Le sujet d'aujourd'hui, quelque chose dont presque tout le monde a entendu parler, mais que presque personne ne peut expliquer. Je parle des agents IA. Vous avez probablement entendu ce terme en réunion lu dans un article de blog ou vu dans un titre. Tout le monde en parle. Mais demandez à quelqu'un de le définir. Et les réponses deviennent très vite floues. Le bataille médiatique est intense, les définitions sont vagues, et le terme est utilisé si librement qu'il a perdu presque tout son sens. Voici l'erreur la plus courante que font les gens. Ils pensent qu'un agent n'est qu'un chatbot avec un nom plus sophistiqué. Lui demander quelque chose, il répond. Ce n'est pas un agent, c'est un chatbot. Il existe une réelle différence entre les deux. Alors qu'est-ce qui a changé ? Pourquoi tout le monde est-il soudainement obsédé par les agents ? Plus important encore, pourquoi devriez-vous vous en soucier si vous n'êtes pas développé ?

A la fin de cet épisode, vous comprendrez ce qu'est réellement un agent IA, pourquoi Microsoft a construit tout un cadre autour d'eux, et pourquoi cela compte pour votre façon de travailler.

Qu'est-ce qu'un agent IA exactement ? Vous savez déjà comment fonctionne un chatbot. Vous tapez quelque chose, il répond. C'est une conversation. C'est réactif. Il attend que vous disiez quelque chose, puis il répond. Un agent est différent. Il ne se contente pas de répondre. Il agit. Réfléchir, décider, agir. C'est la définition la plus simple que je puisse vous donner. Voici comment cela fonctionne. D'abord, l'agent réfléchit. Il utilise un grand modèle linguistique pour raisonner sur ce dont vous avez réellement besoin, pas seulement ce que vous avez tapé, mais ce que vous voulez dire. Si vous dites « organisez une réunion avec Sarah mardi prochain cake », l'agent ne se contente pas de vous le répéter. Il réfléchit à ce que cette requête signifie vraiment. Ensuite, il décide. Il décompose votre demande en état. Organiser une réunion devient un plan. Vérifiez votre calendrier, trouver un créneau libre, vérifiez la disponibilité de Sarah, envoyez une invitation.

L'agent ne devine pas, il crée une séquence d'action. Enfin, il agit, il fait appel à des outils et des services pour y parvenir. Il ne vous dit pas comment organiser une réunion, il organise la réunion. Il ne vous explique pas comment vérifier la météo. Vous vérifiez la météo et vous donne la réponse. Alors pensez à la différence. Un chatbot est réactif, il attend votre prochaine question. Un agent est proactif. Vous lui donnez un objectif et il part travailler dessus. Il pourrait revenir avec des questions s'il a besoin de plus d'informations, mais il n'a pas besoin que vous le guidiez à chaque étape. Un chatbot est comme un bureau de renseignement dans une bibliothèque. Vous demandez où se trouve un livre et on vous indique la bonne allée. Un agent est comme un assistant personnel qui possède les clés du bâtiment. Vous dites, j'ai besoin d'informations sur nos meilleurs clients pour la réunion de demain.

Il va les chercher, les organise et vous remet un document de synthèse. Vous ne lui avez pas dit où chercher ni quel format utiliser. Il a trouvé tout seul. Le secret ne réside pas uniquement dans le LLM. Le modèle de langage est intelligent, mais seul, c'est un cerveau sans main. Ce qui fait d'un système un agent, c'est la combinaison de trois éléments. Réunissez ces trois éléments et vous obtenez quelque chose qui ne se contente pas de répondre aux questions, mais qui accomplit des tâches. Avant le flamboire, il y avait un paysage fragmenté. Alors si les agents sont si utiles, pourquoi tout le monde n'en construit-il pas déjà ? La réponse courte est que, jusqu'à récemment, c'était un processus complexe. Il fallait assembler soi-même plusieurs outils, un peu comme essayer de construire une voiture, en achetant des pièces à différents fabricants et en espérant qu'elles s'assemblent. La première tentative de Microsoft pour résoudre ce problème fut sémantique kernel, un SDK pour intégrer l'IA dans les applications.

