Le copier-coller ne suffit plus : les quatre pièces d'un agent IA
Laurent Alexandre place la valeur dans l'orchestration d'agents, plus dans le prompt. Reste à ouvrir la boîte — voici ce qu'elle contient.
Dans un entretien diffusé sur la chaîne YouTube Biomécanique, Laurent Alexandre — cofondateur du site de santé Doctissimo, auteur de La Guerre des intelligences à l'heure de ChatGPT — défend une idée simple : poser une question à une IA et recopier sa réponse ne crée presque plus de valeur — tout le monde sait le faire. La valeur s'est déplacée, selon lui, vers l'orchestration d'agents autonomes.
La thèse tient debout, mais elle s'arrête là où le travail commence : « orchestrez des agents » est un conseil aussi actionnable que « faites de la croissance ». Voici ce qu'il y a dans la boîte — car un agent IA qui travaille vraiment n'est pas un chatbot plus malin : c'est le même modèle d'IA, entouré de quatre pièces que votre fenêtre de conversation n'a pas.
Le chatbot répond, l'agent agit
Un chatbot fonctionne par tours de parole : vous demandez, il répond, et c'est vous qui transportez le résultat. Un agent, lui, reçoit un objectif et se débrouille : il enchaîne des étapes, appelle des outils, lit des documents, écrit quelque part, recommence si nécessaire.
Le modèle dessous est souvent le même ; tout tient à l'équipement. Bonne nouvelle pour une TPE : le modèle, tout le monde y accède pour quelques dizaines d'euros par mois. Ce qui se construit autour, en revanche, vous appartient.
Le harnais : tout ce qui n'est pas le modèle
Le terme technique est un anglicisme, harness, que le français rend par harnais : l'outillage et les règles installés autour du modèle pour qu'il puisse agir. Trois questions.
Quels outils peut-il appeler ? Votre boîte mail, votre grille tarifaire, votre logiciel de devis, votre base clients. Chacun se branche explicitement — rien n'arrive par magie.
Avec quelles permissions ? Un agent qui prépare vos devis doit lire votre grille et écrire un brouillon ; il n'a aucune raison de pouvoir envoyer quoi que ce soit à un client.
Jusqu'où va-t-il sans vous demander ? C'est la ligne la plus importante, et la plus rarement tracée. Elle se décide avant la mise en service, pas après le premier incident.
Un excellent menuisier dans un atelier vide ne produit rien. Le harnais, c'est l'atelier.
La boucle : qui relit le travail ?
Un agent qui exécute une fois et s'arrête là rend un premier jet, livré sans relecture. Ce qui le rend autonome, c'est la boucle de rétroaction — un mécanisme par lequel il confronte sa production à un critère, constate l'écart, corrige, recommence.
Encore faut-il que le critère soit mécanique. « Un beau devis » n'en est pas un. « Le total correspond à la somme des lignes », « la référence produit existe dans le catalogue » : ça, une machine sait le vérifier seule.
La question à se poser n'est donc pas « que doit faire l'agent ? » mais « comment saurais-je que c'est raté ? ». Sans réponse de votre part, l'agent n'en aura pas non plus — et c'est ce qui remplace le prompt engineering finissant, l'art de sculpter la requête parfaite.
Un agent ne devient autonome qu'à partir du moment où il existe un test que sa production réussit ou échoue sans vous. Tant que le seul juge, c'est votre relecture, vous n'avez rien automatisé : vous avez déplacé le travail.
La mémoire documentaire : l'agent branché sur vos textes
Troisième pièce, connue sous le sigle RAG — retrieval-augmented generation, génération augmentée par la recherche documentaire. Avant de répondre, l'agent va chercher les passages pertinents dans une base de documents que vous lui avez fournie. Branché sur vos contrats, vos procédures et votre grille tarifaire, il répond sur votre cas, à partir d'un texte que vous avez écrit et que vous pouvez rouvrir.
L'IA invente. C'est l'objection numéro un, et elle est fondée : les modèles récents n'ont pas réglé le problème, quoi qu'en laisse entendre leur communication. Sur AA-Omniscience, le test par lequel le comparateur indépendant Artificial Analysis mesure la propension d'un modèle à répondre quand il ne sait pas, Claude Fable 5.1 — le plus capable des modèles d'Anthropic — bat le record de précision avec 67,2 % de bonnes réponses. Mais parmi les questions qu'il rate, il tente quand même sa chance dans 72,6 % des cas, contre 63,6 % pour la version précédente. Plus juste, et plus bavard quand il ignore. Attendre la version suivante n'est pas une stratégie.
