Assistant, agent, harnais : ce qu'est vraiment un agent IA

Assistant, agent, harnais, loop engineering, AI employee ... Maintenant que tout le monde et sa mère font de l'IA, les termes vous volent autour de la tête : agents, AI coworkers, assistants IA, loop engineering, tool calling, harnais... Beaucoup relève du bruit marketing, donc il est temps de clarifier.

Chez BrA1n, nous constatons dans nos échanges avec les décideurs qu'ils veulent volontiers se lancer dans l'IA. Mais faut-il alors un assistant IA ? Ou un agent IA ? Qu'est-ce qu'un agent IA, au juste ?

Un assistant répond à des questions. Pratique, mais il ne fait rien de lui-même. C'est donc en réalité un LLM, souvent avec une fine enveloppe autour qui garde le cap sur un secteur ou une organisation précise.

Quand un assistant est grounded, cela devient intéressant. Le grounding signifie qu'un assistant IA a accès à une ou plusieurs sources externes. Pensez au système de stock, à l'agenda, à un module de calcul, ou simplement à l'accès à internet. D'un coup, l'assistant peut vraiment aller chercher de l'information.

Un agent IA est d'un tout autre ordre. Un agent IA, tel que nous le définissons, a trois composants principaux :

1. Un modèle d'IA, en général un Large Language Model (LLM). Mais ce peut aussi être plusieurs modèles pour différentes tâches.
2. Un ensemble d'outils. C'est en fait une version étendue du grounding ci-dessus. 'L'accès à l'ordinateur local' peut aussi être un outil, tout comme un interpréteur Python pour exécuter du code.
3. Un harnais (harness). C'est l'"enveloppe", ou couche de pilotage, autour du modèle d'IA. Le harnais compose les prompts envoyés au modèle, analyse la réponse, appelle un ou plusieurs outils, renvoie les résultats au LLM dans un nouveau prompt, et répète jusqu'à obtenir ce que l'utilisateur a demandé.

C'est cela que nous appelons l'IA agentique : un système qui se met au travail tout seul pour accomplir une tâche donnée. Cela entraîne en général de nombreux appels au modèle, et donc souvent une forte consommation de tokens. Un agent tourne typiquement pendant des minutes, voire des heures, avant que la réponse soit prête.

Dans ce cadre, on croise aussi de plus en plus le terme loop engineering. Il s'agit de concevoir la boucle de travail d'un agent. Un cran au-dessus, donc. La boucle de travail détermine quand l'agent peut poursuivre seul et quand un humain doit y jeter un œil.

Enfin, AI employee ou collègue numérique : voyez-les comme des termes marketing. Un tel terme se vend tout simplement mieux que "modèle de langage avec accès aux systèmes".