Mettre un agent IA en production : avant, pendant, après

Qu'est-ce qui change entre la démonstration et la production ?

En production, l'agent travaille sans personne derrière l'écran, sur des données réelles. Une démonstration prouve qu'il sait faire la tâche une fois. La production exige qu'il la fasse des centaines de fois, qu'il s'arrête quand il ne sait pas, et que vous puissiez reconstituer ce qu'il a décidé.

Un agent se distingue d'un assistant par un point : il agit dans vos outils, il envoie, modifie, crée (la comparaison agent IA ou assistant IA détaille cette différence). Chaque action possible doit donc être autorisée, bornée et tracée.

Sur les systèmes que je mets en production, les incidents viennent rarement du modèle. Ils viennent d'un droit trop large, d'un cas que personne n'avait prévu ou d'un coût que personne ne regardait. Ce cadrage pèse dans le budget : la page sur le prix d'un agent IA montre comment ces postes se chiffrent dans un devis, coûts récurrents compris.

La checklist complète, phase par phase

Chaque ligne se vérifie par une preuve concrète : un document, un test, une alerte qui se déclenche.

Avant le lancement : cinq décisions à écrire noir sur blanc

Ces cinq décisions existent par écrit avant tout déploiement, validées par la personne qui porte le processus métier.

1. Le périmètre. Une tâche précise sur un flux précis, par exemple « trier les demandes de l'adresse contact et préparer une réponse ». Ce qui en sort part vers un humain. La méthode de cadrage est décrite dans le guide comment créer un agent IA.
2. Les droits (moindre privilège). Un compte de service dédié par outil, avec les seuls droits utiles : lecture seule sur le CRM si l'agent consulte, écriture limitée à certains champs s'il saisit. Jamais le compte d'un administrateur, jamais une clé qui ouvre tout.
3. Les outils et leurs connecteurs. Chaque outil exposé à l'agent est décrit, paramètres et limites compris. Quand plusieurs agents ou assistants accèdent aux mêmes logiciels, un serveur MCP sur mesure (Model Context Protocol) centralise les connecteurs, applique les droits de chaque utilisateur et journalise chaque appel au même endroit.
4. Les actions irréversibles. Envoyer à un client, supprimer, payer, modifier un montant : validation humaine, dans l'outil où la personne travaille déjà (messagerie, CRM, Slack, Teams).
5. Les données et l'hébergement. Quelles données passent par le modèle, où il tourne, combien de temps les fournisseurs les conservent, qui lit les traces. Pour des données clients ou RH, un modèle hébergé en Europe ou chez vous se décide ici.

Aucun lancement sans jeu d'évaluation

Un jeu d'évaluation est une liste de cas réels, chacun avec le résultat attendu validé par la personne qui fait la tâche aujourd'hui. Il dit si l'agent est prêt et se rejoue à chaque modification.

Pour un agent, mesurez au minimum :

• le taux de tâches réussies de bout en bout ;
• la justesse des actions : le bon outil, avec les bons paramètres, dans le bon ordre ;
• le taux de transmission à un humain sur les cas ambigus, où la bonne réponse est « je transmets » ;
• la latence et le coût par tâche.

Incluez des cas faciles, des cas limites et des cas piégés (instruction cachée dans un e-mail, pièce jointe illisible, demande hors périmètre). Fixez les seuils avant de mesurer. La documentation d'Anthropic sur la définition des critères de réussite et des évaluations décrit bien cette discipline.

La mesure oriente aussi les choix techniques. Chez Delibia, chaque optimisation du système documentaire a été jugée sur des chiffres : latence de 15 s à 4,3 s, réponses satisfaisantes de 26 % à 98 %. L'absence de jeu de test reste la première des erreurs qui font échouer un projet IA que je retrouve en audit.

Fermez les portes à l'injection de prompt et aux fuites

Un agent qui lit des contenus extérieurs (e-mails, documents, pages web) peut y trouver des instructions cachées : c'est l'injection de prompt indirecte (indirect prompt injection). La parade principale tient dans l'architecture : une instruction malveillante ne doit rien obtenir que l'agent n'ait déjà le droit de faire.

• Séparer les consignes (prompt système) des données traitées, balisées comme contenu à analyser.
• Limiter les outils disponibles à chaque étape : l'étape qui lit un e-mail entrant n'a aucun besoin de l'outil d'envoi.
• Valider dans le code les paramètres de chaque appel d'outil : destinataire dans une liste autorisée, montant sous un plafond, champ modifiable.
• Garder les secrets hors du prompt et des traces, pseudonymiser les données personnelles dans les journaux.
• Filtrer les sorties avant envoi : les liens inconnus et les pièces jointes internes adressées à l'extérieur sont bloqués.

