Comment créer un agent IA avec l'Agents SDK d'OpenAI

Ce qu'est réellement un agent IA

Un agent IA est un modèle exécuté au cœur d'une boucle de travail. Il reçoit un objectif, décide de la prochaine action à mener, utilise un outil autorisé en cas de besoin, analyse le résultat obtenu, puis choisit de continuer ou de s'arrêter.

Voyez cela comme l'embauche d'un opérateur junior. Les instructions représentent la fiche de poste. Le modèle fournit le jugement opérationnel. Les outils constituent les accès de cet opérateur à votre système de commandes, votre calendrier, votre base de connaissances, votre navigateur ou votre espace de stockage de fichiers. La mémoire est son bloc-notes. Les garde-fous (guardrails) et les validations humaines jouent le rôle du superviseur.

C'est fondamentalement différent d'un simple chatbot. Un chatbot se contente de rédiger une réponse. Un agent peut consulter une commande, comparer son statut en temps réel avec vos conditions générales de vente, réclamer les informations manquantes et transférer le dossier à un collaborateur. Cette boucle d'action fait toute la différence.

La vue d'ensemble des agents par OpenAI définit les agents comme des applications capables de planifier, d'appeler des outils, de conserver un état et parfois de collaborer entre spécialistes. Au sein du SDK, l'objet central reste volontairement compact : un modèle assorti d'instructions, d'outils et de mécanismes de contrôle optionnels comme des garde-fous et des passages de relais (handoffs).

Agents SDK ou Responses API ?

Privilégiez l'Agents SDK lorsque vous souhaitez que l'environnement d'exécution gère pour vous les appels d'outils successifs, l'état, les garde-fous, les handoffs et les approbations. Utilisez directement la Responses API quand vous préférez coder et maîtriser cette boucle par vous-même. OpenAI recommande la Responses API pour un contrôle direct du modèle, et le SDK pour des workflows conversationnels ou transactionnels délimités nécessitant une orchestration récurrente.

Si vous optez pour un outil no-code, l'architecture reste identique. Assurez-vous simplement que la plateforme propose des outils explicites, une étape de validation humaine, des journaux d'exécution et un moyen d'interrompre la boucle. Une interface visuelle ne dispense en rien de ces contrôles fondamentaux.

Comment créer un agent IA : la première version utile

La méthode la plus rapide consiste à restreindre la portée de la mission avant d'élargir le dispositif technique.

1. Rédigez un contrat de mission en une phrase

Précisez l'utilisateur cible, le déclencheur, l'action à mener et le critère de fin. « Aider le support client » est un objectif bien trop vaste. « Répondre aux questions sur le statut des commandes via l'API de commande, et transférer tout ce qui touche à un remboursement ou un changement d'adresse » constitue un périmètre réalisable.

Listez également les actions strictement interdites. C'est ce qui transforme une autonomie floue en une décision produit parfaitement maîtrisée.

2. Vérifiez si la tâche exige un agent

Les agents justifient leur complexité technique lorsque le travail fait appel au jugement, traite un langage ou des documents imprévisibles et comporte des exceptions qui rendraient un système de règles rigide inefficace. Le guide pratique d'OpenAI préconise un système déterministe dès lors que ces conditions ne sont pas réunies.

Un calcul de taxe, la validation d'un formulaire fixe ou la réplication planifiée de données relèvent du logiciel traditionnel. Une demande de remboursement qui oblige à lire un fil de discussion, vérifier les conditions contractuelles, inspecter une commande et juger si un examen humain s'impose forme en revanche une mission idéale pour un agent.

3. Choisissez le modèle selon la tâche, pas pour la démonstration

Le SDK applique par défaut gpt-5.4-mini sans effort de raisonnement poussé et avec une verbosité minimale afin de garantir une faible latence. Son guide recommande gpt-5.6-sol lorsqu'une qualité de jugement supérieure s'avère indispensable et que vos accès le permettent.

