Ingénierie IA Agentique
Une IA agentique qui boucle la boucle, pas juste un chatbot.
Je conçois et livre des agents autonomes qui planifient, appellent des outils, gèrent les erreurs et produisent des résultats vérifiés. LangGraph, Pydantic AI, outils durcis.
(01)Ce que vous obtenez
La plupart des fonctionnalités IA en production aujourd'hui sont des wrappers autour d'un chat. L'IA agentique est différente : le système décide quoi faire, utilise de vrais outils, valide ses propres sorties, et recommence en cas d'échec. Je construis ces systèmes de bout en bout, boucle d'agent, manifeste d'outils, observabilité, harnais d'évaluation, et garde-fous de coût.
- 01
Conception de boucle et d'outils
Graphes concrets avec état typé, contrats d'outils déterministes, chemins d'erreur. Pas de soupe de prompts appelant des prompts.
- 02
Évaluations qui comptent
Jeux d'éval ciblés, vérité terrain, harnais de régression. Vous livrez sans prier.
- 03
Garde-fous coût et latence
Budgets par tour, routage de modèles, mise en cache des prompts, fallbacks. Des agents qui ne vous ruinent pas à l'échelle.
- 04
Humain dans la boucle là où ça compte
Points de handoff clairs, traces d'audit, chemins d'escalade. L'autonomie est un curseur, pas un interrupteur.
(02)Comment on travaille
- 01
Découvrir
Cartographier le workflow, identifier la frontière d'autonomie, choisir la topologie d'agent (unique, superviseur, hiérarchique).
- 02
Prototyper
Livrer un agent à portée réduite en une semaine. Câblé à de vrais outils, de vraies données, un vrai jeu d'éval dès le premier jour.
- 03
Durcir
Ajouter retries, timeouts, gardes de coût, tracing, détection de drift. Remplacer la magie par l'observabilité.
- 04
Opérer
Éval hebdomadaire, playbook d'incident, prompts versionnés. Les changements passent par la CI avec des gates de régression.
(03)Stack et engagement
LangGraph, Pydantic AI, OpenAI, Anthropic Claude, FastAPI, Postgres + pgvector, Langfuse, Docker
Missions de 2 semaines (pilote) à 3 mois (build). TJM ou forfait, jalons facturés. Le tarif exact dépend du périmètre et de l'accès aux données, parlons-en.
(04)Questions fréquentes
L'IA agentique est-elle prête pour la production ?
Pour des tâches étroites et bien cadrées avec de bonnes évaluations : oui. Pour des agents 'fais n'importe quoi' ouverts : pas sans revue humaine serrée. Je vous aide à choisir un périmètre qui se livre vraiment et apporte de la valeur en quelques semaines.
Quel framework d'agent utilisez-vous ?
LangGraph pour tout ce qui implique branchement, retries, ou usage d'outils multi-étapes. Pydantic AI pour les agents typés mono-tour. J'évite les frameworks qui masquent l'état. L'observabilité n'est pas négociable.
Comment contrôlez-vous les coûts ?
Budgets tokens par tour, routage de modèles (modèle léger pour classification, modèle fort pour raisonnement), cache de prompts (Anthropic + OpenAI quand applicable), et un kill switch lié aux anomalies de dépense.
Intégrez-vous avec nos systèmes existants ?
Oui. je traite les outils comme des contrats de première classe. Votre CRM, base de données, APIs internes, workflows n8n et webhooks deviennent des outils typés que l'agent peut appeler avec des entrées validées et des sorties schématisées.
À quelle vitesse peut-on démarrer ?
Je fais typiquement un pilote de 2 semaines avec un seul agent bien défini. À la fin vous avez une boucle qui tourne, un jeu d'éval, et une décision claire sur l'échelle.