Un outil puissant, mais c'était une boîte à outils, pas un plan de montage. Il vous donnait les pièces, mais vous deviez encore trouver comment les assembler. Puis est arrivé Autogen de Microsoft Risa. Ce framework explorait les conversations multi-agents ou dire « discutent, débattent et collaborent ». À la pointe de la technologie, certes, mais c'était expérimental, pas conçu pour des systèmes de production. Les développeurs ont donc été confrontés à un choix difficile. Sémantique kernel était stable et prêt pour l'entreprise, mais manquait de modèles d'orchestration avancés. Autogen offrait des capacités multi-agents intéressantes, mais n'étaient pas destinées à un environnement réel. Chacun avait sa courbe d'apprentissage, sa façon de fonctionner, sa propre communauté. Il n'y avait pas que Microsoft. D'autres frameworks sont apparus. Longchain, CRI et une douzaine d'autres. L'écosystème était totalement dispersé.

Si vous vouliez créer des agents au travail, vous deviez devenir un expert dans un monde en mutation rapide. Quel framework à prendre ? Lequel survivra ? Lequel Microsoft soutient-il vraiment ? Pour un débutant, c'était accablant. Imaginez que vous soyez développeur dans une entreprise explorant les agents IA. Vous faites des recherches et trouvez 5 frameworks différents, chacun avec sa propre documentation, ses modèles et sa communauté. Vous ne savez pas par où commencer. Vous ne savez pas sur lequel miser votre temps. Cette fragmentation créait une réelle barrière. Il ne s'agissait pas seulement d'apprendre un outil, mais de miser sur tout un écosystème. Et à mesure que les cas d'usage des agents passaient de l'expérimentation au processus métier réel, Microsoft a compris que ce n'était pas viable. Ils avaient besoin d'un cadre unique, d'une approche unifiée, d'une réponse à la question.

Comment construire un agent ? Qu'est-ce que le Microsoft Agent Framework ? Microsoft a donc pris ces deux frameworks, Sémantique Kernel et Autogen, et les a fusionnés en un seul. Le résultat est le Microsoft Agent Framework, un SDK unifié qui allie la stabilité d'entreprise de Sémantique Kernel au modèle multi-agent innovant d'AutoGen. Les équipes qui ont créé ces deux frameworks travaillent désormais ensemble sur celui-ci. Ce framework a été lancé en version préliminaire fin 2025 et a atteint la version 1.0 en juillet 2026. Ce calendrier est important car il indique qu'il ne s'agit pas d'un projet de recherche ou d'une expérience. C'est un produit prêt pour la production. Microsoft vous dit construisez vos systèmes réels ceci. C'est également open source. Vous pouvez le trouver sur GitHub avec plus de 7 000 étoiles et plus de 100 contributeurs. La communauté est active. Il y a des sessions hebdomadaires pour discuter directement avec l'équipe d'ingénierie.

Ce n'est pas quelque chose que vous obtenez avec un produit fermé. Le framework prend en charge Python et Donnett en tant que langage de premier ordre. Que vous soyez développeur, c'est chargou Python. Vous bénéficiez de la même expérience. C'est très important car beaucoup de frameworks d'IA sont exclusivement en Python. Microsoft a fait le choix délibéré de traiter les deux langages sur un pied d'égalité. Et voici quelque chose qui pourrait vous surprendre. Le framework prend en charge plus de 7 fournisseurs de modèles différents. Microsoft Fondry, Azure Open AI, Open AI, Anthropic Cloud, Amazon Bedrock, Google Gemini et même des modèles locaux via Olamar. Vous écrivez la logique de votre agent une fois et elle fonctionne avec tous ces modèles. Vous n'êtes pas enfermé chez un seul fournisseur. Passé d'Open AI à Anthropic, vous ne modifiez qu'une valeur de configuration. Pas tout votre code, pas tout votre code.

Le framework se compose de deux éléments majeurs. Les agents sont les briques de base, les unités de raisonnement individuelles capables de réfléchir et d'égir. Les workflows constituent la couche d'orchestration qui relie plusieurs agents entre. Vous pouvez avoir un seul agent pour une tâche simple ou toute une équipe travaillant sur une mission complexe. Il existe également ce qu'on appelle les définitions déclaratives. Vous définissez le comportement d'un agent dans un fichier YAM. Cela signifie que la configuration de votre agent est contrôlable par version. Placez-la dans Git, examinez-la via des pull requests, déployez-la via des pipelines CIS-ACD. Pour les équipements d'entreprise, c'est un avantage majeur. Mais voici ce que je veux que vous compreniez. Ce framework n'est pas uniquement destiné aux développeurs construisant des systèmes complexes. Il est conçu pour les scénarios d'entreprise.

