Hello à tous,
Bienvenue dans cette 47ᵉ édition !
Vous pouvez cliquer sur le ❤️ au-dessus ou en fin de newsletter si vous appréciez le contenu, ça m’aide beaucoup ! 🙏
Voici le sommaire de la semaine :
💼 Avoir +15 agents IA pour automatiser vos tâches
🗞️ Top 3 actus : Sommet de l’IA, Le Chat de Mistral et l’âge de l’intelligence
⏳ Temps de lecture : 12 min
Si vous souhaitez creuser le sujet de l’IA, vous pouvez :
suivre la formation sur l’IA générative (+60 modules), de débutant à avancée (jusqu’à l’automatisation).
exploiter l’IA pour avoir votre machine à création de contenu (pack d’automatisation clé en main).
Pour les 2 formations, vous bénéficiez du code “IA_UP” de -25 % jusqu’au 23 février, offrant une réduction respectivement de -97€ et -370 €.
découvrir mes vidéos chaque semaine sur Youtube
rejoindre la communauté gratuite pour progresser ensemble (ressources, support, ..). On est +2000, merci !
💼 Une équipe d’agents IA à votre disposition
Je parle régulièrement des agents IA dans la newsletter. J’ai fait plusieurs éditions, dont celle-ci où je partageais comment créer une équipe d’agents IA pour scraper internet.
Dans cette édition, l’idée est de revenir sur ma structure d’agents IA comme un assistant général, comment ça fonctionne et surtout, comment vous pouvez aussi le faire de votre côté avec l’outil no-code que j’utilise : Relevance AI.
Pour utiliser notre équipe d’agents IA, on passera par le canal le plus classique : WhatsApp, et on ne va pas s’embêter à lui envoyer des messages, on passera aussi par de l’audio. Nous allons aussi le programmer pour qu'il puisse être utilisé automatiquement.
Imaginez, avoir à portée de main, dans votre poche, une équipe autonome prête à réaliser n’importe quelle action, pour vous rendre la vie plus agréable !
La structure des agents
Rappel sur les agents
Depuis l’arrivée des modèles de raisonnement, capables d’analyser une requête utilisateur et la découper en plusieurs tâches, on a fait un bon en avant dans la puissance des agents IA.
Un agent IA va être capable de raisonner, planifier et exécuter des tâches en pleine autonomie.
Le gros plus de travailler dans une logique agentique, c’est la compréhension globale du contexte, sa flexibilité en fonction des données en entrée qu’il reçoit et bien sûr son autonomie d’action. L’apprentissage continu reste assez limité pour l’instant, c’est-à-dire sa capacité à apprendre de ses expériences et s’améliorer au fil du temps grâce à des boucles de rétroaction.
L’agent IA est capable de s’adapter pour prendre les décisions les plus probables en restant aligné sur son objectif.
Pas besoin de tout anticiper, et de définir un ensemble de conditions strictes à respecter (“si X alors faire Y sinon Z, puis faire ..”). C’est l’agent IA qui prendra la meilleure décision possible dans notre intérêt.
Zoom sur Relevance AI
Relevance AI est un outil low-code qui permet justement de créer des agents IA avec la rédaction d’un prompt (1), de relier des agents entre eux avec un lien hiérarchique (2) et d’ajouter des outils à ces agents (3).
L’outil propose même des agents à cloner, clé en main.
La plateforme est vraiment accessible à tous. Voici les étapes à réaliser pour créer rapidement votre propre agent :
Créez votre agent et rédiger les instructions. Voici un framework que vous pouvez suivre :
Rôle → définir le rôle de l’agent (comparable à un prompt classique)
Objectif → dans le cas d’un agent manager, l’objectif sera surtout cantonné à l’orchestration des tâches (découpages en sous-taches), à la vérification de la qualité des résultats (sinon il peut mobiliser à nouveau les agents) et enfin à la communication via un rapport de tâches
Procédures à suivre → détails des étapes qu’il doit réaliser et comment il doit s’y prendre.
Agents ou Outils (ou les deux) → dans cette section, l’idée est de lui partager les agents ou les outils qu’il a à disposition, pourquoi et comment les utiliser.
Exemples → comme dans un prompt classique, montrer quelques exemples (au moins 1) permet de donner plus de contexte sur l’entrée, la sortie attendue et ce qu’il doit réaliser.
