Un premier projet d'agent IA échoue rarement parce que le modèle est trop faible. Il échoue parce que le périmètre est flou : on veut « un agent qui gère les demandes clients » sans avoir écrit ce qu'il a le droit de faire, ce qu'il doit laisser à un humain et comment on saura qu'il se trompe. Cet article donne une méthode de cadrage en cinq étapes, à appliquer avant d'écrire la première ligne de code.
Commencer par la bonne question : workflow ou agent ?
Anthropic, dans son guide « Building effective agents », distingue deux familles de systèmes. Les workflows sont des « systèmes où les LLM et les outils sont orchestrés par des chemins de code prédéfinis ». Les agents sont des « systèmes où les LLM dirigent dynamiquement leur propre processus et leur usage des outils » (traduction libre). Autrement dit : dans un workflow, vous décidez de l'enchaînement des étapes ; dans un agent, c'est le modèle.
Le même guide met en garde : les systèmes agentiques échangent souvent de la latence et du coût contre de meilleures performances sur la tâche, et il faut se demander si cet échange vaut la peine. Il recommande de commencer par des prompts simples, de les optimiser avec une évaluation sérieuse, et de n'ajouter des systèmes agentiques multi-étapes que lorsque des solutions plus simples ne suffisent pas.
Traduit pour une entreprise : si vous pouvez écrire les étapes à l'avance, un workflow, par exemple construit avec l'un des outils comparés dans notre article n8n, Make ou Zapier, sera moins cher, plus prévisible et plus facile à maintenir. L'agent se justifie quand les étapes dépendent du contenu de chaque demande et ne peuvent pas être listées à l'avance.
Étape 1 : choisir un cas d'usage étroit et mesurable
Un bon premier cas d'usage remplit quatre conditions :
- il revient souvent, avec des variantes, dans le travail d'une équipe identifiée ;
- son résultat se vérifie rapidement par un humain ;
- une erreur a un coût limité et rattrapable ;
- vous pouvez décrire aujourd'hui ce qu'est un « bon » résultat avec des exemples réels.
À l'inverse, évitez pour un premier projet tout ce qui engage juridiquement l'entreprise, touche à des paiements ou modifie des données sans possibilité de retour arrière. Un agent qui prépare un brouillon de réponse que quelqu'un valide est un meilleur premier projet qu'un agent qui envoie la réponse lui-même. Le service client est un terrain fréquent, comme le détaille notre page sur l'IA pour la relation client.
Étape 2 : écrire le périmètre noir sur blanc
Rédigez une fiche d'une page qui répond à cinq questions :
| Question | Exemple de réponse à formuler |
|---|---|
| Que peut faire l'agent seul ? | Lire une demande, chercher dans la base de connaissances, proposer un brouillon |
| Que ne peut-il jamais faire ? | Envoyer un message, modifier une fiche client, engager un remboursement |
| Quels outils et quelles données ? | Liste explicite, avec des droits en lecture seule tant que rien n'est validé |
| Qui valide, et quand ? | Une personne nommée, avant chaque action visible par un client |
| Quand l'agent s'arrête-t-il ? | Nombre maximal d'étapes, cas de doute, absence de réponse fiable |
Le guide d'Anthropic recommande d'ailleurs de prévoir des conditions d'arrêt, comme un nombre maximal d'itérations, pour garder le contrôle, et de laisser l'agent faire une pause pour recueillir l'avis d'un humain à des points de contrôle ou lorsqu'il rencontre un blocage. Ce sont des décisions de conception, à prendre dès le cadrage.
Étape 3 : soigner les outils autant que le prompt
Un agent n'agit qu'à travers les outils que vous lui donnez : recherche dans un document, lecture d'un CRM, création d'un brouillon. Le même guide insiste sur l'effort à consacrer à ces interfaces : chaque outil devrait avoir des exemples d'usage, des cas limites, des exigences de format d'entrée et des frontières claires avec les autres outils.
En pratique, moins d'outils, mieux décrits, valent mieux qu'une longue liste ambiguë. Si deux outils peuvent répondre à la même demande, l'agent hésitera, et vous aurez du mal à comprendre pourquoi il a choisi l'un plutôt que l'autre.
Étape 4 : construire un jeu d'essai avant de construire l'agent
Rassemblez un échantillon de cas réels (anonymisés si nécessaire), assez varié pour couvrir les demandes courantes et quelques cas difficiles, avec pour chacun le résultat attendu écrit par la personne qui fait ce travail aujourd'hui.
Ce jeu d'essai sert trois fois : à vérifier que le cas d'usage est bien défini, à comparer un simple prompt, un workflow et un agent sur les mêmes cas, et à détecter les régressions à chaque modification. Sans lui, vous jugez l'agent à l'impression, et vous découvrez ses erreurs chez un client.
Anthropic recommande d'ailleurs de tester intensivement dans des environnements isolés (sandbox) et de prévoir des garde-fous adaptés. Un environnement de test avec des données fictives ou copiées, sans accès en écriture aux systèmes réels, est le minimum.
Étape 5 : déployer par paliers, avec un humain dans la boucle
Un déploiement progressif suit généralement quatre paliers :
- Ombre : l'agent produit ses réponses, mais personne ne les utilise. On les compare à celles des humains.
- Suggestion : l'agent propose, l'humain valide chaque action.
- Autonomie limitée : l'agent agit seul sur les cas les plus simples et transmet les autres.
- Suivi continu : les erreurs relevées enrichissent le jeu d'essai, et un responsable revoit régulièrement les journaux.
On ne passe au palier suivant que lorsque les résultats du palier précédent sont satisfaisants sur le jeu d'essai et sur des cas réels. Cette progression correspond à notre approche de méthode en étapes : cadrer, prototyper, mettre en production, transférer.
Ce que le cadrage change au budget
Un cadrage sérieux ne coûte pas plus cher : il déplace la dépense. On investit un peu plus en amont (périmètre, jeu d'essai, garde-fous) pour éviter une reprise coûteuse en aval. Pour les postes de coût d'un projet d'agent, des tarifs publics des modèles au coût de maintenance, voir notre article sur le coût de développement d'un agent IA.
Questions fréquentes
Faut-il toujours un agent pour automatiser un processus ?
Non. Si les étapes sont connues à l'avance, un workflow classique suffit et il est plus prévisible. Le guide d'Anthropic recommande de n'ajouter de la complexité que lorsqu'elle améliore démontrablement les résultats.
Combien de temps prend le cadrage d'un premier agent ?
Cela dépend de la clarté du cas d'usage et de la disponibilité de l'équipe concernée. Le cadrage est terminé lorsque la fiche de périmètre est écrite, le jeu d'essai constitué et les paliers de déploiement validés par la direction et par l'équipe.
Peut-on laisser l'agent agir seul dès le départ ?
Ce n'est pas recommandé pour un premier projet. Un déploiement par paliers, en commençant par un mode où l'humain valide chaque action, limite le coût des erreurs pendant la phase d'apprentissage.
Qui doit être impliqué dans le projet ?
Au minimum, la personne qui réalise aujourd'hui la tâche (pour écrire les cas d'essai et valider), un responsable côté métier (pour arbitrer le périmètre) et quelqu'un qui maîtrise vos systèmes (pour les accès et la sécurité).
Passer du cadrage au projet
Si vous avez un cas d'usage en tête, un premier échange permet de vérifier s'il relève d'un workflow, d'un agent ou d'un simple assistant, et d'estimer l'effort de cadrage. Nos offres et tarifs publics détaillent ce que nous réalisons, de l'audit à la mise en production.
Sources : Anthropic, Building effective agents.