Agent IA

Le composant Agent IA est un bloc de construction polyvalent conçu pour agir comme un agent intelligent dans un flux de travail IA. Cet agent exploite les grands modèles de langage (LLM), peut se connecter à des outils externes et est configurable pour une large gamme de cas d’usage tels que l’IA conversationnelle, l’automatisation complexe et l’exécution dynamique de tâches.

Rejoignez notre newsletter

Recevez gratuitement les derniers conseils, tendances et offres.

Adresse e-mail

S'abonner

Ce que fait le composant

L’Agent IA traite les invites d’entrée, considère l’historique des conversations (optionnellement) et peut utiliser des outils externes pour générer des réponses contextuelles. Ses capacités peuvent être personnalisées en spécifiant une histoire, un rôle et un objectif, permettant à l’agent de se comporter selon un personnage ou un objectif spécifique. L’agent peut également effectuer l’appel de fonction, lui permettant d’interagir par programmation avec des API ou des systèmes externes via les outils activés.

Paramètres de l’Agent IA

LLM

Choisissez le grand modèle de langage que l’agent utilisera. Vous pouvez choisir parmi une variété de modèles provenant de 6 fournisseurs majeurs. Le modèle par défaut est le dernier modèle de gamme intermédiaire d’OpenAI.

Outils

C’est ici que vous donnez à l’agent tous ses outils. Il y a plus de 900 éléments que vous pouvez connecter en tant qu’outils. Ceux-ci vont des nouvelles capacités aux actions simples effectuées dans les outils intégrés. Pratiquement n’importe quelle interface, base de données ou application de communication peut devenir un outil via des serveurs API et MCP.

Comment connecter les outils

Cliquez sur + Ajouter un outil. La liste complète de tous les outils disponibles. Vous pouvez la filtrer par catégorie ou via la recherche :

Chaque outil est livré avec des paramètres uniques. Pour chaque élément, vous pouvez soit décider de laisser l’IA décider de l’utiliser comme elle en a besoin, soit configurer les paramètres manuellement. Vous pouvez basculer vers l’entrée manuelle en cliquant sur le bouton « L’IA décide ». Une fois que vous définissez un paramètre, il est verrouillé et non modifiable pour l’IA.

Vous pouvez ignorer la configuration des paramètres en cliquant sur « Ignorer et Ajouter ». Une fois l’outil configuré, cliquez sur « Ajouter avec Configuration ». Vous pouvez ensuite continuer à ajouter d’autres outils.

Message système

C’est l’invite principale où vous définissez le rôle, la tâche, le comportement et toute autre instruction de l’agent.

Exemple de message système :

Vous êtes Sam, un assistant service client amical et compétent pour FlowHunt, une plateforme d'automatisation des flux de travail IA.

Votre objectif principal est de résoudre rapidement et satisfaisamment les problèmes des clients, en laissant chaque client se sentir entendu, aidé et apprécié. Vous visez à réduire les escalades en gérant la majorité des demandes de manière indépendante et efficace.

Instructions :
Saluez toujours le client chaleureusement et utilisez son nom s'il est fourni.
Restez calme, patient et empathique — même si le client est frustré.
Soyez concis mais complet ; ne laissez jamais une question sans réponse.
Évitez le jargon. Parlez comme un humain utile, pas comme un document politique.
Ne discutez jamais avec un client et ne soyez pas dédaigneux face à ses préoccupations.
Si vous ne savez pas quelque chose, dites-le honnêtement et proposez de le découvrir ou d'escalader.
Gérez directement les demandes courantes, notamment : statut de la commande, retours et remboursements, questions sur les produits, problèmes d'expédition et aide aux comptes.
Escaladez vers un agent humain si : le problème implique une plainte au-delà de votre autorité, des questions juridiques, ou si le client demande explicitement un humain.
Confirmez la résolution à la fin de chaque interaction — demandez s'il y a autre chose que vous puissiez aider.
Ne partagez jamais les politiques internes textuellement, ne faites pas de promesses au-delà de votre autorité et n'inventez pas d'informations que vous n'avez pas.

Ton : Chaleureux, professionnel et rassurant — comme un ami compétent, pas un script corporatif.

Temps d’Exécution Maximum

Limite le temps (en secondes) que l’agent peut consacrer à une tâche (par défaut : 300).

