Regard d’un néophyte sur les agents IA

Le buzz word de l’IA depuis le printemps est « l’agent IA ». N’étant pas un spécialiste de ce domaine si complexe, je suis longtemps resté à m’interroger sur ce que signifiait réellement cette expression « agent IA ».
Après les LLM, l’IA générale et le RAG, les agents IA nous ont été présentés comme la nouvelle solution miracle qui allait résoudre tous les maux des entreprises. Des mots nouveaux sont apparus: orchestration, raisonnement, autonomie.
Pourtant, je n’étais pas convaincu: plongé depuis quelques mois dans la lecture de la TRIZ¹ et une laborieuse tentative de comprendre sa relation avec le matérialisme dialectique et la cybernétique, j’avais le sentiment que le sujet était bien plus complexe que les promesses d’automatisation aisée des workflows grâce à des agents IA appris en deux jours de formation continue.

Le but de ce billet est donc de vous proposer ma lecture des agents IA à la lumière de plusieurs tutoriels que j’ai suivis grâce à l’Association Française pour l’IA² et avec Sonny Mupfuni³ que je remercie pour sa pédagogie et sa connaissance du sujet.

Disclaimer: les agents IA, c’est magnifique, mais faussement simple !

Quelques principes généraux sur les agents IA

Un premier principe est qu’un agent IA va toujours s’appuyer sur un modèle de langage pour exécuter des requêtes et produire un résultat, sachant que ces requêtes peuvent soit être issues d’un prompt ou bien encore écrites à l’intérieur du code d’un script, surtout ce qui permet d’accroître le contrôle sur le modèle de langage utilisé comme les résultats.

Dans un deuxième temps, ces agents peuvent faire appel à des outils de tout ordre, comme des moteurs de recherche, des bases de données, des algorithmes divers ou des ressources externes. En somme, toutes les ressources utiles permettant de dérouler le processus prévu. L’agent peut effectuer cet appel soit de manière autonome en fonction des consignes données dans le script ou le prompt, soit de manière contrainte, permettant ainsi de choisir le degré de contrôle que l’utilisateur souhaite.

Pourquoi les agents IA ne sont pas à mettre entre toutes les mains

Malgré leur apparente facilité, l’orchestration des agents IA et de leur environnement peut se révéler particulièrement complexe surtout si vous avez besoin de résultats solides et suffisamment fiables pour travailler sur des sujets sensibles. En voici quelques exemples.

• Si votre agent doit faire appel à une base de données ou à une base documentaire, vous devez avoir la certitude absolue que vos résultats ne seront pas altérés à votre insu par l’appel à d’autres agents au cours du processus, notamment si vous faites ensuite appel à une IA générative pour mettre en forme les résultats.
• Lors de ces appels, vous devez également procéder à des tests pour vous assurer que votre agent fait bien appel à ces ressources dans les conditions voulues et qu’il n’en invente pas: rédiger un prompt dans le script ne permet pas de garantir la qualité du résultat a priori.
• Si vous souhaitez un certain niveau de qualité dans les résultats, vous pouvez tout à fait implémenter des agents chargés de leur contrôle et de lancer de nouvelles requêtes dans une logique d’optimisation. De même, vous devez vous assurer que ces rétroactions ne viennent pas affaiblir la qualité de vos résultats de manière inattendue.
• Tous ceux et celles qui s’intéressent à l’IA générative ont entendu parler du coût du Token, ce morceau de texte sur lequel se base la facturation. La question est donc de savoir si votre architecture optimise bien le coût de l’appel à votre modèle d’IA.
• L’accès à des ressources externes se fait par des API auxquelles vous avez accès grâce à des identifiants. Êtes-vous certain que votre agent n’envoie pas sur la toile vos identifiants à tort et à travers en dehors de votre contrôle?
• Si vos agents IA ont de multiples utilisateurs, quels sont les outils de sécurité que vous avez mis en place contre les activités malicieuses ?
• Votre architecture est-elle réellement optimisée et couvre-t-elle la totalité de l’usage visé? Vous pourrez voir ci-dessous comment Google conçoit l’usage de l’IA agentique pour un conciergerie de voyages.

Qu’en déduire ?

Comme toujours avec les sujets liés à l’IA, il faut se méfier des réponses simplistes:

• Dès lors qu’il s’agit d’un usage professionnel et avec un véritable enjeu business, une formation de deux jours prise sur votre CPF ne suffira pas pour faire de vous un expert des agents IA.
• Au contraire, vous devez impérativement constituer des équipes intégrées, avec tous les métiers concernés et intervenant dans la chaîne de valeur de votre projet.
• La mise en place d’agents IA doit être conçue comme un véritable projet informatique avec toutes les étapes d’expression du besoin, de conception, de développement, de test, mais aussi de contrôle au long du cycle de vie: si une des briques du projet vient à se dégrader, l’ensemble du projet en sera affecté. Si vous faites appel à une base documentaire, mais que son actualisation est aléatoire et liée à la disponibilité du documentaliste car votre entreprise refuse de le remplacer pendant ses congés, la conséquence est inévitable: le résultat final de votre agent sera fortement dégradé.

C’est pourquoi, on ne le répètera jamais assez : il ne faut surtout pas sous-estimer la complexité du déploiement opérationnel d’une intelligence artificielle dans votre entreprise.

1. TRIZ: Théorie de Résolution des Problèmes Inventifs ↩︎
2. Page Wikipedia de l’AFIA : https://fr.wikipedia.org/wiki/Association_fran%C3%A7aise_pour_l%27intelligence_artificielle ↩︎
3. https://www.linkedin.com/in/sonny-mupfuni-36b185138/ ↩︎