Démarrez avec l'alternative la plus économique capable de valider vos cas de test documentés. Ne montez en gamme que si les erreurs proviennent réellement du raisonnement du modèle, et non d'un outil manquant, d'une consigne ambiguë ou de données erronées. Un modèle plus puissant ne corrigera jamais une API de commande renvoyant un statut obsolète.

4. Fournissez un unique outil en lecture seule

Votre premier outil doit collecter de l'information, sans jamais la modifier. La consultation d'une commande, la recherche dans un document de politique interne, la vérification d'un stock ou la lecture d'un calendrier sont bien plus faciles à évaluer et moins risquées à relancer qu'un remboursement, une annulation, un paiement ou l'envoi d'un e-mail.

Le SDK peut convertir une fonction Python typée en outil et générer son schéma d'entrée automatiquement. Il propose aussi des outils hébergés de recherche web, de recherche documentaire (file search), d'interpréteur de code, de protocoles MCP et de génération d'images. Les outils interagissant avec la machine locale, le shell ou la modification directe de fichiers exigent un environnement d'exécution que vous contrôlez.

Voici le modèle minimal le plus efficace :

from agents import Agent, Runner, function_tool

@function_tool
def lookup_order(order_id: str) -> str:
    """Return the current order status from the order system."""
    return "Order 123 is packed and awaiting carrier pickup."

agent = Agent(
    name="Order status agent",
    instructions=(
        "Answer order-status questions with lookup_order. "
        "Never change or cancel an order. Escalate anything else."
    ),
    tools=[lookup_order],
)

result = Runner.run_sync(agent, "Where is order 123?")
print(result.final_output)

Installez le SDK Python avec pip install openai-agents et renseignez votre clé d'API dans la variable d'environnement OPENAI_API_KEY. La même structure logicielle est accessible via le SDK TypeScript actuel si votre stack technique l'exige.

5. Prévoyez une issue pour stopper la boucle

Le Runner sollicite le modèle, exécute l'outil demandé, transmet le résultat de l'outil en retour et recommence l'opération. Il s'arrête dès que le modèle délivre une réponse finale sans solliciter d'outil. Il peut également s'interrompre dès qu'il atteint le plafond d'itérations, levant alors l'exception MaxTurnsExceeded.

En production, tout agent doit intégrer un nombre maximum d'étapes, un délai d'expiration (timeout) et une issue explicite en cas d'échec. Un résultat du type « Vérification impossible, dossier transmis à un opérateur » est une fin parfaitement valide. Réessayer sans fin n'est pas un signe de persévérance : c'est un incident de production.

6. Adoptez une seule stratégie de mémoire

La mémoire consiste à transmettre le contexte pertinent d'une étape à la suivante. Le SDK permet de stocker l'historique côté client au sein d'une session, ou d'utiliser la continuité gérée par OpenAI via un conversation_id ou un previous_response_id.

Retenez une seule stratégie par échange. Le SDK bloque expressément le mélange d'une session avec ces options d'état hébergées sur le serveur au cours d'une même exécution, car ces historiques superposés risqueraient de doubler le contexte. Évaluez également le volume réel d'historique nécessaire à l'agent : un agent de support a besoin du dossier en cours, pas de l'intégralité des échanges passés du client.

7. Verrouillez chaque périmètre critique

Installez un garde-fou en entrée (input guardrail) pour rejeter les requêtes hors sujet. Placez un garde-fou sur chaque outil personnalisé susceptible de lire ou d'altérer des données métier. Utilisez un garde-fou en sortie (output guardrail) pour inspecter la réponse finale. Imposez une approbation humaine systématique avant toute action coûteuse ou irréversible.

Un détail technique mérite votre attention : les garde-fous d'entrée s'exécutent en parallèle par défaut. Cela réduit la latence, mais l'agent peut commencer à consommer des jetons ou déclencher un outil avant que le contrôle ne signale un échec. Passez en mode bloquant dès que la requête risque de provoquer un effet de bord ou de dévoiler des données sensibles.

