L’agent n’est pas seulement le modèle
On parle beaucoup des performances des modèles d’IA, et pas assez de ce qui les entoure. Dans la vidéo, j’appelle « harnais » l’environnement qui relie un modèle à des outils : lire un document, produire un PDF, manipuler un fichier ou intervenir dans un processus. C’est ce cadre qui transforme une conversation en action. Pour une PME, il détermine aussi ce que l’agent peut voir et ce qu’il peut modifier.
Un modèle impressionnant dans une démonstration peut devenir fragile dès qu’on lui confie un travail récurrent. Il faut distinguer la facilité de lancer un essai et la capacité de reprendre, auditer et maintenir le résultat plusieurs mois plus tard.
Explorer d’abord, stabiliser ensuite
Mon approche est hybride. Je peux utiliser un outil comme Codex pour ébaucher un flux rapidement, vérifier qu’il résout mon problème et découvrir ce qui manque. Quand le cas d’usage devient stable, je veux pouvoir le faire évoluer dans un environnement maîtrisé, éventuellement avec un cadre plus resserré ou sur mesure.
Cela ne signifie pas qu’un outil propriétaire serait à bannir ni qu’un outil ouvert serait automatiquement plus sûr. Ce sont des arbitrages : rapidité, contrôle du flux de travail, maintenance, compétences disponibles et coût total. Le bon choix dépend de la tâche, pas d’un slogan sur l’open source.
Trois questions avant la mise en production
Quels accès sont réellement nécessaires ? Où sont conservés les instructions, les données et les livrables ? Qui repère puis corrige un comportement inattendu ? Ces questions peuvent sembler moins excitantes qu’une démo, mais elles évitent de transformer un prototype utile en dépendance opaque.
J’évoque aussi le désordre qui s’accumule dans l’espace de travail des agents polyvalents. Quand les règles, fichiers et fonctions s’empilent, le comportement devient plus difficile à comprendre. Faire régulièrement le ménage, tester une tâche témoin et conserver une procédure de reprise fait partie du produit, pas de la finition.