Programme — Agents LLM et outils (function calling)

Définitions techniques précises d'un agent LLM et d'un chatbot, leur valeur respective en production, et les risques structurels qu'introduit le passage de la génération de texte à l'exécution d'actions.

Comprendre le mécanisme interne qui transforme un modèle de langage en agent : la boucle think, act, observe, et les conditions qui doivent obligatoirement la stopper.

Comment un agent LLM déclenche des actions réelles via des schémas d'outils typés, et comment sécuriser ces appels avec authentification et idempotence.

Comment un agent LLM gère ce qu'il garde en contexte actif, ce qu'il résume et ce qu'il externalise vers un store persistant — et pourquoi oublier volontairement fait partie de la conception.

Comment un agent LLM transforme un objectif en plan exécutable, réagit à l'échec par replanification, et reste sous contrôle grâce à des budgets explicites de jetons, d'appels et de temps.

Comment répartir une tâche entre plusieurs agents spécialisés, transférer proprement le contexte d'un agent à l'autre, et arbitrer les conflits sans laisser une contradiction se propager jusqu'à la sortie finale.

Comment encadrer ce qu'un agent LLM a le droit de faire, avec des allowlists explicites, des niveaux de confirmation humaine gradués selon le risque, et une journalisation qui rend chaque action auditable.

Instrumenter un agent LLM en production : tracer chaque appel de bout en bout, calculer son coût réel, et cataloguer les échecs d'outils avant qu'ils ne deviennent des incidents.

Trois déploiements réels d'agents LLM outillés — support client, ops et back-office — analysés de bout en bout pour montrer comment les principes des chapitres précédents se combinent en production.