Pour approfondir les architectures adaptées à la production, consultez le guide sur les garde-fous et le rayon d'impact des agents IA. Le principe central reste limpide : faire transiter chaque opération payante, modificatrice ou soumise à habilitation par un sas de contrôle unique.

8. Tracez, évaluez, puis intégrez une sandbox si nécessaire

Le traçage est activé par défaut dans l'Agents SDK. Il enregistre les générations du modèle, les appels de fonctions, les contrôles des garde-fous et les handoffs, vous permettant d'analyser les causes de succès ou d'échec d'une exécution. Évaluez ces traces par rapport à un jeu de requêtes réelles et de résultats attendus avant d'ajouter le moindre outil supplémentaire.

Les traces enregistrent les entrées et sorties des modèles et des fonctions : veillez donc à désactiver la capture des données sensibles là où c'est nécessaire. Le traçage OpenAI est désactivé sous le régime Zero Data Retention.

N'utilisez une sandbox que si la mission requiert impérativement la gestion de fichiers, l'exécution de commandes système, l'installation de packages ou un état de workspace persistant. La mise à jour d'avril 2026 du SDK OpenAI intègre la gestion native d'environnements contrôlés, des manifestes d'espace de travail portables, des snapshots et la compatibilité avec plusieurs fournisseurs de sandboxes. Un agent d'assistance consultant un statut n'a nul besoin d'un conteneur. Un agent analysant des documents complexes ou manipulant du code en a souvent besoin.

Estimation des coûts d'exploitation

Le SDK et la Responses API ne facturent aucun coût de plateforme additionnel. Vous payez uniquement les jetons (tokens) consommés par le modèle retenu et les éventuels outils hébergés.

Aux tarifs standard actuels pour des contextes courts, gpt-5.6-sol coûte $5 par million de jetons d'entrée et $30 par million de jetons de sortie. gpt-5.6-terra s'affiche à $2 et $12. gpt-5.6-luna se situe à $0.20 et $1.20. La recherche web coûte $10 pour 1,000 appels, auxquels s'ajoutent les jetons du contenu inspecté. Les requêtes de recherche documentaire (file search) sur la Responses API coûtent $2.50 pour 1,000 appels, avec un stockage à $0.10 par Go et par jour après le premier Go gratuit. Un conteneur hébergé de 1 Go pour du shell ou l'interpréteur de code démarre à $0.03 pour une session de 20 minutes.

Ces coûts unitaires ne révèlent pas le prix de revient d'une tâche accomplie de bout en bout. Seule votre trace d'exécution le montre. Calculez les tours de modèle, les appels d'outils, les tentatives relancées et les escalades humaines nécessaires pour chaque issue favorable. Ajustez ensuite votre sélection de modèle et vos quotas d'outils pour préserver la qualité de service.

Sept cas d'usage d'agents pertinents à déployer

Les meilleurs cas d'usage associent un acheteur clairement identifié, un workflow contraint et un livrable facilement vérifiable.

1. Agent de résolution pour le support client

Une équipe support e-commerce peut équiper un agent d'un accès aux documents d'aide validés et aux données de commande en lecture seule. L'agent identifie le client, extrait le statut de livraison, détaille les étapes suivantes et passe le relais à un opérateur pour toute demande de remboursement ou d'adresse. Le gain réside dans l'immédiateté de la prise en charge et la clarté des notes de transmission, non dans la disparition totale des agents humains.

2. Agent de recherche documentaire appuyé sur des preuves

Une équipe stratégie peut charger des rapports dans un espace de travail sécurisé et commander une synthèse comparative mentionnant les fichiers sources pour chaque affirmation. L'agent cherche, synthétise, croise les faits et génère un livrable structuré. Le bénéfice direct est de libérer les analystes de la recherche manuelle pour les recentrer sur l'analyse critique.

