Aller au contenu
Comprendre l’IA, construire avec les agents
Agentic Pods
S’abonner

À découvrir Comprendre l’IA, construire avec les agents

Agents IA : encadrer leur comportement avec FSM et YAML

Pourquoi les machines à états finis décrites en YAML reviennent pour gouverner les agents IA : contrôle, auditabilité, coûts et place du LLM dans le processus.

Agents IA : encadrer leur comportement avec FSM et YAML

Laisser un grand modèle de langage décider seul de chaque étape d'un processus séduit sur le papier, mais expose l'entreprise à des comportements imprévisibles et difficiles à auditer. Un signal repéré dans la veille (Hackster.io) remet en avant une approche plus sobre : décrire explicitement les états et les transitions d'un agent, dans un format lisible comme le YAML, et réserver le modèle aux décisions qui le justifient. Pour un dirigeant, c'est la question de la gouvernance et de la maîtrise des coûts qui se joue.

L'AGENT, ENTRE LIBERTÉ ET CADRE

Un agent IA est un programme qui reçoit un objectif, choisit des actions (interroger une base, appeler un outil, rédiger une réponse) et enchaîne ces actions jusqu'à un résultat. Dans la version la plus répandue, c'est le grand modèle de langage (LLM) qui décide à chaque tour de ce qu'il fait ensuite. Souple, certes, mais aussi opaque : deux exécutions du même cas peuvent suivre des chemins différents, et personne ne peut garantir à l'avance qu'une étape obligatoire ne sera pas sautée.

Le sujet remonté par Hackster.io s'inscrit dans une tendance nette du secteur : redonner une colonne vertébrale explicite aux agents grâce aux machines à états finis (FSM, finite state machine).

CE QU'EST UNE MACHINE À ÉTATS

Une FSM décrit un système par une liste d'états possibles (par exemple « qualification de la demande », « recherche d'informations », « validation humaine », « clôture ») et par les transitions autorisées entre eux. À un instant donné, l'agent est dans un seul état, et il ne peut passer qu'aux états prévus. C'est un outil ancien de l'ingénierie, familier des équipes embarquées et industrielles, ce qui explique en partie son retour dans une communauté de makers.

Décrire cette machine en YAML, un format texte structuré et lisible par un non-développeur, présente un intérêt concret : le processus devient un document versionnable, relisible en comité et modifiable sans réécrire de code.

OÙ PLACER LE MODÈLE DE LANGAGE

L'approche ne rejette pas le LLM ; elle le repositionne. Le squelette du processus est déterministe, et le modèle intervient à l'intérieur de certains états, là où il apporte de la valeur : comprendre une demande en langage naturel, résumer des documents, proposer une reformulation. Les transitions critiques, elles, restent sous contrôle explicite.

C'est l'esprit de ce que le marché appelle l'IA « type-safe » : les entrées et sorties de chaque étape sont typées et validées, de sorte qu'une réponse mal formée du modèle est rejetée avant de contaminer la suite. On rejoint aussi la logique des « primitives » d'IA, ces briques élémentaires (appel de modèle, appel d'outil, validation, mémoire) que l'on assemble comme des composants plutôt que de confier l'ensemble à une boîte noire.

CAS D'USAGE EN ENTREPRISE

Les processus qui bénéficient le plus de ce cadrage sont ceux où l'ordre des étapes est non négociable : traitement d'une réclamation client avec obligation de vérification d'identité, onboarding d'un fournisseur soumis à des contrôles de conformité, pilotage d'une chaîne de tâches techniques où une étape de test doit précéder tout déploiement. Dans chacun de ces cas, l'entreprise veut pouvoir dire précisément par où l'agent est passé et pourquoi.

ENJEUX DE GOUVERNANCE ET DE ROI

Sur le plan de la gouvernance, une FSM offre une auditabilité native : chaque transition est un événement journalisable, et l'ajout d'un point de validation humaine se résume à insérer un état. La revue de risque porte sur un schéma lisible plutôt que sur des prompts dispersés.

Sur le plan économique, restreindre les appels au modèle aux états qui en ont besoin réduit mécaniquement la consommation de jetons et la variabilité des temps de réponse, sans qu'il soit possible d'en chiffrer le gain hors contexte. À l'inverse, le coût d'entrée existe : il faut modéliser le processus, ce qui suppose que l'entreprise le connaisse réellement, et accepter une souplesse moindre face aux cas imprévus.

CE QU'IL FAUT RETENIR

Le débat n'oppose pas agents « intelligents » et agents « rigides ». Il s'agit de choisir, étape par étape, ce qui doit être garanti et ce qui peut être délégué au modèle. Les organisations qui formalisent cette frontière, dans un format que métiers, juristes et ingénieurs peuvent lire ensemble, prennent une longueur d'avance sur la gouvernance de leurs agents.

En images

Sélectionnez une image pour l’agrandir.

A futuristic humanoid robot in an indoor Tokyo setting, showcasing modern technology.
img0
A futuristic humanoid robot in an indoor Tokyo setting, showcasing modern technology.
img1
A futuristic humanoid robot in an indoor Tokyo setting, showcasing modern technology.
img2
A futuristic humanoid robot in an indoor Tokyo setting, showcasing modern technology.
img3
Tout explorer →