Sécurité, conformité, observabilité, validations humaines, tout est intégré nativement, pas ajouté à postériori. Et c'est ce qui le distingue des frameworks expérimentaux qui l'ont précédé. Les briques fondamentales, agents, outils mémoire, flux de travail. Décomposons cela en quatre concepts clés. Maîtrisez-les et vous comprendrez 90% de ce que fait ce framework. D'abord les agents, ce sont les unités fondamentales. Chaque agent possède un nom, des instructions et un accès à des outils. C'est une unité de raisonnement capable de penser et d'agir. Vous lui définissez qui il est, ce qu'il doit faire et quelles ressources utiliser. Tout le reste en découle. Ensuite les outils. Ce sont les mains de l'agent, fonctions, API ou services externes, données météo, accès au calendrier, requêtes de bases de données, opérations sur les fichiers, opérations sur les fichiers. L'agent ne sait pas faire ces choses par lui-même.

Il a besoin d'outils pour interagir avec le monde et agir. Vous pouvez écrire vos propres fonctions ou utiliser des serveurs MCP, le modèle contexte-protocole. Mais c'est une méthode standard pour connecter les agents aux services externes. Voyez cela comme une prise universelle. Si un service prend en charge le MCP, votre agent peut l'utiliser sans code d'intégration personnalisé. Il y a ensuite la mémoire. C'est le système de stockage du cerveau. Il en existe deux types. La mémoire de session est à court terme. Elle se souvient de ce qui s'est passé lors d'une conversation unique. Les fournisseurs de contexte sont à long terme. Ils retiennent les préférences et les faits au fil de plusieurs conversations. La mémoire est ce qui rend un agent intelligent. Sans elle, chaque interaction repart de zéro. Vous vous présentez et la fois suivante, tout est oublié. Avec la mémoire, l'agent sait qui vous êtes, ce dont vous avez discuté et ce qui vous importe.

C'est la différence entre parler à un inconnu ou à un collègue qui connaît votre travail. Enfin, les flux de travail. C'est la couche d'orchestration où vous définissez plusieurs agents travaillant ensemble. Les flux peuvent être séquentiels. Étape A, puis étape B. Concurrents avec des agents travaillant en parallèle sur le même problème ou conditionnel. Si ceci arrive, allez ici. Si cela arrive, allez là. Les flux de travail gèrent aussi les points de contrôle. Si un échec survient en cours de route, le système reprend là où il s'était arrêté. Il ne recommence pas zéro. C'est crucial pour les tâches longues qui peuvent prendre des heures ou impliquer plusieurs étapes. Des modèles avec intervention humaine sont également intégrés. Les agents peuvent faire une pause pour demander une approbation avant des actions sensibles. Si un agent doit envoyer un email ou valider un paiement, il peut s'arrêter et attendre l'accord d'un humain.

C'est essentiel pour les secteurs réglementés. Voici un exemple concret. Imaginez un agent de préparation aux ventes. Vous avez une réunion avec un client demain. Vous dites à l'agent « aide-moi à me préparer ». Il vérifie votre calendrier pour confirmer l'heure. Il extrait les données du CRM pour consulter l'histoire du public. Il recherche dans les supports marketing des études de cas pertinentes. Il génère un document de synthèse et une présentation PowerPoint sans que vous ayez à intervenir. Ce n'est pas un chatbot. C'est un agent. Pourquoi devriez-vous s'en faire pour la valeur pratique ? Vous comprenez ce qu'est le framework, mais pourquoi est-ce important si vous n'êtes pas développeur d'IA ? La réponse est que ce framework ne se limite pas au terminal d'un développeur. Il alimente des outils que les acteurs professionnels utilisent au quotidien. Les agents créés avec ce framework peuvent être publiés directement dans Microsoft Teams et Copilot.

