Qu'est-ce qu'un agent IA ?

Un agent IA est un LLM qui peut agir sur le monde : il peut utiliser des outils, prendre des décisions, enchaîner des étapes pour accomplir un objectif.

1. LLM simple vs Agent

LLM simple : tu envoies un prompt → il génère du texte. Point final.

Agent : tu lui donnes un objectif → il planifie, exécute des actions (chercher sur le web, lancer un calcul, interroger une API, écrire un fichier), observe les résultats, adapte son plan, et continue jusqu'au but.

2. Les composants d'un agent

1. LLM (le cerveau qui raisonne et décide)
2. Outils (tools) : fonctions qu'il peut appeler (recherche web, calculatrice, API, base de données, exécution de code…)
3. Mémoire : courte (le contexte) et longue (base de connaissances persistante)
4. Boucle de contrôle : observer → réfléchir → agir → observer → …

3. Exemple concret

Objectif : « Trouve les 3 meilleurs restaurants italiens près de chez moi et envoie-moi la liste par email. »

L'agent va :

1. Détecter ma position (outil GPS)
2. Chercher sur Google Maps (outil de recherche)
3. Lire les avis (outil de scraping)
4. Trier par note
5. Rédiger un email
6. Envoyer via une API email
7. Confirmer

Un LLM simple ne pourrait que suggérer ces étapes — il ne ferait rien.

4. Patterns d'agents

ReAct (Reasoning + Acting) : alterne raisonnement (« je dois chercher X ») et action (« j'appelle l'outil search(X) »).

Plan-and-Execute : génère d'abord un plan complet, puis exécute étape par étape.

Reflexion : après chaque action, l'agent évalue son progrès et corrige.

5. Frameworks populaires

• LangChain / LangGraph (Python, JS)
• LlamaIndex (RAG + agents)
• CrewAI (multi-agents)
• AutoGen (Microsoft)
• Anthropic Claude Code (agent codeur)
• OpenAI Assistants API

6. Limites actuelles

• Hallucinations lors du choix d'outil
• Boucles infinies sur certains problèmes
• Coût : un agent fait facilement 10-50 appels LLM pour une tâche
• Sécurité : un agent qui a accès à ton email/code peut faire des dégâts si manipulé
• Évaluation difficile : pas toujours une seule bonne réponse

7. Quand utiliser un agent ?

• Tâche multi-étapes dépendantes
• Besoin d'interagir avec des systèmes externes
• Information changeante (à aller chercher en temps réel)
• Adaptation au feedback

Pour une réponse simple à une question, un LLM seul suffit.