Itérations Maximum

Nombre maximum d’étapes de réflexion (par défaut : 10)

RPM Maximum

Limite les requêtes par minute (par défaut : 100).

Rôle

Définissez optionnellement le rôle de votre agent. Pensez au rôle comme le titre du poste de votre Agent. Avez-vous besoin que votre Agent écrive des articles de blog ? Appelez-le « Rédacteur de contenu ».

Objectif

L’objectif est la tâche de l’Agent et le résultat idéal. Par exemple, la tâche d’un rédacteur de contenu peut être de créer de nouveaux articles ou de relire et réviser le contenu existant.

Histoire de l’Agent

Vous apportez toujours votre personnalité, votre façon de parler et vos expériences à tout ce que vous faites. C’est votre histoire et ce qui vous divise, vous et votre travail, des autres. L’histoire est où vous donnez à votre Agent une histoire, une personnalité et une expérience professionnelle.

Historique des Conversations de l’Agent

Fournit les messages de chat passés comme contexte. Sans l’historique activé, l’agent travaille sur la base d’un message à la fois.

Mémoire de l’Agent

Si l’agent peut lire et écrire la mémoire de votre Espace de travail. Si activée, vous serez invité à définir le mode et les invites de comportement.

Remarque : Seule l’entrée Outils est strictement requise ; tous les autres paramètres sont optionnels, offrant une personnalisation supplémentaire et une qualité de sortie stable.

Ce qui rend un bon Agent IA : Le Bon Modèle

La puissance derrière un agent IA est son modèle IA. Le bon modèle fait toute la différence pour sa fonction et ses performances. Consultez ce blog pour une comparaison ultime basée sur des tests de référence.

• Grands Modèles de Langage (LLM) : Les modèles comme GPT-4, Gemini et Claude ont de fortes capacités de compréhension et de génération du langage naturel. Ils sont parfaits pour le raisonnement complexe, la planification et la gestion de tâches multiples. Mais ils exigent une plus grande puissance de calcul et peuvent faire des erreurs factuelles ou logiques occasionnelles ou des « hallucinations ».
• Petits Modèles de Langage (SLM) : Les tâches spécifiques exigent des modèles spécialisés et économes en énergie qui peuvent se spécialiser et fonctionner avec des coûts d’exploitation plus bas.
• Modèles d’Intégration Vectorielle : Les modèles qui produisent des intégrations vectorielles sont excellents pour découvrir et récupérer du contenu. Cela rend possible une recherche sémantique rapide ainsi qu’une récupération facile des bases de connaissances qui est essentielle pour les agents qui ont besoin d’une génération d’insights rapide.
• Modèles de Raisonnement et de Planification pour la Prise de Décision : Pour les choix de décision qui impliquent de faire des choix de décision clés, les modèles de raisonnement et de planification entrent en jeu. En utilisant la planification basée sur des algorithmes classiques ou la planification basée sur l’apprentissage par renforcement, les choix de décision permettent aux agents de faire des choix bien informés.

En fin de compte, c’est la complexité de votre tâche d’agent, votre disponibilité de données et votre budget qui détermineront votre bon modèle. C’est trouver ce point doux entre la puissance et la praticité qui est important.

Comment les Agents IA Résolvent les Tâches

Les agents IA ne se contentent pas de réagir mais agissent activement sur les objectifs énoncés. Le processus passe généralement par ces jalons clés :

• Définition de l’Objectif : Le processus commence par un objectif bien énoncé, une tâche ou un défi que votre agent doit accomplir. Observations Environnementales : L’agent prend ensuite en compte les faits pertinents de son environnement. Il peut le faire via des API, des bases de données, du web scraping ou des entrées de capteurs.
• Planification et Raisonnement : En fonction des faits accumulés, votre agent crée un plan d’action, divisant les tâches complexes en éléments de tâches gérables.
• Exécution de l’Action : L’agent exécute son plan en utilisant les outils disponibles pour agir sur son environnement.
• Apprentissage et Adaptation : Lors de l’exécution, l’agent teste ses performances et s’améliore en apprenant par la rétroaction, rendant son processus mieux adapté à sa prochaine tâche.

Cela rend possible l’utilisation d’agents IA sur une vaste gamme d’applications, du service client automatisé à la génération de contenu.