3. Agent de qualification commerciale et de préparation de rendez-vous

Une équipe commerciale B2B peut confier à un agent le traitement des leads entrants : enrichir les données de l'entreprise via des sources autorisées, évaluer les critères d'éligibilité et rédiger une fiche préparatoire. L'agent ne planifie un rendez-vous que si le prospect valide l'ensemble des conditions. L'entreprise y gagne une qualification régulière et moins de saisie dans le CRM, sans retirer le relationnel aux commerciaux.

4. Agent de réception et de tri opérationnel

Un gestionnaire immobilier peut faire analyser les e-mails de maintenance par un agent qui extrait le bâtiment, le numéro de logement, la nature de la panne, son urgence et les créneaux d'intervention souhaités. Il contrôle le dossier du locataire, crée un brouillon d'intervention et alerte sur les risques d'accident. Le bénéfice : moins de ressaisie manuelle et des ordres de service directement exploitables.

5. Agent de comparaison de contrats et de politiques internes

Une direction des achats peut charger un agent de confronter les contrats de prestataires aux clauses types de l'entreprise, de mettre les écarts en évidence et d'indiquer les pages concernées. Il prépare ainsi le dossier d'analyse sans valider les termes juridiques. Cela réduit la durée du premier tri tout en réservant la décision au service juridique.

6. Agent de support informatique interne (Helpdesk IT)

Une DSI peut relier un agent à destination des salariés à l'inventaire matériel, au statut des services internes et aux guides de résolution officiels. L'agent collecte les données de diagnostic, propose les manipulations sans risque et ouvre un ticket exhaustif. Le résultat se traduit par moins d'allers-retours avant qu'un technicien n'intervienne.

7. Agent sécurisé de traitement de code et de fichiers

Une équipe technique ou financière peut isoler des fichiers ou un dépôt dans une sandbox, limiter les commandes exécutables et fixer un répertoire d'exportation précis. L'agent examine les données, lance les calculs ou scripts, modifie un document et soumet les livrables à relecture. C'est ici que l'usage d'une sandbox prend tout son sens, car le travail exige un véritable espace d'exécution et un historique d'audit irréprochable.

Trois opportunités de produits à bâtir

L'expression générique « agent IA » ne constitue pas un marché en soi. Les trois opportunités suivantes répondent à de véritables intentions d'achat.

La plus porteuse : un agent vertical de support client

Développez un agent d'assistance taillé pour un écosystème logiciel précis, comme les boutiques Shopify, les logiciels de gestion locative ou les outils pour techniciens de terrain. Le client paie pour des tickets résolus et des passages de relais propres, non pour une simple interface de chat.

La demande économique est indiscutable. La requête « AI customer service agent » représente environ 720 recherches mensuelles sur Google, porte une intention commerciale forte et affiche un CPC de $264.61. Les utilisateurs posent également cette question aux assistants IA environ 69 fois par mois. La référence tarifaire actuelle d'Intercom est de $0.99 par résolution réussie par chat ou e-mail, application d'une procédure ou disqualification.

La version minimale commercialisable exige un canal de communication, une base documentaire certifiée, un outil d'interrogation du compte en lecture seule, une bascule vers l'humain et un tableau de bord des résultats. La véritable barrière à l'entrée ne réside pas dans l'appel au modèle : elle repose sur les connecteurs verticaux, la pertinence du jeu de test, la finesse du protocole d'escalade et la preuve factuelle que le problème du client a été convenablement traité.

C'est l'opportunité la plus stratégique : la mission est ciblée, l'acheteur est identifiable et l'efficacité se quantifie immédiatement. Le montant très élevé du CPC confirme l'intensité de la compétition commerciale sur cette cible.

Un agent de recherche documentaire certifié pour un secteur d'expertise

Concevez un espace de travail documentaire pensé pour un métier aux exigences strictes : auditeurs de conformité, rédacteurs d'appels d'offres, analystes de santé publique ou experts en audit d'acquisition (due diligence). L'agent doit explorer une sélection fermée de documents, relier chaque affirmation à sa source exacte, arbitrer entre données contradictoires et générer une synthèse normée.

