Qu'est-ce qu'un agent IA ?

Au-delà du chatbot

ChatGPT, dans son usage basique, est un système de question-réponse. Vous posez une question, il répond. L'interaction s'arrête là.

Un agent IA, c'est fondamentalement différent : c'est un système qui peut agir sur le monde, pas seulement générer du texte. Il planifie une séquence d'actions, exécute des outils, observe les résultats, et ajuste sa stratégie — de manière autonome, jusqu'à accomplir un objectif.

La différence n'est pas de degré — c'est de nature.

---

L'architecture d'un agent

Un agent IA est composé de plusieurs éléments :

1. Le LLM — le cerveau

Le modèle de langage (GPT-4, Claude, Llama...) est le "cerveau" de l'agent. Il reçoit les informations disponibles et décide quoi faire ensuite.

2. Les outils (Tools)

Ce sont les actions que l'agent peut effectuer. Exemples :

• Recherche web — chercher des informations sur Google ou Bing
• Exécution de code — écrire et exécuter du Python
• Accès à une base de données — lire ou écrire des données
• Envoi d'emails — communiquer avec des systèmes externes
• Appels d'API — interagir avec n'importe quel service externe

Le LLM décide quel outil utiliser, avec quels paramètres, en fonction de l'objectif.

3. La mémoire

Un agent a besoin de mémoire pour fonctionner sur des tâches longues.

• Mémoire à court terme (contexte de la conversation) — les informations de la session en cours
• Mémoire à long terme (base vectorielle) — des informations persistantes entre les sessions
• Mémoire épisodique — l'historique des actions passées

4. La boucle de raisonnement (ReAct)

La plupart des agents modernes utilisent le pattern ReAct (Reasoning + Acting) :

1. THINK  — L'agent analyse la situation et planifie
2. ACT    — Il choisit et exécute un outil
3. OBSERVE — Il lit le résultat de l'action
4. THINK  — Il analyse le résultat et décide de la prochaine étape
5. ACT    — Et ainsi de suite jusqu'à atteindre l'objectif

---

Exemple concret

Tâche : "Recherche les 3 dernières actualités sur Mistral AI, résume-les, et envoie-moi un email avec le résumé."

Boucle d'exécution d'un agent :

1. THINK : "Je dois chercher des actualités sur Mistral AI"
2. ACT : appelle l'outil search_web("Mistral AI actualités 2025")
3. OBSERVE : reçoit 10 résultats
4. THINK : "J'ai les résultats, je dois extraire les 3 plus récents et les résumer"
5. ACT : génère un résumé des 3 actualités
6. THINK : "J'ai le résumé, je dois l'envoyer par email"
7. ACT : appelle l'outil send_email(to="...", subject="...", body="...")
8. OBSERVE : email envoyé avec succès
9. THINK : "La tâche est accomplie"

---

Les types d'agents

Agents réactifs — répondent à chaque input sans état persistant. Simples, rapides, limités.

Agents planificateurs — décomposent un objectif complexe en sous-tâches avant d'agir. Plus robustes sur les tâches longues.

Agents multi-outils — accèdent à plusieurs outils et choisissent le bon en contexte.

Agents multi-agents — plusieurs agents spécialisés qui collaborent (voir leçon 4).

---

Pourquoi les agents sont-ils difficiles à fiabiliser ?

Les agents introduisent de nouvelles sources d'erreur :

• Le LLM peut choisir le mauvais outil
• Le LLM peut mal interpréter le résultat d'un outil
• La boucle peut s'emballer (l'agent tourne en rond)
• Les actions ont des effets réels (envoyer un email, supprimer des données)

C'est pourquoi la supervision humaine reste importante — surtout pour les agents qui prennent des actions irréversibles.

---

Ce qu'il faut retenir

• Un agent IA peut agir, pas seulement générer du texte — c'est la différence fondamentale
• Il est composé d'un LLM (cerveau), d'outils (actions), et d'une mémoire
• Le pattern ReAct (Reason + Act) structure la boucle de raisonnement
• La fiabilisation des agents est un problème ouvert — la supervision humaine reste nécessaire

Dans la prochaine leçon : LangChain et LlamaIndex — les frameworks qui structurent le développement d'agents.