Comment se construit un agent IA (expliqué sans code)

Cherchez « comment créer un agent IA » et vous tomberez sur deux genres de réponses : des tutoriels remplis de code Python, et des vidéos qui promettent un agent fonctionnel en dix minutes, sans écrire une ligne. Les deux disent vrai. Les deux passent à côté de ce qu'un dirigeant a besoin de savoir. Un agent IA sur mesure qui travaille dans une vraie entreprise s'assemble à partir de six ingrédients, et derrière chacun se cache une décision d'affaires que personne d'autre que vous ne devrait prendre.

Cet article décrit ces six ingrédients en langage courant. Pas pour faire de vous un programmeur : pour que vous puissiez suivre, et au besoin contester, n'importe quelle conversation avec un fournisseur. Si la notion même d'agent reste floue, commencez par notre article de base sur les agents IA, puis revenez ici.

La réponse courte, pour les pressés

Un agent IA s'assemble à partir de six ingrédients. Le modèle de langage, loué à un fournisseur comme Anthropic ou OpenAI, jamais construit soi-même. Les instructions, sa description de poste, rédigées en langage courant. Les outils, ce qu'il a le droit de faire : consulter un calendrier, envoyer un courriel, créer une facture. L'accès aux données, ce qu'il a le droit de voir dans vos systèmes. Les garde-fous, les limites qui déclenchent un transfert vers un humain. Et l'évaluation, une batterie de tests qui définit ce que « bien » veut dire avant la mise en service. Le code sert à assembler ces morceaux ; chaque ingrédient, lui, correspond à une décision d'affaires que le dirigeant prend sans écrire une ligne. Pour une PME, un agent sérieux se met en place en quelques semaines : plus long qu'une démo de dix minutes, bien plus court qu'un projet informatique traditionnel.

Le moteur ne se construit pas, il se loue

Premier ingrédient : le modèle de langage, le moteur qui lit, comprend et rédige. Personne, ni votre fournisseur, ni votre neveu doué en informatique, ne construit ce moteur. Il appartient à une poignée de laboratoires (Anthropic, OpenAI, Google) et se loue à l'usage, comme l'électricité. Quand une agence vous parle de « son intelligence artificielle propriétaire », dans l'immense majorité des cas, elle loue le même moteur que tout le monde.

Conséquence pratique : le modèle est l'ingrédient le moins différenciant de la liste. Deux fournisseurs qui utilisent le même moteur peuvent livrer un agent excellent et un agent inutilisable. Toute la différence se joue dans les cinq ingrédients qui suivent. La seule décision qui vous revient ici : savoir chez qui le moteur est loué et par où transitent vos données. C'est une question à poser, pas un choix technique à trancher vous-même.

Les instructions : la description de poste

Deuxième ingrédient : les instructions. Concrètement, un document de plusieurs pages, rédigé en français ou en anglais courant, qui dit à l'agent qui il est, ce qu'il fait, dans quel ordre, sur quel ton, et ce qu'il ne fait jamais. Ce travail ressemble moins à de la programmation qu'à la rédaction d'un manuel de l'employé pour une recrue brillante, rapide, et dépourvue de jugeote sur votre entreprise.

Trois décisions vous appartiennent en propre : quel est son mandat exact (répondre aux demandes de soumission, pas « aider les clients » en général), sur quel ton il s'exprime au nom de votre entreprise, et ce qu'il ne doit jamais dire ou promettre. Un réflexe utile quand vous magasinez : demandez à lire les instructions. Elles sont compréhensibles par n'importe qui. Un fournisseur qui refuse de vous montrer la description de poste de votre propre employé numérique vous dit quelque chose sur la suite de la relation.

Les outils et les données : ce qu'il peut faire, ce qu'il peut voir

Troisième et quatrième ingrédients, les plus lourds de conséquences. Un modèle avec des instructions ne fait que converser. Ce qui en fait un agent, ce sont les outils : des connexions vers votre calendrier, votre facturation, votre CRM, votre boîte courriel, qui lui permettent d'agir. Et l'accès aux données : vos soumissions passées, votre liste de prix, vos procédures, pour qu'il réponde à partir de votre réalité plutôt que de sa culture générale.

Ces connexions se standardisent à grande vitesse. Depuis novembre 2024, un protocole ouvert, le Model Context Protocol (MCP), normalise la façon de brancher un agent sur des logiciels externes. Lancé par Anthropic, adopté ensuite par OpenAI et Google, il a été confié le 9 décembre 2025 à la Linux Foundation ; l'annonce recensait alors plus de 10 000 serveurs MCP publics actifs. Traduction : connecter un agent à vos systèmes relève de moins en moins du bricolage sur mesure et de plus en plus de la pièce standard, ce qui réduit les coûts et la dépendance à un fournisseur.

