- 01ObserverLire l’objectif et l’état actuel
- 02DéciderChoisir la prochaine action utile
- 03AgirAppeler un outil avec des paramètres
- 04VérifierComparer le résultat au but
Le modèle propose l’action, le logiciel l’exécute
Le LLM peut demander une action. Le programme vérifie qu’elle est autorisée, l’exécute, puis lui transmet le résultat.
À chaque tour, l’application transmet au modèle l’objectif, l’historique utile, l’état de la tâche et la description des outils disponibles. Sa réponse peut alors demander une recherche, un calcul ou l’appel d’une fonction métier.
Le programme relance le modèle
Dans un chatbot classique, l’utilisateur choisit quand lancer l’étape suivante. Dans un agent, le programme peut relancer le modèle après chaque résultat, jusqu’à la fin de la tâche ou l’atteinte d’une limite.
- 01Observer
- 02Décider
- 03Agir
- 04Vérifier
Après chaque action, le système ajoute le résultat au contexte : page trouvée, message d’erreur, fichier créé ou test échoué. Le modèle choisit alors l’étape suivante. La boucle s’arrête quand l’objectif est atteint, qu’une limite est rencontrée ou qu’un humain doit reprendre la main.
Exemple : pour préparer une réunion, l’agent peut retrouver le dernier compte rendu, en extraire les décisions puis ouvrir un brouillon. Si le document est introuvable, la boucle doit s’arrêter ou demander où le chercher.
L’agent paraît autonome parce que le logiciel relance la boucle sans nouvelle demande de l’utilisateur. Son action reste bornée par les outils disponibles, les permissions et les règles d’arrêt.
Les outils donnent accès au reste du système
Un LLM seul produit une sortie. Pour consulter une base, calculer un montant ou modifier une application, il doit passer par un outil exposé par le logiciel.
Le modèle reçoit le nom de chaque outil, ce qu’il permet de faire et le format des paramètres à fournir. Il peut alors demander d’utiliser un moteur de recherche, une calculatrice ou une fonction métier, par exemple pour créer un ticket. Le programme effectue l’appel et lui renvoie le résultat.
La mémoire n’est pas automatique
À chaque tour, le modèle ne voit que les éléments que l’application remet dans son contexte.
Comme ce contexte est limité, le logiciel doit trier : conserver une contrainte, résumer les étapes terminées, stocker un résultat ou retrouver une note plus ancienne. Une information omise par ce mécanisme n’est plus visible par le modèle.
Les limites font partie du système
Chaque action doit être assortie de permissions, de limites et d’une règle d’arrêt.
- Permissions : l’agent n’accède qu’aux outils et données nécessaires.
- Validation : une action irréversible exige une confirmation explicite.
- Budget : la boucle s’arrête après un nombre de tours, une durée ou un coût définis.
- Traçabilité : les appels d’outil, leurs paramètres et leurs résultats sont journalisés.
- Escalade : le système interrompt la boucle lorsqu’une information ou une autorisation requise manque.
Chatbot, workflow ou agent ?
Un chatbot, un workflow et un agent peuvent tous s’appuyer sur un LLM. La différence principale tient à celui qui choisit l’étape suivante.