« Agent » est devenu l'un des mots les plus galvaudés du moment, souvent utilisé pour décrire n'importe quelle automatisation impliquant un modèle d'IA. Il vaut la peine d'être précis : un agent est un système qui planifie une séquence d'actions, appelle des outils externes, évalue les résultats et décide des étapes suivantes — pas un simple prompt avec une réponse.
Où les modèles ouverts fonctionnent bien aujourd'hui
- Appel d'outils (tool calling) sur des API bien définies et documentées, avec un nombre limité d'actions possibles.
- Agents de recherche et de synthèse sur des documents d'entreprise (RAG agentique), où la tâche consiste à récupérer, comparer et résumer des informations existantes.
- Automatisation de flux avec des étapes connues et prévisibles — classification, routage, remplissage guidé — avec des garde-fous clairs sur ce que le système peut et ne peut pas faire.
- Traitement structuré de documents (extraction de données, validation, pré-remplissage) avec vérification humaine finale.
Où la prudence reste de mise
- Planification autonome sur des horizons longs, avec de nombreuses étapes en séquence et peu de supervision : la marge d'erreur augmente à chaque étape.
- Instructions ambiguës nécessitant du bon sens ou une connaissance tacite du contexte de l'entreprise, non explicitée nulle part.
- Actions à fort impact et difficilement réversibles (paiements, envois externes, modifications de systèmes de production) sans étape de confirmation humaine.
Le principe que nous appliquons avec nos clients
On part d'un périmètre étroit et bien défini, avec une personne dans la boucle pour les décisions qui comptent, et on élargit l'autonomie de l'agent seulement après avoir recueilli des preuves que le système se comporte de manière fiable sur cette tâche spécifique. C'est une approche moins spectaculaire qu'une démo qui fait tout toute seule, mais c'est celle qui tient la route lorsque l'agent doit fonctionner tous les jours, pas seulement lors d'une présentation.