#Agentic101 : Comment organiser la fabrique agentique ?

David Guede a construit l’agent Sharlie : un agent vocal qui fait office de service client pour Sosh. Pour la rentrée, il vous partage son expertise pour une session de rattrapage sur les bases de l’agentification.

Le jour de sa prise de poste, Inès reçoit deux héritages.

Le premier est un agent en production. Appelons-le Bot 0. Il fonctionne : les utilisateurs s’en servent, les premiers retours sont bons. Mais il a été construit par une équipe isolée, dans l’élan d’une démo réussie : pas de jeu d’évaluation, un monitoring de fortune, des prompts éparpillés dans des documents partagés. Résultat : personne n’ose y toucher. Chaque évolution est un saut sans filet, chaque montée de version du modèle une petite angoisse. Le Bot 0 marche, et c’est précisément le problème : il marche sans qu’on sache le prouver, ni jusqu’à quand.

Le second héritage est un catalogue. 70 agents, créés librement par les équipes depuis qu’on a ouvert la plateforme : un qui résume, un qui traduit, trois qui font à peu près la même chose sans le savoir. On en a créé beaucoup ; on en utilise peu.

Et puis, il y a la demande du COMEX qui vient de la nommer Head of AI : « Présente-nous l’organigramme de ta future équipe IA. Qui, combien, rattachés où. » Réponse attendue dans trois semaines.

Inès pourrait répondre. Dessiner des cases, y poser des titres (AI Engineer par-ci, Product Builder par-là). Ce serait la mauvaise réponse, parce que c’est la mauvaise question.

De la démo à la production : l’importance des artefacts pour votre agent IA

Que manque-t-il au Bot 0 ? Pas du talent : l’équipe qui l’a construit a fait un travail remarquable avec les moyens du bord. Pas de la technologie : le modèle est bon, la plateforme aussi. Ce qui lui manque, ce sont ses artefacts de production : des jeux d’évaluation qui prouvent qu’il fonctionne, et qui le prouveront encore après chaque modification ; un monitoring qui voit les dérives avant les utilisateurs ; des prompts versionnés ; une traçabilité qui dit, après coup, ce qui s’est exactement passé.

Retenez la formule : sans ses artefacts de production, ce n’est pas un agent, c’est une démo (une démo qui a de la chance).

Or, ces artefacts ne tombent pas du ciel, et ils ne s’achètent pas davantage sur étagère. Ils sont produits par une organisation : des rôles, des relais, des standards. Le Bot 0 n’a pas un problème de qualité ; il a un problème de fabrique. Et le catalogue aux 78 agents raconte la même histoire par l’autre bout : quand chacun peut créer sans que rien n’industrialise, on obtient beaucoup d’objets et peu de valeur.

Industrialisation de l’IA : pourquoi la fabrique surpasse la flotte d’agents

Voici donc le renversement qui commande toute notre approche. Ce que le COMEX demande à Inès (des agents, vite, partout) est une flotte. Ce qu’Inès doit construire est une fabrique : la chaîne de production qui transforme un besoin métier en agent fiable, supervisé, gouverné, et qui recommence, agent après agent, sans repartir de zéro.

La différence entre les deux se mesure au coût du prochain agent.

• Dans une logique de flotte, chaque agent coûte le prix du premier (mêmes semaines de développement, mêmes tests refaits à la main, même monitoring bricolé). C’est de l’artisanat en série.
• Dans une logique de fabrique, le premier agent coûte cher, et c’est normal : c’est lui qui paie le socle (les connecteurs au système d’information, le harnais d’évaluation, l’observabilité, la base de prompts, la bibliothèque de composants). Mais le deuxième s’imbrique dans ce socle, le troisième davantage, et le coût marginal chute à chaque itération.

Il y a une raison plus profonde encore de préférer la fabrique : la flotte se périme. Un agent est un actif qui se déprécie (les usages dérivent, les modèles évoluent tous les quelques mois, les données changent). L’actif durable n’est jamais le modèle, c’est le pipeline qui le ré-entraîne et l’évalue. La même loi vaut un étage au-dessus : l’actif durable n’est pas l’agent, c’est la fabrique qui le produit, l’évalue et le maintient affûté.

Cycle de vie d’un agent IA : du recueil des besoins à la mise en production

À quoi ressemble la fabrique de l’IA ? À une chaîne de production :

1. En amont, le lien avec les métiers : recueillir les besoins dans des ateliers, à partir des données réelles. Et, tout aussi important, les détecter en continu grâce aux signaux que le système lui-même émet.
2. La construction : les agents eux-mêmes, avec toutes leurs couches (design conversationnel, prompts, outils, orchestration) et leur raccordement au SI.
3. La preuve : la validation, par les experts métier et par des tests automatisés capables de tenir l’échelle.
4. Le run : le monitoring, les alertes, les coûts, et cette boucle de retour qui ramène ce qu’on observe en production vers l’amont, car une chaîne bien construite est, en réalité, une boucle.

Et en travers de tout cela, ce qui n’appartient à aucun tronçon parce que cela les porte tous : le pilotage du portefeuille, la gouvernance, la sécurité, et le socle technique partagé.

Gouvernance centralisée ou fédérée : choisissez un modèle par couche

Reste la question qu’on posera à chaque tronçon : qui fait quoi ?
Tout centraliser dans une équipe unique ? Tout fédérer dans les métiers ? Le débat agite les organisations, et il est presque toujours mal posé, comme s’il fallait choisir un modèle pour l’organisation entière.

Les deux modèles purs échouent d’ailleurs chacun à leur manière :

• le tout-centralisé fabrique un goulot d’étranglement que les métiers finissent par contourner
• le tout-fédéré distribue la responsabilité sans distribuer la capacité (chacun est comptable de la qualité, personne n’a les moyens de la tenir).