Les décisions qui vous reviennent sont les plus importantes de tout le projet. Que peut-il faire seul ? Lire votre calendrier n'engage à rien ; envoyer un courriel à un client, créer une facture ou accorder un remboursement, oui. Et que peut-il voir ? Dès que la réponse inclut des renseignements personnels, la Loi 25 encadre ce que vous en faites. La règle de prudence que nous appliquons : un agent commence en lecture seule et gagne le droit d'agir, permission par permission. Notre tour des cas d'usage concrets pour les PME québécoises montre ce que ces combinaisons donnent sur le terrain.

Les garde-fous : où passe la ligne

Cinquième ingrédient : les garde-fous. Des limites explicites : les sujets qu'il n'aborde pas, les montants au-delà desquels il s'arrête, les situations qui déclenchent un transfert immédiat vers un humain, et un journal qui trace tout ce qu'il a fait, pour qu'on puisse vérifier après coup.

Ce n'est pas une précaution d'ingénieur anxieux. Les trousses de développement des grands laboratoires, le Claude Agent SDK chez Anthropic, l'Agents SDK chez OpenAI, traitent les garde-fous comme une composante de base de tout agent, au même titre que les outils. La décision qui vous revient : quelles situations exigent un humain, sans exception. Une plainte ? Un client visiblement fâché ? Une demande de prix hors liste ? Personne ne peut répondre à votre place, parce que la réponse dépend de ce qui peut réellement faire mal à votre entreprise.

L'évaluation : définir « bien » avant la mise en service

Sixième ingrédient, celui que toutes les démos sautent : l'évaluation. Une batterie de scénarios tirés de votre quotidien, la demande banale, le client confus, le cas limite, la question piège, avec, pour chacun, ce qu'une bonne réponse doit contenir. On fait passer cet examen à l'agent avant la mise en service, puis on le refait passer à chaque modification, parce qu'un changement d'instructions peut améliorer un scénario et en casser un autre.

La décision qui vous revient : à quoi ressemble « bien » ? Quel taux d'erreur est tolérable, et sur quelles questions doit-il refuser de répondre plutôt que de risquer une réponse ? Un fournisseur sérieux vous fera travailler là-dessus avant la mise en service. S'il ne peut pas vous montrer sa grille d'évaluation, il n'en a probablement pas.

La démo de dix minutes et l'agent qui survit au lundi matin

L'agent construit en dix minutes existe, les outils visuels à glisser-déposer aussi, et la démo est souvent impressionnante. Mais regardez la liste des ingrédients : cette démo, c'est un moteur loué plus des instructions sommaires. Pas de connexion à vos vraies données, pas de garde-fous, pas d'évaluation. Trois ingrédients sur six manquent, et ce sont précisément ceux qui font la différence entre un jouet et un employé numérique.

L'histoire récente du secteur illustre la limite. En octobre 2025, OpenAI a lancé Agent Builder, un canevas visuel pour construire des agents par glisser-déposer. Huit mois plus tard, le 3 juin 2026, l'entreprise en a annoncé le retrait pour le 30 novembre 2026, en recommandant de migrer vers son SDK, où l'agent vit sous forme de code qu'on peut tester, corriger et versionner. Quand le créateur de ChatGPT conclut que les agents sérieux ne vivent pas dans un outil de glisser-déposer, l'argument mérite d'être entendu.

D'où des attentes honnêtes sur les délais : pour une PME, un agent de production se met en place en quelques semaines. Le temps se passe rarement à coder ; il se passe à cadrer le mandat, écrire et raffiner les instructions, brancher les systèmes, poser les garde-fous et faire passer l'examen. Pas six mois. Pas dix minutes non plus.

Six décisions qui vous appartiennent

Vous n'écrirez pas le code, et vous n'avez pas à le faire. Mais le mandat, le ton, les permissions, les données accessibles, les lignes rouges et la définition de « bien » : ces six décisions sont les vôtres, et un fournisseur qui vous demande un chèque sans vous les avoir posées construit à l'aveugle. Notre guide pour choisir un fournisseur d'agents IA au Québec transforme cette liste en questions d'entrevue.

Chez Peich, la première conversation sert exactement à ça : passer les six décisions en revue, ensemble, identifier la tâche qui justifie un agent, et vous dire honnêtement si le projet en vaut la peine. 30 minutes, sans engagement.

→ Première conversation, sans engagement