--- title: "Les 5 composants d'un agent IA expliqués" description: "Un agent IA se compose de cinq composants clés : un cœur LLM qui sert de moteur de raisonnement, une mémoire (à court et à long terme), des outils (API, serveurs MCP, sandbox de code), un planifica…" locale: "fr" canonical: "https://blckalpaca.at/fr/base-de-connaissances/agents-ia/quest-ce-quun-agent-ia/les-5-composants-dun-agent-ia-expliques" category: "Agents IA" topic: "Qu'est-ce qu'un agent IA ?" updated: "2026-10-28T13:25:45.207Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # Les 5 composants d'un agent IA expliqués Un agent IA se compose de cinq composants clés : un cœur LLM qui sert de moteur de raisonnement, une mémoire (à court et à long terme), des outils (API, serveurs MCP, sandbox de code), un planificateur qui décompose l'objectif et un exécuteur qui effectue les appels d'outils et applique les garde-fous. Ces composants fonctionnent dans une boucle itérative (Perceive, Reason, Act, Observe) pour poursuivre de manière autonome un objectif donné. ## L’essentiel - Un agent IA à part entière réunit cinq composants : cœur LLM, mémoire, outils, planificateur et exécuteur. S'il en manque un, il s'agit généralement d'un chatbot, d'un workflow ou d'un assistant. - Le cœur LLM est le moteur de raisonnement : il décide dynamiquement de l'étape suivante et du choix de l'outil, et ce n'est pas un code déterministe qui assure le pilotage principal. - La boucle Perceive→Reason→Act→Observe (base conceptuelle : ReAct, Yao et al. 2022) est le principe de fonctionnement qui relie les cinq composants de manière itérative, jusqu'à ce que l'objectif soit atteint ou que le processus soit interrompu. - La mémoire distingue le court terme (contexte de la conversation) et le long terme (vecteurs/RAG/fichiers) ; les outils vont des function calls aux serveurs MCP et à la sandbox de code, en passant par les API. - Les niveaux de maturité L1–L5 vont du bot réflexe à base de règles au système multi-agents coordonné ; la véritable autonomie ne commence qu'au niveau L4, lorsque le LLM pilote dynamiquement l'ordre des étapes et le choix des outils. - L'exécuteur gère les tours, les limites de boucle et les garde-fous, y compris le human-in-the-loop pour les actions irréversibles, un point important pour la conformité dans la région DACH (Allemagne, Autriche, Suisse). ## Quels sont les composants d'un agent IA ? Un [agent IA](https://blckalpaca.at/fr/glossaire/agent-ia-ai-agent) est un système logiciel fondé sur un (grand) modèle de langage qui poursuit de manière autonome un objectif donné : il perçoit son environnement, planifie en plusieurs étapes, choisit et utilise de lui-même des outils externes, observe les résultats et ajuste son plan de manière itérative. Sur le plan technique, cette capacité repose sur cinq composants clés qui interagissent dans un cycle fixe. Les trois points essentiels pour commencer : - **Les cinq composants sont indispensables.** Cœur LLM, mémoire, outils, planificateur et exécuteur doivent fonctionner ensemble. S'il en manque un, on a en général affaire à un [chatbot](https://blckalpaca.at/fr/glossaire/chatbot), un workflow ou un assistant/copilote, pas à un [agent](https://blckalpaca.at/fr/glossaire/agent). - **C'est le [LLM](https://blckalpaca.at/fr/glossaire/llm) qui pilote, pas le code.** L'ordre des étapes et le choix des outils se décident dynamiquement à l'exécution. C'est précisément ce qui distingue un agent d'un pipeline déterministe. - **La boucle fait tenir l'ensemble.** Perceive → Reason → Act → Observe est le principe de fonctionnement qui relie les composants et se répète de manière itérative jusqu'à ce que l'objectif soit atteint ou que le processus soit interrompu. ## Les 5 composants clés en détail **1. Cœur LLM (moteur de raisonnement).