Anthropic publie une page claire sur le sujet, atténuer les jailbreaks et les injections de prompt, qui distingue l'utilisateur malveillant du contenu tiers piégé. Chaque menace a ses cas dans le jeu d'évaluation.

Le jour J : observer d'abord, puis ouvrir par paliers

Trois paliers successifs :

1. Mode observation (shadow mode). L'agent traite les vrais cas en parallèle de l'équipe, sans rien envoyer, pendant une à deux semaines de comparaison avec les décisions humaines.
2. Mode proposition. L'agent prépare, l'humain valide en un clic. Le taux de propositions acceptées sans modification devient l'indicateur principal.
3. Action directe sur une partie du flux. Seulement sur les catégories où l'accord avec l'humain est stable, sous plafond (nombre d'actions par heure, montant maximal), le reste demeurant en validation.

Dès le premier jour : un arrêt d'urgence que le responsable métier actionne seul, testé avant l'ouverture, et des alertes sur les erreurs répétées, les pics de coût et les files de validation qui s'allongent.

Informez enfin les personnes concernées. Un client qui échange avec un agent doit le savoir : le règlement européen sur l'IA (règlement (UE) 2024/1689, article 50) prévoit cette transparence pour les systèmes qui interagissent directement avec des personnes. En interne, chaque équipe sait à qui signaler une erreur.

Combien coûte une tâche traitée ?

Le coût unitaire d'un agent se calcule par tâche : appels au modèle (jetons en entrée et en sortie), outils payants et part d'infrastructure. Un agent fait souvent plusieurs appels par tâche, chacun renvoyant le contexte accumulé : le coût monte vite avec le nombre d'étapes.

Exemple illustratif, avec des chiffres choisis pour le calcul. Un agent trie un e-mail en 4 appels au modèle, chacun d'environ 5 000 jetons en entrée et 500 en sortie : il consomme 20 000 jetons en entrée et 2 000 en sortie par e-mail. À 300 e-mails par jour ouvré, soit environ 6 600 par mois, cela représente 132 millions de jetons en entrée et 13,2 millions en sortie. Multipliez chaque volume par le tarif au million de jetons publié par l'éditeur du modèle : vous obtenez le budget mensuel d'inférence.

Trois leviers réduisent ce coût à qualité mesurée égale : un modèle plus léger pour les étapes simples (classer, extraire), la mise en cache du contexte qui se répète d'un appel à l'autre, et le traitement par lots pour ce qui peut attendre (l'API de traitement par lots d'Anthropic est proposée à moitié prix). Chaque levier se valide sur le jeu d'évaluation.

Ce calcul repose sur des traces : pour chaque exécution, les entrées, les appels d'outils, la décision, les jetons, la durée et la version du modèle. Les mêmes journaux servent au diagnostic et à la preuve en cas de contestation.

Après le lancement, l'agent continue de bouger

Un agent en production évolue même quand personne n'y touche : les éditeurs retirent d'anciens modèles, les outils changent leurs API, les demandes changent de forme.

• Épinglez la version du modèle dans la configuration, avec son identifiant exact, et notez la date de retrait annoncée par l'éditeur.
• Rejouez le jeu d'évaluation avant toute montée de version (modèle, prompt, connecteur).
• Revoyez chaque semaine les cas en échec et les propositions corrigées par les humains ; les plus instructifs entrent dans le jeu de test.
• Suivez trois courbes : taux d'acceptation sans modification, coût par tâche, volume transmis aux humains. Une dérive sur l'une d'elles déclenche une analyse.

Si votre agent tourne déjà et que personne ne sait dire combien il coûte par tâche ni quel est son taux d'erreur, l'Audit IA pose ces mesures en 3 semaines, avec une feuille de route.

Grille de décision : quand laisser l'agent agir seul

Le niveau d'autonomie se décide action par action, selon deux questions : l'action est-elle réversible, et que coûte-t-elle si elle est fausse ?

Première étape concrète : listez les actions de votre futur agent, placez chacune dans une ligne de ce tableau et faites valider le document par le responsable métier. Pour passer de la grille à un agent branché sur vos outils, voyez la prestation agent IA pour entreprise.