Des agents IA qui exécutent vos tâches métier, pas seulement des réponses

Nous passons deux jours avec les équipes qui traitent les dossiers aujourd'hui, pas avec celles qui les décrivent dans une procédure. Le point qui décide de tout reste l'accès aux données. Un ERP sans API, avec un export CSV nocturne, impose une architecture très différente d'un SI exposé en REST, et cela se voit dès les premières heures d'atelier. Nous comptons aussi les cas particuliers du processus, parce qu'un flux stable à 98 % se traite mieux par une automatisation à règles que par un agent. Quand c'est le cas, nous le disons avant la fin de la semaine.

Nous posons l'orchestration, la liste des outils que l'agent aura le droit d'appeler, la mémoire dont il a besoin et les points où il rend la main à un humain. La phase se termine par un comité Go/No-Go qui sert autant à arrêter qu'à lancer. Sur un dossier de relance de factures impayées, nous avons recommandé un script de règles à quelques milliers d'euros plutôt qu'un agent dix fois plus cher, parce que le processus tenait en quatre branches sans aucune ambiguïté de langage. L'agent se justifie quand la décision dépend d'un texte libre, d'un document non structuré ou d'un enchaînement d'appels que personne ne sait figer à l'avance.

Chaque sprint dure une semaine et se clôt par une démo sur vos données réelles, jamais sur un jeu d'essai fabriqué pour la réunion. Avant la première ligne de code, nous construisons un jeu d'évaluation de 30 à 50 cas avec la sortie attendue, sinon personne ne peut dire si une modification de prompt a amélioré ou dégradé l'agent. Le travail le moins visible et le plus rentable porte sur les échecs. Un agent qui boucle sur un outil en erreur brûle des tokens jusqu'à l'absurde, alors nous plafonnons le nombre d'étapes et le coût par exécution dès le premier sprint.

Chaque appel d'outil et chaque décision de l'agent sont journalisés avec l'identité de l'utilisateur, le contexte et le coût associé. La latence se traite ici, pas après la mise en production. Une chaîne multi-agents qui enchaîne huit appels d'outils met facilement quarante secondes à répondre, et l'utilisateur décroche bien avant. Nous affichons alors les étapes intermédiaires, ou nous basculons le traitement en asynchrone avec une notification en fin de course. L'hébergement peut rester dans l'Union européenne si votre DPO l'exige.

Nous démarrons avec une validation humaine sur la totalité des actions de l'agent, puis nous relâchons ce contrôle sur les cas dont les scores tiennent plusieurs semaines. Les actions irréversibles gardent leur point de validation, quel que soit le niveau de confiance atteint. Ce que peu d'équipes anticipent, c'est la dérive qui vient du fournisseur de modèle. Une version mise à jour côté éditeur change parfois le comportement d'un agent qui n'a pourtant pas bougé d'une ligne, alors nous épinglons les versions et nous rejouons le jeu d'évaluation tous les mois. La TMA couvre douze mois, correction des régressions comprise, avec ajustement des prompts et des outils quand vos processus bougent.