Effectuer des actions (changer un mot de passe, créer un ticket, lancer un remboursement < seuil)
Escalader à un humain si bloqué
Architecture : Supervisor + RAG + outils CRM + human-in-the-loop pour les actions à enjeu.
3. Agent commercial (SDR)
Capacités :
Rechercher des leads (LinkedIn, base CRM)
Enrichir les profils
Rédiger un email de prospection personnalisé
Programmer des relances
Mettre à jour le CRM
Architecture : Multi-agents (researcher + writer + scheduler), avec garde-fous sur le volume.
4. Agent data
Capacités :
Comprendre une demande métier en langage naturel
Générer du SQL
Lancer la requête sur la base
Vérifier la cohérence du résultat
Produire un dashboard ou un rapport
Architecture : LLM + tools(query_db, run_python, create_chart). Très sensible à la qualité du schéma de la base.
5. Agent recherche / R&D
Capacités :
Faire de la veille sur un sujet
Lire et synthétiser des papiers
Comparer des solutions techniques
Produire un rapport structuré
Architecture : Researcher + Critic + Writer.
6. Patterns architecturaux gagnants
Décomposer la tâche en étapes claires
Spécialiser les agents par domaine
Limiter les outils par agent
Valider chaque action via human-in-the-loop sur les sensibles
Monitorer la qualité (rejets utilisateurs, escalades, coût)
7. ROI et coût
Un agent en prod coûte typiquement :
0,01 à 1$ par tâche (selon complexité et modèle)
Mois d'ingé pour déployer proprement
Pour rentabiliser : ciblage de tâches répétitives, à fort volume et où l'IA fait gagner au moins 5 minutes par tâche.
8. Maturité 2026
✅ Production : assistants code, support, génération de contenu
🟡 En croissance : agents commerciaux, data, RH
🔴 Encore expérimental : agents totalement autonomes longue durée
Les trois niveaux de maturité des agents en 2026 : en production pour le code, le support et la génération de contenu, en croissance côté commercial, data et RH, encore expérimental pour les agents autonomes sur longue durée
Le meilleur agent = celui qui combine bien automatisation et human-in-the-loop.