La requête « AI powered research assistant » totalise environ 18,100 recherches Google par mois avec une forte composante transactionnelle. L'expression plus générale « AI research assistant » en enregistre 2,400 de plus. Elicit propose son forfait Pro à $49 par utilisateur et par mois et son offre Scale à $169, attestant que ces professionnels achètent volontiers des workflows de recherche documentés.

Le produit minimum viable (MVP) nécessite un format de documents cible, un modèle de livrable, un tableau d'éléments factuels indexés et une file d'attente pour validation. Le piège à éviter est la généralisation : un assistant sans spécialisation se heurte immédiatement aux géants du marché. La seule approche défendable repose sur la maîtrise d'une source de données exclusive, d'un processus sectoriel ou de critères de fiabilité hors de portée des outils généralistes.

Un agent de qualification commerciale et de relance

Créez un agent dédié aux leads entrants capable de répondre aux interrogations sur une offre, d'analyser l'adéquation du prospect, de mettre à jour le CRM, de préparer le contexte de l'échange et d'ouvrir l'agenda seulement si les prérequis sont validés. Commencez impérativement par le flux entrant. Les campagnes de prospection sortante non supervisées présentent des risques juridiques et d'image de marque considérables.

La requête « AI sales agent » enregistre environ 1,000 recherches Google mensuelles avec une intention commerciale avérée, assortie d'un CPC de $74.89. Intercom facture aujourd'hui une qualification commerciale réussie à $9.99, vous offrant un point de comparaison direct sur le marché.

Le MVP s'appuie sur un module de chat ou une adresse e-mail, une intégration CRM en lecture seule, une grille de critères sans équivoque, une synchronisation d'agenda et une relecture humaine avant tout message sensible. Le risque principal provient de données polluées : un agent, aussi performant soit-il, qualifiera des contacts inadaptés avec une certitude absolue s'il s'appuie sur un CRM incomplet.

Les garde-fous essentiels

Un agent ne transforme pas un code probabiliste en logique déterministe. Il intègre simplement cette part d'incertitude au cœur d'une boucle observable et sous contrôle.

• Ne mobilisez pas d'agent pour une logique métier rigide qu'un algorithme classique exécute parfaitement.
• N'octroyez aucun droit d'écriture avant que la version en lecture seule ne valide l'ensemble de vos cas réels.
• Ne vous reposez pas sur un unique garde-fou global. Les garde-fous natifs d'un agent n'encadrent pas systématiquement tous les outils hébergés ou tiers : le contrôle des permissions doit également opérer au niveau de votre application et de vos outils.
• Ne combinez jamais plusieurs mécanismes de mémoire au hasard. Le chevauchement de contextes induit des comportements erratiques et un gaspillage inutile de jetons.
• Ne commencez pas par un système multi-agents. OpenAI recommande d'exploiter pleinement le potentiel d'un agent unique adossé à ses outils avant d'introduire des mécanismes d'orchestration complexes.
• N'autorisez pas un modèle à valider seul des actions irréversibles. Les opérations critiques requièrent un arbitrage humain tant que vos métriques ne justifient pas une politique de validation plus souple.

L'outillage de sécurité s'avère précieux, mais la robustesse de l'architecture supporte l'essentiel de la charge. Le comparatif des outils de sécurité pour l'IA vous aidera à faire votre choix dès que vous aurez identifié les risques propres à votre système.

En toute franchise, le modèle d'IA est souvent la brique la plus simple du projet. L'effort produit le plus exigeant se concentre sur la conception des outils, les habilitations, l'hygiène des données, les jeux d'évaluation, les règles d'escalade et la rentabilité unitaire. Travaillez ces fondations avec rigueur, et votre agent deviendra un atout opérationnel précieux. Négligez-les, et vous n'obtiendrez qu'une démonstration séduisante transformée en un employé imprévisible disposant d'accès en production.

Si vous prévoyez de déployer un système adapté à votre architecture d'entreprise et à vos règles de validation, découvrez notre service de développement d'agents IA.