Agent AI : fonctionnement et cas d’usage
Auteur : Rédaction Domeny.ForSale Publié le
En bref : Un agent AI est un système qui utilise l’intelligence artificielle pour atteindre un objectif : il choisit les étapes à suivre, utilise les outils disponibles et adapte ses actions à leurs résultats. Contrairement à un simple chatbot, il ne se limite pas nécessairement à une réponse : il peut, par exemple, vérifier une commande et préparer une réclamation. Son degré d’autonomie dépend des autorisations et des règles qui lui sont attribuées, et non de la seule appellation « agent ».
Ce qui fait d’un système un agent AI
Il n’existe pas de frontière unique et communément admise entre un agent et les autres applications AI. En pratique, ce terme désigne le plus souvent un système qui décide de la prochaine action en fonction de son objectif et des informations disponibles, plutôt que de suivre uniquement une séquence d’instructions prédéfinie.
De nombreux agents actuels utilisent un grand modèle de langage, c’est-à-dire un modèle capable de traiter et de générer du texte ainsi que d’interpréter des instructions. Mais le modèle seul ne constitue pas l’agent dans son ensemble. Il a besoin d’un environnement logiciel qui lui donne accès aux outils, lui transmet les résultats des actions et fait respecter les restrictions.
Un agent comprend généralement plusieurs éléments :
- Objectif et instructions : ils définissent la tâche et les conditions permettant de la considérer comme terminée.
- Contexte : il regroupe les informations nécessaires au travail, par exemple le contenu d’une demande et les éléments déjà établis.
- Outils : ils permettent de récupérer des données ou d’effectuer des opérations, comme rechercher des documents ou créer des entrées dans un système de service client.
- Règles de contrôle : elles précisent les actions autorisées, les situations nécessitant une validation humaine et les conditions d’arrêt du travail.
Un agent n’a pas nécessairement de mémoire persistante ni d’accès à Internet. Il peut travailler uniquement à partir des documents fournis, au cours d’une seule session.
Comment un agent accomplit une tâche, étape par étape
Le fonctionnement d’un agent prend souvent la forme d’une boucle : il évalue la situation, choisit une étape, lance un outil, analyse le résultat et prend la décision suivante. Cette boucle se poursuit jusqu’à l’obtention d’un résultat, la rencontre d’un obstacle ou l’atteinte d’une limite de temps, de coût ou de nombre d’opérations.
Supposons qu’un client d’une boutique demande des nouvelles d’un colis en retard. L’agent chargé de traiter sa demande peut :
- Lire le numéro de commande et demander les informations manquantes.
- Récupérer le statut dans le système de gestion des commandes ainsi que les données du transporteur.
- Comparer ces informations aux règles de traitement des retards.
- Préparer une réponse ou créer une demande à transmettre à un employé.
- S’arrêter avant de procéder à un remboursement si cette opération nécessite une validation.
Il s’agit d’un scénario de mise en œuvre possible, et non de fonctions présentes chez tous les agents. Sans intégration adaptée, le système ne peut pas vérifier le statut réel du colis. La phrase « j’ai vérifié la commande » ne prouve pas que l’opération a été effectuée : la confirmation doit venir du résultat de l’outil, consigné dans l’historique des actions.
Agent, chatbot et automatisation : quelles différences ?
Un chatbot est une interface permettant de dialoguer avec l’utilisateur. Il peut se contenter de répondre à des questions, mais aussi servir d’interface pour interagir avec un agent. Le chat et l’agent ne s’opposent donc pas : le premier terme décrit le mode d’interaction, le second la manière d’accomplir une tâche.
L’automatisation classique applique des règles définies à l’avance. Par exemple : lorsqu’un formulaire est reçu, ajouter le contact à la base de données et envoyer une confirmation. Si le processus est prévisible, cette solution est généralement plus facile à tester et à contrôler.
Un agent est utile lorsque les étapes nécessaires pour obtenir le résultat dépendent du contenu et du contexte. Il peut repérer qu’un message client concerne à la fois un produit endommagé et une adresse erronée, puis choisir la procédure adaptée. Cette souplesse rend toutefois ses décisions moins prévisibles.
Les deux approches peuvent être combinées dans un même système : l’AI interprète la demande, tandis que du code classique vérifie les autorisations et exécute l’opération permise. Le modèle ne doit pas décider lui-même s’il est autorisé à contourner les protections.
Pour quelles tâches utiliser un agent ?
Un processus nécessitant l’analyse d’informations hétérogènes, plusieurs étapes et le choix d’outils se prête bien à l’utilisation d’un agent. Il peut s’agir de classer des demandes, de recueillir des informations dans les documents de l’entreprise, de préparer des rapports ou de proposer des modifications de code. Pour que l’agent soit utile, son résultat doit pouvoir être vérifié.
Avant de choisir une solution, répondez à trois questions : des règles classiques suffisent-elles, l’agent a-t-il accès à des données fiables et une action erronée peut-elle être facilement annulée ? Si la tâche consiste à transférer des données entre des champs fixes, une automatisation plus simple peut être un meilleur choix.
En marketing, un point de départ raisonnable peut être un agent qui prépare des brouillons de descriptions de produits à partir d’un catalogue validé. La publication automatique de ces descriptions relève d’une décision distincte : elle exige un contrôle supplémentaire, car le système peut ajouter une caractéristique que le produit ne possède pas.
Comment limiter les erreurs et les risques
Un agent peut mal interpréter l’objectif, choisir un outil inadapté ou générer des informations fausses. Il peut aussi prendre le contenu d’un document pour une instruction à exécuter. Une telle attaque, appelée injection de prompt, consiste à insérer des instructions dans les contenus traités afin de modifier le comportement du système.
Pour commencer de manière plus sûre, limitez l’accès à la lecture seule et aux données nécessaires à la tâche. L’envoi de messages, la suppression de fichiers, la publication de contenus ou les opérations financières doivent faire l’objet d’autorisations distinctes et d’exigences de validation adaptées. Les restrictions doivent être appliquées par le logiciel, et pas seulement formulées dans les instructions destinées au modèle.
Il faut également prévoir des limites au nombre d’opérations, un historique d’utilisation des outils et la possibilité d’arrêter le processus. Pour choisir un service, consultez la documentation à jour du fournisseur afin de vérifier les règles de conservation des données, les intégrations disponibles et les modalités de facturation.
Commencez par une seule tâche dont les effets peuvent être annulés, puis testez-la sur des cas courants et problématiques. N’augmentez l’autonomie de l’agent que lorsque vous pouvez préciser ce qu’il a fait, sur quelle base et qui valide les actions aux conséquences plus importantes.
À lire aussi
