Aller au contenu

Agent IA

Architecture d'un agent IA sur une plateforme métier

Un agent IA sur une plateforme métier tient sur ses outils

Un agent IA branché sur une plateforme métier tient sur trois choses, des outils typés qui bornent ce qu'il peut lire, un jeu d'outils filtré par rôle, et une validation humaine avant toute action coûteuse. Le modèle est presque la partie interchangeable. Ce qui décide de la qualité du résultat, c'est le périmètre qu'on lui donne et la façon dont ses outils lui rendent la donnée.

Cet été, sur une mission à Toulouse, j'ai construit ce genre d'agent pour un éditeur de logiciel. Sa plateforme calcule des projections d'emploi et de compétences, et affiche des tableaux de bord que les utilisateurs doivent configurer à la main. L'objectif était de rendre tout ça promptable, donc de pouvoir poser une question en français et obtenir la bonne combinaison de résultats.

Systèmes multi-agents : ce qui marche vraiment

Un système multi-agents, c'est bien souvent la première architecture qu'on envisage. Plusieurs agents spécialisés, un orchestrateur qui distribue les tâches, des hand-offs propres entre les rôles. Sur le papier, c'est élégant.

En production, c'est une autre histoire.

Les systèmes multi-agents échouent entre 41 % et 86,7 % du temps selon le framework utilisé, d'après l'étude MAST publiée par UC Berkeley en mars 2025 sur 1 600 traces d'exécution. Et quand ils échouent, le problème vient rarement du modèle lui-même : il vient de l'architecture.

Voici ce que les données disent réellement, et comment décider si vous avez besoin de plusieurs agents ou d'un seul bien équipé.