Cela signifie que les agents de votre organisation vivent là où vous travaillez déjà. Pas besoin d'installer une nouvelle application, de retenir un nouveau mot de passe ou d'apprendre à utiliser un nouvel outil. Vous ouvrez simplement Teams et l'agent est là. Pour les décideurs IT et métier, c'est encore plus crucial. Le framework offre des contrôles d'entreprise réellement pertinents. Vous bénéficiez de la gestion des identités via EntryD, de contrôle d'accès pour que les agents ne voient que ce qu'ils doivent voir, de journaux d'audit et d'une gouvernance, des données pour protéger les informations sensibles. Et voici un problème auquel vous n'avez peut-être pas pensé. IA Phantom est une réalité. Les employés utilisent chaque jour des outils d'IA non approuvés, collent des données d'entreprise dans des chatbots publics et envoient des documents sensibles vers des serveurs inconnus. Les équipes IT savent que cela arrive, mais interdire les outils ne suffit pas.

Les gens trouveront toujours un moyen. Ce framework permet à l'IT de proposer des agents sécurisés et approuvés qui restent modernes. Au lieu de dire aux employés CAR, n'utilisez pas l'IAKR, vous pouvez dire, utilisez plutôt ces agents. Ils sont sécurisés, gouvernés et travaillent avec vos données. Il y a aussi le problème de la prolifération des agents qui est déjà en cours. Les équipes créent des agents plus vite que quiconque ne peut les suivre. Le framework vous offre un emplacement unique pour gérer, surveiller et gouverner l'ensemble. Voyez quels agents sont utilisés, lesquels restent inutilisés et lesquels nécessitent votre attention. La visibilité des coûts est un autre point majeur. Voyez exactement combien coûte chaque agent, lesquels sont coûteux, lesquels sont efficaces et ou optimisés. Et, ce n'est pas possible avec une collection d'outils et de scripts disparates. En conclusion, ce framework rend les agents IA pratiques, sûrs et gérables pour les organisations réelles.

Il ne s'agit pas seulement de créer une technologie innovante, mais de concevoir une solution adaptée aux réalités de l'entreprise, contraintes, sécurité, conformité, budget et gouvernance. Si vous êtes responsable de l'un de ces domaines, ce framework vous concerne directement. Voyons comment il s'intègre dans une vision plus large. Alors, quelle est la place réelle du framework d'agent ? Ce n'est pas un produit isolé, mais une pièce d'un puzzle bien plus vaste. Examinons comment tout cela s'articule. Commençons par Azure AI et Foundry. Voyez les choses ainsi. Le framework d'agent, ça a créé vos agents et Foundry, et l'endroit où ils résident et s'exécutent. Il prend en charge tout le travail complexe, infrastructures, mise à l'échelle, surveillance et sécurité. Vous développez localement, vous déployez sur Foundry, et votre agent fonctionne dans un environnement de production avec des contrôles d'entreprise.

Simple. Si vous n'êtes pas développeur, vous avez une autre option, Copilot Studio. C'est l'approche low-code. Vous utilisez une interface visuelle pour définir les actions de votre agent, le connecter à des sources de données et le publier dans Teams. Aucune ligne de code requise. Framework d'agent s'adresse aux développeurs qui souhaitent un contrôle total. Ils se complètent parfaitement. Ne besoin de personnalisation ? Utilisez le framework. Ne besoin d'avancer rapidement. Utilisez Copilot Studio. Ensuite, il y a Microsoft 365 Copilot, la partie visible par l'utilisateur. Les agents créés avec le framework peuvent apparaître directement dans Copilot. Ainsi, les utilisateurs interagissent avec eux via une interface familière, le même copilote qu'ils utilisent déjà au quotidien. Aucun nouvel outil à apprendre, aucun nouveau flux de travail à adopter. Mais c'est là que la valeur réelle apparaît, la couche d'intelligence.

Ce qu'on pose de trois parties. WorkIQ se connecte à vos données personnelles. E-mail, calendrier, discussion. FoundryIQ se connecte aux connaissances organisationnelles. Documents, politiques, ressources partagées. Et FabriqueIQ se connecte aux données métiers. Chiffres de vente, dossiers clients, indicateurs opérationnels. Les agents peuvent puiser dans ces trois sources. C'est ce qui les rend vraiment utiles. Ils ne répondent pas seulement à des questions générales, ils possèdent un contexte. Ils savent qui vous êtes, sur quoi vous travaillez et quelles données sont importantes pour votre activité. Lorsqu'un agent prépare un document de synthèse pour une réunion commerciale et ne devine pas. Il extrait les informations de votre calendrier, votre CRM, vos supports marketing et votre base de connaissances, le tout en une seule requête. Et tout cela fonctionne avec le modèle de sécurité Microsoft.