Ce qui fait baisser le taux, c'est l'architecture autour du modèle, et le tri de vos documents en est la première pièce. Avec son revers : si trois versions de vos conditions générales cohabitent, l'agent en citera une au hasard, avec le même aplomb. Ce tri est la moitié du travail.
L'orchestration : quand un agent ne suffit plus
La quatrième pièce est celle que tout le monde cite en premier, et c'est une erreur de calendrier. Orchestrer, c'est faire travailler ensemble plusieurs agents spécialisés — un qui collecte, un qui rédige, un qui contrôle — sous un coordinateur.
Le deuxième agent qui se justifie le plus souvent, c'est l'agent de contre-lecture. Il reçoit la production du premier avec la consigne inverse — démontrer qu'elle est fausse, pièces à l'appui. Il ne valide pas, il attaque. Ce qui survit à cette lecture contradictoire a été passé au crible par quelqu'un dont le travail était de le démolir, et le désaccord entre les deux remonte vers vous au lieu de passer inaperçu.
Plus le dispositif gagne en autonomie, plus les garde-fous du harnais comptent : des agents laissés seuls face à un objectif trouvent des chemins que personne n'avait prévus. Aucun garde-fou ne ramène le risque à zéro, et méfiez-vous du prestataire qui vous le promet : ce qu'ils font, c'est rendre l'erreur visible avant qu'elle n'arrive chez votre client. C'est le seuil qui compte.
Par où commencer, concrètement
Un avertissement d'abord, celui de Laurent Alexandre : un dirigeant ne doit pas délaisser son cœur de métier pour une veille technologique permanente. La peur de rater quelque chose — le fameux FOMO, pour fear of missing out — pousse à tester chaque nouveauté, et ce réflexe ressemble à du travail sans en être. Partez du problème, jamais de l'outil.
Prenez donc la tâche la plus répétitive de votre semaine. Écrivez ce qui la rend réussie, en termes vérifiables et non en adjectifs. Rassemblez les trois ou quatre documents dont elle dépend, à jour. Branchez le strict minimum d'outils, avec les permissions les plus étroites. Laissez tourner sous surveillance une ou deux semaines.
Ce n'est pas spectaculaire. Mais c'est ce que veut dire « orchestrer des agents », une fois la formule redescendue du slogan au chantier.
Sources : entretien « Alerte IA : Plus qu'un an avant le changement (Dr Laurent Alexandre) », chaîne Biomécanique, YouTube ; page Wikipédia de Laurent Alexandre, pour son parcours ; chiffres d'hallucination : benchmark AA-Omniscience et analyse de Claude Fable 5.1, Artificial Analysis.
Publicité — lien affilié. En tant que Partenaire Amazon, je perçois une commission sur les achats remplissant les conditions requises, sans surcoût pour vous. Le livre cité : La Guerre des intelligences à l'heure de ChatGPT, de Laurent Alexandre (Le Livre de Poche, format poche).
Questions fréquentes
Quelle est la différence entre un chatbot et un agent IA ?
Un chatbot répond, et c'est vous qui transportez le résultat d'un outil à l'autre. Un agent reçoit un objectif. Il enchaîne les étapes, appelle des outils, lit vos documents, vérifie son travail. Le modèle est souvent le même : ce qui change, c'est l'équipement autour.
Les modèles récents ont-ils réglé le problème des hallucinations ?
Non. Sur le benchmark AA-Omniscience, Claude Fable 5.1 atteint le record de précision mesuré, mais tente sa chance sur 72,6 % des questions qu'il rate, contre 63,6 % pour la version précédente. C'est l'architecture de contrôle autour du modèle qui fait baisser le risque.
Qu'est-ce qu'un agent de contre-lecture ?
Un second agent reçoit la production du premier avec la consigne inverse : démontrer qu'elle est fausse, pièces à l'appui. Il n'approuve pas, il attaque. Le désaccord entre les deux remonte vers vous, au lieu de passer inaperçu jusque chez votre client.
À quoi sert le RAG dans une TPE ?
Le RAG, ou génération augmentée par la recherche documentaire, branche l'agent sur vos propres documents : contrats, procédures, grille tarifaire. Il compose sa réponse à partir de ces textes plutôt que de sa mémoire générale, si la base est à jour.