Notes → terminer par une petite section sur des points à vérifier
Ajoutez des outils facilement avec Make
Pour ajouter des outils, il faut les créer, définir les valeurs d’entrée nécessaires (que l’agent va envoyer), les actions à réaliser dans cette outil, et la variable sortie à partager (récupérée par l’agent).
Make est alors un super allié pour réaliser des actions sur vos outils rapidement. Ce que l’on va faire, c’est réaliser un simple appel API au milieu de notre outil pour créer une page sur Notion par exemple.
Du côté de Make, on va pouvoir alors créer un scénario avec un webhook en déclencheur, puis le module que l’on souhaite et renvoyer la réponse avec un webhook.
Grâce à Make, Zapier, .. on peut directement exploiter des milliers d’applications. Chaque application a une série d’actions possibles et on va pouvoir assez facilement permettre à l’agent d’exploiter ces actions aussi :)
C’est quand même pratique : pour chaque application, les appels API sont déjà expliqués avec une description textuelle. Par exemple sur Make, on retrouve 22 appels API différents sur Notion :
ça reste assez chronophage, il sera nécessaire de créer des outils pour chaque action (mais ça va vite évoluer, j’en parle plus bas)
Testez votre agent depuis une barre de chat, analysez ses exécutions et prises de décisions :
Définissez le déclencheur : Relevance propose plusieurs déclencheurs clés en main. Je reviens sur les déclencheurs que j’utilise plus bas.
L’agent principal et les sous-agents
Dans ma situation, j’ai créé une équipe d’agents IA avec un agent manager qui gère 4 sous-agents. Ces agents fonctionnent en autonomie (petit éclair), mais certains pourraient être déclenchés selon une validation humaine si je souhaite vérifier en amont les données.
Ces agents sont eux-mêmes connectés à des sous-agents. Ce sont ces derniers agents qui ont accès à la plupart des outils. Par exemple, l’agent de Gestion gère l’agent Notion qui réalise les actions sur l’outil Notion.
Faire des agents par outil est une bonne manière de créer des silos d’actions pour bien séparer les tâches à réaliser. Ainsi, dès qu’il y a une tâche comprenant la création d’un document interne, il sera nécessaire de passer par l’agent Notion qui s’occupe de la gestion de la documentation interne. Pour une documentation externe, l’agent partira plutôt sur un Google Docs.
Sur le schéma suivant, j’ai mis un petit logo pour vous montrer les outils associés à chaque agent.
Déclencher l’agent principal
Pour déclencher l’agent principal, il y a plusieurs options :
Envoyer un audio ou un message textuel à un numéro WhatsApp. C’est pratique pour mobiliser l’agent quand on le souhaite et y avoir accès “sur demande”.
Pour ça, j’utilise un scénario qui va faire un appel API à mon équipe d’agents dès que je reçois un message sur WhatsApp. Voici un aperçu du scénario sur Make :
Planifier des actions : comme je peux déclencher l’équipe d’agents par API, je peux aussi programmer la réalisation de certaines tâches. De mon côté, j’utilise Make encore, ça me permet de tout agréger au même endroit mais il y a pleins d’autres options.
Pour réaliser un appel API à votre agent, vous pouvez choisir votre agent manager et suivre les instructions partagées par Relevance AI.
Des exemples
Cette organisation me permet de réaliser des petites tâches du quotidien avec un format pratique (audio ou texte sur whatsapp), similaire à ce que pourrait faire un assistant virtuel (VA).
Voici une liste de tâches non exhaustive de ce qu’il est possible de faire :
lancer une veille d’actualité sur un sujet précis, demander de rédiger un article de blog, de le publier sur mon site (en mode brouillon), de le transformer en des posts sur les réseaux stockés dans ma base de données notion.
déclencher une recherche pour un déplacement professionnel afin de trouver des vols sur une destination précise, récupérer les résultats, sélectionner les meilleurs options en fonction de mon agenda, ajouter l’ensemble des informations dans un google docs et envoyer un mail avec le lien du google docs à une personne de l’équipe en interne
le point du matin : rechercher l’ensemble des messages non lus sur LinkedIn, YouTube ou mails, me partager les RDV de la journée, et m’envoyer les informations. En fonction, demande de réponse de certains messages (community management)
scraping de posts qui ont bien marché sur ma niche, ajout d’idées dans une base de données notion, création d’un créneau de 15min dans mon agenda pour parcourir les idées, génération possible d’un brouillon de posts
recherche avancée sur une entreprise ou une personne : recherche sur Google et extraction des meilleurs résultats de recherche, recherche LinkedIn et extraction des informations sur son profil, agrégation des informations, enrichissement et sync. avec CRM, génération d’un résumé partagé par WhatsApp.
