Fiabilité des agents

Patterns d'architecture d'agents pour des systèmes IA d'entreprise fiables

Un cadre de décision concret pour choisir chaînes, routeurs, planificateurs, graphes avec état et contrôles déterministes selon le risque métier.
7 avril 20265 min de lectureArchitecture agentiqueAgents IA
L'architecture d'un agent en entreprise doit partir du workflow, pas du framework. Avant d'introduire un planificateur, des agents spécialisés ou une mémoire long terme, je cherche à comprendre ce que le système peut décider, quelles actions ont des effets de bord, quelles preuves sont nécessaires et comment revenir à un état sain après un échec. Cette analyse conduit souvent à une architecture plus simple que l'idée initiale. Un workflow déterministe avec un seul appel de modèle bien encadré peut être plus fiable qu'un réseau d'agents. L'autonomie n'apporte de la valeur que lorsque la tâche exige réellement des décisions impossibles à décrire proprement à l'avance.

Qualifier le workflow avant de choisir un pattern

Je commence par quatre questions :
  • Le chemin est-il prévisible ? Une séquence fixe favorise une chaîne. Quelques intentions connues favorisent un routeur.
  • Quel est le coût d'une mauvaise action ? Une recherche en lecture seule tolère davantage d'exploration qu'un workflow qui modifie un enregistrement ou contacte un client.
  • Quel état faut-il conserver ? Une requête ponctuelle peut rester stateless. Un processus long peut exiger checkpoints, reprise et transitions explicites.
  • Que faut-il pouvoir auditer ? Si un opérateur doit reconstruire une décision, les outils, preuves, contrôles de politique et validations doivent devenir des événements structurés.
Ces questions définissent la surface de contrôle. Elles évitent aussi d'utiliser un agent pour masquer un processus métier encore mal défini.

Faire correspondre l'architecture à la structure des décisions

Quatre patterns couvrent une grande partie des cas d'usage en entreprise :

Chaîne déterministe

Une chaîne convient lorsque les étapes et leur ordre sont connus : valider l'entrée, récupérer des preuves, générer une réponse, appliquer la politique, puis répondre ou escalader. Chaque étape possède un contrat typé et le modèle n'intervient que là où l'interprétation est nécessaire. C'est généralement le meilleur point de départ, car les tests et les responsabilités restent lisibles.

Routeur et workers spécialisés

Un routeur est pertinent lorsque les demandes appartiennent à des domaines distincts exigeant des prompts, sources ou outils différents. Le routeur prend une décision de classification limitée, il ne résout pas le problème. Chaque worker ne reçoit que le contexte et les permissions utiles à son domaine. Une sortie sûre traite les cas ambigus au lieu d'imposer un choix peu fiable.

Planificateur et exécuteur

La planification devient utile lorsque la séquence dépend des informations découvertes pendant la tâche. Le planificateur propose des étapes bornées, puis l'exécuteur les réalise sous contraintes d'outils et de budget. Un vérificateur contrôle la complétude et les preuves. Cette flexibilité augmente aussi le nombre d'états à évaluer, le risque de boucle et la surface d'injection.

Graphe avec état

Un graphe convient lorsque des transitions métier, validations, retries ou processus longs doivent être modélisés. Les nœuds représentent des opérations explicites et les arêtes les transitions autorisées. Les checkpoints permettent la reprise, tandis que les interruptions introduisent une validation humaine avant les actions sensibles. Ce pattern fonctionne particulièrement bien lorsqu'un workflow combine services déterministes et décisions guidées par un modèle. Mon étude de cas sur le RAG Equity Research Agent illustre une orchestration par graphe entre retrieval, données de marché et synthèse. Elle montre pourquoi chaque branche doit posséder un contrat observable plutôt qu'une boucle autonome opaque.
Architectures d'agents reliant contexte, workflows, routage, contrats partagés, résultats et boucle d'évaluation
Architecture et évaluation forment la même boucle : chaque transition doit être assez observable pour reproduire et corriger un échec.

Définir les frontières d'état, de mémoire et d'outils

L'état ne doit contenir que les informations nécessaires pour poursuivre le workflow. Je distingue :
  • l'état de la requête, comme le plan actif et les preuves récupérées ;
  • l'état durable du workflow, comme les validations et actions terminées ;
  • la mémoire utilisateur, qui exige une finalité, une durée de conservation et un mécanisme de suppression ;
  • les données analytiques, qui ne doivent pas devenir silencieusement de la mémoire applicative.
Les outils méritent la même rigueur que des API publiques. Leurs entrées doivent respecter des schémas validés. Leurs sorties doivent distinguer succès, erreur récupérable et erreur terminale. Timeouts, retries, idempotence et autorisation appartiennent à la couche outil, pas à des instructions optimistes dans un prompt. Un agent ne doit jamais inventer un succès après une erreur d'intégration. C'est aussi l'intérêt du pattern « cœur déterministe et périphérie agentique ». Les règles critiques restent dans le code et les services. Le modèle interprète le langage, choisit parmi des options autorisées et explique le résultat sans porter des garanties qu'il ne peut pas fournir.

Évaluer chaque transition de l'architecture

La qualité de la réponse finale ne suffit pas. J'évalue séparément le routage, les transitions d'état, le choix des outils, la validité des arguments, l'utilisation des preuves, l'escalade et la synthèse. Les propriétés déterministes doivent être couvertes par des tests déterministes. Les évaluations par grille ou par modèle sont réservées aux dimensions réellement subjectives, comme la complétude ou le groundedness. Le flywheel d'évaluation agentique explique comment transformer les échecs de production en cas de régression. L'architecture rend cette boucle possible : si la trace ne montre pas quelle transition a échoué, l'équipe ne peut pas choisir la bonne correction.

Modes d'échec, compromis et déploiement

Le principal risque est la complexité prématurée. Plusieurs agents peuvent dupliquer le travail, diverger sur l'état, dépasser les budgets ou masquer une erreur derrière une synthèse convaincante. Un planificateur peut boucler. Un routeur peut envoyer une demande sensible à un worker trop permissif. Une mémoire peut conserver des informations obsolètes ou privées. Une validation humaine systématique peut devenir un goulot d'étranglement. Je déploie d'abord le workflow borné le plus simple. Les outils en lecture seule précèdent les actions d'écriture. Une nouvelle branche fonctionne en shadow mode avant d'influencer l'utilisateur. Les actions sensibles exigent une confirmation explicite et un chemin d'exécution idempotent. Les traces sont revues avec les experts métier, et seuls des besoins répétés et démontrés justifient un nouvel agent ou une nouvelle couche de mémoire. La bonne architecture n'est pas la plus autonome. C'est le plus petit système capable d'accomplir le workflow, d'exposer ses décisions, de récupérer proprement et de gagner davantage d'autonomie grâce à des preuves.

Sources et références

  1. Anthropic : Building effective agentsUne distinction pratique entre workflows et agents, avec plusieurs patterns d'orchestration
  2. Documentation LangGraphConcepts de graphes avec état, persistance, interruptions et supervision humaine

Des principes aux systèmes livrés

Ces articles documentent mes méthodes de travail. Les études de cas montrent comment je les applique aux agents d'entreprise, au RAG et au MLOps.

Continuer l'exploration

Des notes complémentaires sur les choix d'architecture, d'évaluation et d'exploitation des systèmes IA en production.