Aller au contenu
Blog

AI

Prolifération d'outils pour agents IA : pourquoi moins, c'est mieux

La prolifération d'outils pour agents IA nuit silencieusement à leur fiabilité. Voici comment délimiter l'accès aux outils pour que vos agents restent précis, économiques et faciles à déboguer.

Par Pykero Agency · Engineering team1 sept. 20265 min de lecture

TL;DR

Les agents en production les plus fiables fonctionnent avec deux à cinq outils au périmètre bien défini. Chaque outil supplémentaire est une occasion de plus pour le modèle de faire le mauvais choix, de passer de mauvais arguments, ou de retourner une réponse erronée mais assurée.

boîte à outils ouverte, pourquoi moins d'outils font un meilleur agent IA

Donnez dix outils à un agent IA et vous obtiendrez généralement des résultats moins bons, pas plus de capacités. Chaque outil supplémentaire est une occasion de plus pour le modèle de faire le mauvais choix, de passer de mauvais arguments, ou d'agir en silence de façon incorrecte tout en retournant une réponse assurée. Les agents qui résistent à la prolifération d'outils en production fonctionnent généralement avec deux à cinq outils, chacun limité à une seule tâche.

Ce constat revient constamment dans les agents bien construits. Un script qui lit les tickets GitHub et les manifestes de dépendances pour faire remonter de vraies alertes sans toucher au code. Un scanner qui classe les sous-domaines comme potentiellement génériques en utilisant uniquement des requêtes DNS. Le point commun n'est pas un prompting ingénieux. C'est que chaque agent dispose d'une boîte à outils réduite et fixe, et n'a jamais à choisir parmi quinze options.

Pourquoi la prolifération d'outils pose problème

Lors de la conception d'un build agentique, le réflexe est d'être généreux : un outil de recherche, un outil de base de données, un outil de fichiers, un outil d'e-mail, un outil de calendrier, au cas où. Cela semble prudent. Ça ne l'est pas.

La précision de sélection baisse. Le scanner de manifestes de dépendances fonctionne parce qu'il ne choisit jamais qu'entre « lire un manifeste » et « lire un ticket ». Ajoutez un outil de recherche web généraliste et le modèle doit décider à chaque exécution si l'alerte se trouve dans le dépôt ou sur le web. Il se trompera assez souvent pour que cela compte.

Les erreurs d'arguments s'accumulent. Le classificateur de sous-domaines basé sur le DNS prend un seul paramètre en entrée : un nom d'hôte. C'est tout le schéma. Ajoutez un second outil avec ses propres paramètres et vous avez doublé la surface d'exposition à un appel malformé. Sur une action de lecture, le coût est une mauvaise classification. Sur une action d'écriture, c'est un enregistrement incorrect soumis et journalisé comme un succès.

Les pannes passent inaperçues. Ces deux outils sont en lecture seule, donc un mauvais choix produit un résultat incorrect que vous pouvez repérer. Un agent câblé avec un outil d'écriture peut l'utiliser à tort, journaliser un succès et passer à la suite. Personne ne le découvre jusqu'à ce qu'un client se plaigne.

Les coûts augmentent progressivement. Chaque définition d'outil occupe de l'espace dans la fenêtre de contexte à chaque appel, que l'agent y touche ou non. Une liste d'outils surchargée, c'est un prompt surchargé à chaque tour.

Les écrits d'Anthropic sur la conception d'agents vont dans le même sens : les systèmes agentiques les plus fiables sont composés de composants simples et bien testés plutôt que d'un seul agent jonglant avec toutes les capacités à la fois (voir l'article d'ingénierie d'Anthropic sur la construction d'agents efficaces). La simplicité n'est pas un point de départ dont on s'affranchit avec le temps. C'est ce qui continue de fonctionner à grande échelle.

À quoi ressemble un périmètre resserré en pratique

Nous gérons notre propre moteur d'outbound de cette façon. Il analyse le site d'un prospect, en extrait les quelques informations qui comptent, et rédige un e-mail personnalisé, le tout en un seul appel ciblé plutôt qu'une chaîne en plusieurs étapes avec un outil de recherche, un outil CRM et un outil de rédaction assemblés ensemble. Moins de composants signifiait moins d'endroits où le processus pouvait silencieusement dérailler, et le coût par lead était plus bas.

La leçon s'est généralisée au-delà de l'outreach : moins un agent a besoin d'outils, plus il est facile de savoir exactement ce qu'il a fait et pourquoi. C'est une question distincte de celle de savoir s'il faut utiliser un seul appel LLM ou une chaîne agentique pour une tâche donnée, mais le même instinct s'applique au niveau des outils. Ne donnez pas au modèle des options dont il n'a pas besoin.