Ces exemples viennent de mon cas d’utilisation propre. L’avantage des agents IA, c’est de pouvoir personnaliser tout ça en fonction de vos tâches, qu’ils aient accès à vos outils et soient capables de vous alléger dans des tâches quotidiennes.
Pour aller plus loin
Comme vous l’avez remarqué, créer ce genre d’agents IA aujourd’hui est assez accessible, mais il faut mettre les mains dans le cambouis, et surtout permettre aux agents d’être connectés à vos outils et de pouvoir faire n’importe quelle action dessus.
C’est sur ce dernier point que ça devient long et chronophage.
L’avenir, c’est peut-être de donner l’accès aux agents IA à vos applications, leur partager la documentation, pour qu’ils soient capables de réaliser les appels API en autonomie en fonction de la tâche. Plus besoin de créer des outils pour chaque appel, c’est réalisé à la volée.
L’agent serait capable de transformer une demande textuelle en un appel API en utilisant la documentation de l’outil du type “rédige-moi une note sur X” devient alors [“je dois créer une page notion puis ajouter du texte sur la page” → l’agent analyse la documentation notion, détermine l’appel API nécessaire → “la page est créé, le texte est ajouté”]
Pour les outils qui n’ont pas d’API ?
Pour certains, ce n’est qu’une question de temps avant que ces outils proposent rapidement des API pour se connecter à des services externes. L’IA pourra même les aider à accélérer la création d’une API et générer la documentation.
Pour d’autres, cela peut être un choix de ne pas le faire. Les agents d’automatisation web seront alors la solution, comme l’operator d’OpenAI. J’ai fait une vidéo à ce sujet pour vous montrer comment créer votre agent d’automatisation web.
Pour finir,
Si vous suivez l’IA générative, vous avez sûrement remarqué que les agents IA commencent à prendre de plus en plus de place.
La technologie devient assez mature. OpenAI a par exemple sorti :
Operator : un agent autonome pour naviguer sur le web et réaliser des actions
Deep Research : un agent capable de rechercher des informations sur le web, les résumer et générer un rapport complet sur un sujet
La suite ?
Sam Altman l’a déjà partagé, et elle s’annonce ambitieuse.
OpenAI va d’abord lancer GPT-4.5, connu en interne sous le nom d’Orion. (dans quelques semaines ou mois). Le dernier modèle de la série avant une transition majeure vers des systèmes encore plus intégrés.
L’un des objectifs clés sera de fusionner les modèles O-series et GPT-series pour aboutir à une intelligence unifiée. Plus besoin de choisir entre différents modèles : l’IA s’adaptera en fonction des tâches à réaliser, en décidant par elle-même quand prendre du temps pour réfléchir ou quand exécuter rapidement.
Avec GPT-5, OpenAI intégrera plusieurs innovations :
Un système unifié qui combine toutes les technologies existantes.
L’intégration de fonctionnalités avancées comme la voix, la recherche profonde, le canevas interactif, et plus encore.
Et forcément, ce sont des perspectives hyper excitantes pour la création d’agents IA autonome, et pour vous ! :)
Pour ceux qui souhaitent continuer de creuser les agents IA, vous pouvez vous abonner à ma chaine YouTube où je sortirai prochainement une vidéo qui montre en live le fonctionnement de cette équipe d’agents IA.
🗞️ 3 actus importantes
Le sommet de l’IA à Paris
Le Sommet pour l'Action sur l'IA à Paris, depuis le 6 février, a été marqué par des annonces majeures, reflétant l'ambition de la France et de l'Europe de s'imposer dans la course à l'IA :
109 milliards d’euros d’investissements : Emmanuel Macron a confirmé cet engagement, dont 40 milliards d'euros de fonds publics pour la R&D et 69 milliards d'investissements privés de géants comme Google, Microsoft et NVIDIA.
Construction de centres de données : Les Émirats arabes unis investissent 50 milliards d’euros dans un data center géant, tandis que le fonds canadien Brookfield finance un centre à 15 milliards d’euros.
Accord France-Allemagne sur l’IA : Un cadre commun est établi pour l’industrie automobile et la cybersécurité.
Supercalculateur européen : Un projet clé pour l'entraînement des modèles d'IA avancés a été annoncé.
