- Disiz Yyov
- Posts
- J’ai construit environ 300 agents, travaillé dans 5 startups
J’ai construit environ 300 agents, travaillé dans 5 startups
Voici ce que j’ai appris sur les agents IA :
Disiz Yyov & Inès Carion
8th septembre 2025
Voici les leçons apprises après plus d’un an de travail avec les agents.
Il y a des décennies où il ne se passe rien, et des semaines où des décennies entières se produisent.
Actuellement, nous sommes à ce point où de nouveaux modèles, nouvelles techniques d’optimisation, nouvelles architectures apparaissent littéralement sans être remarquées par la plupart d’entre nous dans le domaine du ML/IA.
Je suis allé en profondeur dans le monde des agents IA.
J’ai construit environ 300 agents, allant de petits prototypes à des systèmes de niveau production, et j’ai travaillé avec 5 startups différentes en expérimentant comment les agents peuvent alimenter des produits et des cas d’usage.
En chemin, j’ai beaucoup appris sur ce qui fonctionne, ce qui ne fonctionne pas, et où va cet écosystème.
Bien que ce ne soient que mes pensées, elles peuvent peut-être t’aider à voir les choses sous un autre angle.
D’abord, c’est quoi un agent ?
Très simple. Par "agent", je veux dire agent LLM, pas la définition formelle qu’on voit en RL (reinforcement learning).
Agent = LLM + Raisonnement + Outils + Mémoire
Aujourd’hui, comme les LLMs ont un raisonnement intégré, tu peux simplifier encore plus :
Agent = LLM + Outils + Mémoire
Et c’est tout.
Des termes comme “Agentic Workflow”, “Agentic System”, “Team of Agents”, etc. ne sont en fait que des pipelines bien connectés de quelques agents de base.
Au cours de l’année écoulée, j’ai travaillé à construire ces pipelines et à les rendre fiables.
Voici ce que j’ai appris.
Les frameworks ne sont pas si importants
J’ai construit des agents avec CrewAI, DSPy, LangGraph, AutoGen, et même les SDKs d’agents d’OpenAI et de Google.
J’ai aussi construit mon propre framework au passage. (Je rédige un rapport détaillé dessus, à paraître bientôt.)
Après avoir tout testé, c’est clair : tu n’as pas besoin d’être enfermé dans un framework.
Ce qui compte, c’est le pipeline de ton application.
Construire des agents ≠ faire de l’IA/ML
Je me dis ingénieur IA, mais en vérité, je suis juste un dev backend qui utilise des APIs LLM et fait un peu de prompt engineering.
Ça montre une chose : avoir de bonnes bases en génie logiciel est indispensable. Non négociable.
Un agent vaut seulement par son contexte
La plus grande erreur, c’est de croire qu’on peut donner un objectif à un LLM et obtenir de la magie.
En réalité, la qualité d’un agent dépend à fond du contexte que tu lui donnes.
Prompts, outils, mémoire, et (rarement) environnement.
Un contexte bien structuré vaut souvent plus qu’un gros modèle.
Sans outils, un agent est inutile
Un agent autonome qui “réfléchit” mais n’a aucun outil se retrouve vite bloqué.
Le moment où tu lui donnes des moyens d’agir (APIs, bases de données, workflows), il devient utile.
J’ai travaillé chez Composio à ses débuts (mai à juillet 2024).
C’était mon tout premier “vrai” stage. Et ça a changé la trajectoire de ma vie.
La simplicité gagne
Certains de mes agents les plus efficaces étaient surprenamment simples :
un prompt clair,
un ou deux outils bien définis,
une seule responsabilité.
La complexité rend les choses fragiles.
Les meilleurs agents sont construits pour un usage précis, et ils le font bien.
L’évaluation est sous-estimée
C’est facile de faire une démo impressionnante.
Mais beaucoup plus dur de mesurer la performance réelle d’un agent.
Ce que j’ai appris :
mettre en place des tests et des boucles de feedback réelles, c’est ce qui distingue un jouet de démo d’un système prêt pour la production.
DSPy est le futur
Je joue avec DSPy depuis quelques mois.
Et plus je l’utilise, plus ça me semble naturel pour construire des agents.
Signatures, adaptateurs, jeux d’entraînement, optimiseurs…
.compile() me donne le sentiment d’être “à la maison”.
C’est exactement comme ça que ça aurait dû fonctionner depuis le début.
Les gens comptent plus que la tech
Travailler avec 5 startups m’a montré que la technologie, ce n’est qu’une partie de l’histoire.
La culture de l’expérimentation, la vitesse d’itération, et la clarté de la vision comptent encore plus.
Un cas d’usage moyen dans les bonnes mains peut créer de la vraie valeur.
Un cas d’usage brillant dans les mauvaises mains ne va nulle part.
Les agents IA en sont encore à leurs débuts.
Le buzz est réel, mais les difficultés aussi.
Ce qui m’enthousiasme le plus, c’est qu’on est en train de passer des jouets de recherche à des systèmes d’infrastructure.
Dans le futur, chaque produit aura probablement des agents qui tournent en arrière-plan, coordonnant les tâches, personnalisant les expériences,
et gérant la complexité que les humains ne veulent plus gérer.
J’ai fait des erreurs. J’ai appris. J’ai connu des échecs et des réussites.
S’il y a une chose à retenir :
Les agents ne sont pas le produit.
Ce sont des facilitateurs.
La magie opère quand ils disparaissent dans les workflows et font juste leur job.
Qu'as-tu pensé de cette newsletter ? 🧠 |
Reply