (appel de fonction). Le développeur déclare les outils disponibles au LLM sous forme de schémas JSON (nom, description, paramètres attendus, types). Lors de l'inférence, le modèle peut décider de générer un appel d'outil structuré plutôt que du texte. Le système intermédiaire exécute l'appel et retourne le résultat au modèle.
Catégories d'outils
Les tools se répartissent en familles :
- Recherche — Moteurs de recherche web, bases vectorielles (RAG), recherche interne dans des documents
- Données — Requêtes SQL, appels API REST/GraphQL, lecture de fichiers CSV/JSON
- Action — Envoi d'emails, création de tickets, écriture dans un CRM, publication sur un canal Slack
- Computation — Exécution de code Python, calculs mathématiques, analyse de données
- Perception — Analyse d'images, transcription audio, OCR sur des documents scannés
Tool vs Skill vs Plugin
Ces trois termes désignent des concepts proches mais pas identiques :
- Tool : terme technique standard — une fonction appelable par un LLM via function calling
- Skill : terme marketing variable — chez Microsoft Copilot, c'est une intégration applicative ; chez Claude, c'est une instruction contextuelle complexe
- Plugin : terme historique OpenAI (déprécié) — remplacé par les tools dans l'API GPT-4
Enjeux actuels
Sécurité et permissions
Un agent avec accès à des tools puissants (écriture en base, envoi d'emails, exécution de code) nécessite un modèle de permissions strict. Le pattern "human in the loop" permet de demander une validation humaine avant toute action irréversible. Sans garde-fous, un agent peut causer des dégâts réels.
Qualité des descriptions
La performance d'un agent dépend directement de la qualité des descriptions de ses tools. Un outil mal décrit (paramètres ambigus, description floue) sera mal utilisé par le LLM. L'ingénierie des descriptions d'outils est un savoir-faire à part entière.
Questions fréquentes
Quelle est la différence entre un tool et une skill ?
Dans la plupart des contextes, tool et skill sont synonymes : une capacité spécifique qu'un agent peut activer. La nuance varie selon l'éditeur. Chez Anthropic (Claude), les skills sont des instructions contextuelles complexes. Chez Microsoft (Copilot), les skills sont des intégrations applicatives. Chez OpenAI, tout passe par les tools (function calling). En pratique, les deux termes désignent un même concept : une fonction appelable par l'agent.
Comment un LLM appelle-t-il un outil ?
Par le mécanisme de function calling (appel de fonction). Le développeur décrit les outils disponibles au LLM (nom, description, paramètres). Quand le modèle juge pertinent d'utiliser un outil, il génère un appel structuré (JSON) avec les bons paramètres au lieu de générer du texte. Le système exécute l'appel et retourne le résultat au modèle, qui l'intègre dans sa réponse ou décide d'une action suivante.