Planification

Confiez cette mission à un agent : "Prépare une synthèse des incidents de la semaine et propose les trois sujets les plus importants pour le prochain comité."

Un humain ne se lancerait pas tête baissée. Il découperait mentalement le travail : retrouver les incidents, regarder leur impact, les regrouper par thème, repérer ceux qui reviennent, rédiger la synthèse, et seulement ensuite choisir les trois sujets. Six étapes, dont chacune dépend de la précédente. Alors, une IA sait-elle faire ça ?

La réponse honnête, c'est oui, mais pas toutes de la même façon. Et surtout, on ne laisse pas toujours le modèle planifier seul.

Première approche, le plan explicite. On demande d'abord au modèle d'écrire son plan, étape par étape, puis on l'exécute. Avantage : on peut relire le plan, voire le valider, avant que quoi que ce soit ne se passe. Inconvénient : si l'étape 2 révèle une surprise (tiens, la moitié des incidents concernent la même API), le plan initial peut devenir obsolète.

Deuxième approche, le plan construit en avançant. L'agent fait une étape, regarde le résultat, décide de la suivante. C'est la boucle vue dans le post sur les agents : agir, observer, recommencer. Beaucoup plus souple, mais aussi plus difficile à prévoir, et il arrive que l'agent tourne en rond ou parte sur une piste secondaire.

Troisième approche, l'agent purement réactif. Pas de plan du tout, il répond à chaque situation au coup par coup. Parfait pour une tâche courte, beaucoup moins pour une mission en six étapes.

Et enfin, l'approche qu'on retrouve très souvent en production : le workflow déterministe. Les étapes sont écrites en dur dans le code (récupérer les incidents, puis les regrouper, puis rédiger), et on ne confie au LLM que les étapes où il excelle vraiment, comme regrouper par thème ou rédiger la synthèse. On perd de la flexibilité, mais on gagne énormément en fiabilité, en coût et en prévisibilité.

Dans tous les cas, un ingrédient est indispensable : l'état. L'agent doit savoir où il en est, ce qu'il a déjà fait et ce qu'il a trouvé. Sans ça, il oublie qu'il a déjà récupéré les incidents et recommence, ou perd le résultat de l'étape 3 au moment de rédiger.

Mon conseil : ne donnez au modèle que la liberté dont la tâche a réellement besoin. Si les étapes sont toujours les mêmes, écrivez-les. Si elles dépendent de ce qu'on découvre en chemin, laissez-le planifier, mais gardez un oeil sur lui.

Et puisqu'on peut spécialiser un agent pour une tâche, une idée vient vite : pourquoi ne pas en créer plusieurs qui travailleraient ensemble ? On forme l'équipe dans le prochain post.