Entre ID pour l'identité, Intune pour la gestion des appareils, des funders pour la protection contre les menaces. Si votre organisation utilise déjà ces outils, le framework s'intègre parfaitement. Pas besoin de construire une couche de sécurité distincte. Pour les organisations utilisant déjà Microsoft 365, Azure et Power Platform, ce framework est l'étape suivante logique. Vous ne repartez pas de zéro. Vous étendez ce que vous possédez déjà. La vision à long terme ? Simple. Les agents deviennent aussi courants que les applications. Chaque processus métier reçoit une couche d'agents, non pas pour remplacer les humains, mais pour les aider à travailler plus vite avec de meilleures informations et moins de tâches répétitives. Ce framework est le moyen de construire cette couche. Pour commencer, voici votre première étape. Voici la bonne nouvelle. Vous n'avez pas besoin d'être un expert en IA pour vous lancer.

Il existe voie. La voie sans code, c'est Copilot Studio. Interface visuelle glissée, déposée, configurée, aucun code requis. Vous pouvez avoir quelque chose de fonctionnel en quelques heures, prend quelques jours. Si votre objectif est de résoudre rapidement un problème métier spécifique, c'est la voie à suivre. La voie avec code, c'est le framework d'agent lui-même. Vous installez les packages pour Python ou Python Tournet, et vous utilisez l'extension VS Code. L'extension mérite d'être mentionnée, car elle inclut des compétences basées sur l'IA. Vous lui dites ce que vous voulez. Créez un agent de préparation commerciale qui vérifie mon calendrier et extrait les données CRM. Et il échafaude tout le projet pour vous. Code, fichier de configuration, tout. Ce n'est pas une page blanche. C'est un départ sur les chapeaux de roue. L'extension inclut également ce qu'on appelle l'inspecteur d'agent.

C'est un outil visuel qui vous montre ce que fait votre agent en temps réel, étape par étape. Vous pouvez le voir réfléchir. Vous pouvez voir quels outils il appelle. Vous pouvez voir où il bloque. C'est comme avoir un débogueur qui parle en langage clair. Si vous utilisez déjà Sémantique Kernel ou Autogen, il existe des assistants de migration qui analysent votre code existant et génèrent un plan de migration étape par étape. Vous n'allez pas repartir de zéro. Le framework est open source. Le dépôt GitHub est sur github.com slash microsoft slash agent framework. Exemple, documentation, forum de discussion, tout y est. La communauté est active. Il y a des permanents septomadaires où vous pouvez parler directement à l'équipe d'ingénierie. Ce n'est pas quelque chose que vous obtenez avec la plupart des frameworks. Le message clé, celui-ci, il commence c'est petit. Construisez un seul agent qui fait une chose utile.

Peut-être qu'il vérifie votre calendrier. Peut-être qu'il résume vos emails. Peut-être qu'il recherche des informations clients. Voyez ce que cela donne. Ensuite, passer à l'échelle. Le plus important est de comprendre les concepts. Et c'était le sujet de cet épisode. Permettez-moi de conclure en rassemblant ces éléments. Un agent n'est pas un chatbot. C'est un système qui pense, décide et agit par lui-même. Le framework existe parce que construire des agents à l'ancienne signifiait jongler avec des outils et des frameworks incompatibles qui ne communiquaient pas entre eux. Cette fragmentation rendait tout confus. Donc Microsoft a créé une méthode unique pour construire, déployer et gérer. Fini de jongler entre les frameworks ou d'assembler des pièces disparates. Pour les débutants, voici l'essentiel à retenir. Les agents IA ne sont pas de la magie. Ce sont des systèmes structurés qui résonnent, utilisent des outils et mémorisent le contexte.

Microsoft vous offre un framework complet pour les créer, prêt à l'emploi dès aujourd'hui. N'est pas du bâtage médiatique. Les agents deviennent une norme de travail, tout comme les apps et sites web autrefois. Les outils sont là, la communauté est active et votre premier agent est plus proche qu'il n'y paraît. Pour aller plus loin, commencez par le dépôt GitHub et l'extension VS Code. Abonnez-vous sur votre plateforme de podcast préférée et partagez ceci avec un débutant.