Déclaration pour une IA éthique : Signée par 58 pays, dont la France, la Chine et l’Inde, mais sans les États-Unis et le Royaume-Uni, elle vise à garantir une IA "ouverte" et "inclusive".
Lancement de "Current AI" : Un fonds d’investissement pour l’IA d’intérêt général, avec une première enveloppe de 400 millions de dollars, visant 2,5 milliards sur cinq ans.
📌 Ce qu'il faut retenir : La France se positionne comme un acteur central de l’IA en Europe, avec un soutien massif aux infrastructures et à la formation des talents. L’absence des États-Unis et du Royaume-Uni dans la déclaration éthique révèle des divergences internationales sur la régulation de l’IA.
OpenAI marque le début de l’Âge de l’Intelligence avec une vision ambitieuse pour l’AGI
OpenAI a profité du Super Bowl pour diffuser sa première publicité télévisée, mettant en perspective l’IA comme une nouvelle étape dans l’histoire du progrès humain, aux côtés d’innovations comme la roue, l’électricité ou internet.
L’objectif : sensibiliser le grand public à l’impact de l’IA et susciter la curiosité sur les possibilités qu’elle ouvre.
ChatGPT a atteint 100 millions d’utilisateurs en seulement deux mois, une adoption plus rapide que toute autre innovation technologique. Avec l’intelligence artificielle générale (AGI) en ligne de mire, OpenAI estime que nous entrons dans une ère où chacun pourra accomplir bien plus qu’aujourd’hui, grâce à des agents IA capables d’assister et d’amplifier les capacités humaines dans de nombreux domaines.
Les implications économiques sont colossales :
Le coût d’utilisation des modèles d’IA chute drastiquement chaque année, accélérant l’adoption.
L’augmentation linéaire de l’intelligence des modèles engendre une croissance économique exponentielle.
L’émergence d’agents IA spécialisés pourrait transformer de nombreux secteurs, à l’image de ce que le transistor a fait pour l’électronique.
Ce qu’il faut retenir : OpenAI considère l’IA comme une révolution comparable à l’électricité ou au microprocesseur. L’entreprise insiste sur la nécessité de garantir une distribution équitable des bénéfices de l’AGI, tout en anticipant les défis économiques et sociaux liés à son intégration.
👉 Lire l’article d’OpenAI
👉 Les trois observations de Sam Altman
Mistral dévoile une nouvelle version de "Le Chat", son assistant IA
Mistral AI vient de lancer une version entièrement repensée de son assistant IA, "Le Chat", désormais disponible sur iOS et Android (Top 1 France). Cette mise à jour apporte des améliorations significatives :
Vitesse inégalée avec la fonctionnalité "Flash Answers" permettant des réponses quasi-instantanées (voir vidéo plus bas)
Recherche d’informations diversifiée, combinant modèles Mistral, web, réseaux sociaux et sources journalistiques.
Compréhension avancée des documents grâce à une technologie OCR performante.
Génération d’images avancée, grâce à Flux.
Exécution de code intégrée, permettant des analyses scientifiques et la création de visualisations.
Mistral AI introduit également de nouvelles offres : un abonnement Pro à 14,99 $/mois, une version Team pour les entreprises, et un plan Enterprise en prévisualisation privée, offrant un hébergement sur infrastructure sécurisée.
👉 Source
Merci 🫶🏼
D’avoir lu cette édition jusqu’au bout.
Si ça t’a plu, pense à cliquer sur le ❤️ juste en dessous et partage ton point de vue en commentaire👇🏼
Vous pouvez aussi partager la newsletter à votre entourage (ça me booste beaucoup 🙏) et gagner des cadeaux 🎁
1 parrainage = 1 hack personnalisé
3 parrainages = +400 outils IA triés par thématique et vertical métier
5 parrainages = 30 min de coaching sur votre problématique
À très vite !
Très interressant ce post merci Louis!
J’ai deux questions:
- Comment decider le split des agents? C’est a dire comment decider d’utiliser 5 agents differents pour faire une tâche plutôt que d’en utiliser qu’un?
- J’étais surpris que tu utilise autant Make pour accéder aux apps externes et qu’à la fin tu ne parles pas des MCPs qui sont justement la traduction d’une API pour les LLMs. Est ce parce que Relevance AI ne les supporte pas encore?
Hello tu as vraiment un agent qui te permette de lire les messages que tu as écrit et tes communications sur LinkedIn?