Comment auditer la liste d'outils de votre agent

Si vous évaluez un build, en interne ou auprès d'une agence, demandez à voir la liste d'outils avant de poser des questions sur le modèle ou le prompt. Quelques points à vérifier :

  • Pouvez-vous décrire en une phrase la seule tâche que fait cet agent ? Si la réponse demande un paragraphe, il s'agit probablement de deux agents partageant une fenêtre de contexte.
  • Chaque outil est-il utilisé lors d'une exécution normale ? Les outils inutilisés représentent un coût et une source de confusion sans aucun bénéfice.
  • Deux outils sont-ils faciles à confondre d'après leur nom et leur description seuls ? Si un humain qui parcourt le schéma hésiterait, le modèle aussi.
  • Que se passe-t-il lorsque l'agent choisit le mauvais outil ? S'il n'existe pas de journalisation qui remonte un mauvais appel, vous ne le saurez pas avant le client.
  • Serait-il possible d'avoir deux agents spécialisés avec un routeur plutôt qu'un seul agent généraliste ? La logique de routage est prévisible et testable. Un seul modèle jonglant avec douze outils ne l'est pas.

Quand davantage d'outils est vraiment justifié

Certaines tâches couvrent réellement plusieurs systèmes. Un agent de support qui consulte une commande, vérifie un transporteur et émet un remboursement fait légitimement trois choses. La réponse n'est généralement pas de réduire le nombre d'outils sur un seul agent. C'est de découper la tâche en un workflow d'étapes plus petites avec des transferts explicites. Un workflow déterministe qui appelle trois agents spécialisés en séquence est beaucoup plus facile à déboguer qu'un seul agent avec neuf outils qui tente de déterminer lui-même le bon ordre.

Le risque d'actions en double ou hors séquence diminue également considérablement lorsque chaque agent de la chaîne n'a accès qu'aux opérations d'écriture dont il est réellement responsable. Périmètre resserré et idempotence se renforcent mutuellement.

Que demander à un prestataire à ce sujet

Le périmètre des outils est une question peu coûteuse et très révélatrice à ajouter à toute grille d'évaluation de prestataire. Demandez-leur de passer en revue la liste d'outils de l'agent proposé et de justifier chaque entrée. Une équipe qui a réfléchi à la question donnera une réponse précise pour chaque outil. Une équipe qui ne l'a pas fait commencera à justifier les outils par des scénarios hypothétiques. C'est généralement le signe d'une dérive du périmètre en train de se former en temps réel.

Le nombre d'outils est l'une des rares décisions de conception d'un agent que vous pouvez vérifier sans lire une seule ligne de code, et il est fortement corrélé au comportement de l'ensemble du système une fois qu'il est en production et que personne ne surveille chaque exécution.

Si vous définissez le périmètre d'un build agentique et souhaitez un second avis sur la liste d'outils avant de vous engager, parlons-en.

ai agent tool sprawlhow many tools should an ai agent haveai agent design best practicesllm tool selection accuracynarrow ai agent vs general agentagentic system reliability

Questions fréquentes

Combien d'outils un agent IA devrait-il avoir ?

La plupart des agents en production qui tiennent dans le temps utilisent deux à cinq outils, chacun limité à une seule tâche. Au-delà, la précision de sélection des outils baisse et les pannes deviennent plus difficiles à isoler.

Donner plus d'outils à un agent le rend-il plus capable ?

Pas vraiment. Chaque outil supplémentaire augmente la probabilité que le modèle choisisse le mauvais ou l'appelle avec de mauvais arguments. Cela se traduit par une réponse incorrecte, pas par une capacité accrue, et l'agent affiche souvent le même niveau de confiance dans les deux cas.

Vaut-il mieux construire un agent polyvalent ou plusieurs agents spécialisés ?

Pour la plupart des charges de travail en production, plusieurs agents spécialisés avec des ensembles d'outils resserrés surpassent un agent polyvalent. Chaque agent spécialisé est plus facile à tester, à surveiller et à corriger en cas de problème.

À quoi renonce-t-on en limitant le périmètre d'un agent ?

À la flexibilité. Un agent spécialisé ne peut pas traiter des demandes hors de son périmètre, il faut donc une logique de routage claire ou une personne pour orienter les requêtes vers le bon agent.

Comment Pykero peut aider

Services liés à cet article.

Vous construisez quelque chose de similaire ?

Pykero Agency conçoit et livre des produits web, mobiles, SaaS et IA prêts pour la production.

Parlons-en

Discussion

Be the first to comment.

À lire aussi