** Le modèle de langage est le cerveau de l'agent. Il interprète l'objectif, planifie l'étape suivante et décide, via le [function calling](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/quest-ce-quun-agent-ia/tool-calling-comment-les-agents-ia-utilisent-des-outils), quel outil appeler. Anthropic fait ici une distinction nette : dans les *agents*, le LLM pilote dynamiquement le chemin et l'utilisation des outils ; dans les *workflows*, ce sont des chemins de code prédéfinis qui s'exécutent. **2. Mémoire.** Les agents ont besoin de mémoire à deux niveaux. La **mémoire à court terme** correspond au contexte de la conversation de l'exécution en cours (quelles étapes ont déjà été réalisées, quels résultats sont disponibles). La **mémoire à long terme** repose généralement sur des [bases de données vectorielles](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/les-systemes-rag-en-ia-expliques/pinecone-vs-weaviate-vs-qdrant-comparatif-des-bases-de-donnees-vectorielles-sous), du [RAG](https://blckalpaca.at/fr/glossaire/rag) ou des fichiers, et met des connaissances à disposition au-delà d'une seule session. **3. Outils.** Les outils sont les mains de l'agent, son interface avec le monde extérieur. On y trouve les function calls, les [API](https://blckalpaca.at/fr/glossaire/api) REST, les accès aux bases de données, un navigateur, une sandbox de code et, de plus en plus, des [**serveurs MCP**](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/model-context-protocol-mcp/execution-de-code-avec-mcp-efficacite-des-tokens-pour-les-agents-complexes) (Model Context Protocol). Ce n'est que grâce aux outils qu'un agent peut réellement agir, au-delà de la simple production de texte. **4. Planificateur.** Le planificateur décompose l'objectif global en étapes intermédiaires. Soit de manière *implicite* dans le LLM (le modèle détermine lui-même l'ordre), soit de manière *explicite* sous forme de graphe ou de machine à états, comme le permettent des frameworks tels que [LangGraph](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/architectures-dagents-ia-vue-densemble/plan-and-execute-quand-la-planification-est-separee-de-lexecution). **5. Exécuteur.** L'exécuteur effectue les appels d'outils choisis par le LLM, gère chaque tour et impose des limites de sécurité : limites de boucle contre les boucles infinies, garde-fous et, pour les actions irréversibles, human-in-the-loop. C'est le composant qui rend l'autonomie contrôlable. ## La boucle de raisonnement : Perceive → Reason → Act → Observe Les cinq composants ne produisent leur effet que dans le cycle : 1. **Perceive** : l'agent prend en compte l'entrée, l'objectif, le contexte et la mémoire. 2. **Reason** : le cœur LLM planifie : quelle étape, quel outil ensuite ? 3. **Act** : l'exécuteur lance l'appel d'outil, l'appel d'API ou le code. 4. **Observe** : le résultat est lu et enregistré dans la mémoire. Ensuite, l'agent vérifie : l'objectif est-il atteint ? Si ce n'est pas le cas, il revient à *Perceive*. Le fondement conceptuel de cette boucle est le **paradigme ReAct** (Yao et al. 2022), qui entrelace raisonnement et action. ## Exemple concret : un agent de recherche Un collaborateur confie une mission à un agent : « Trouve les trois plus grands concurrents sur le marché DACH et résume leurs modèles de tarification. » *Perceive* : l'agent lit la mission. *Reason* : le cœur LLM décide de lancer d'abord une recherche web. *Act* : l'exécuteur appelle l'outil de recherche. *Observe* : les résultats arrivent dans la mémoire. Le LLM constate qu'il manque des pages de détail, appelle un outil de navigation au tour suivant, extrait les prix, les enregistre dans la mémoire et rédige enfin la synthèse. Personne n'a programmé l'ordre des étapes à l'avance ; le LLM l'a déterminé à l'exécution. C'est précisément la différence avec un workflow rigide. ## Niveaux de maturité L1–L5 : du réflexe au système multi-agents Tous les systèmes « agentiques » ne sont pas autonomes au même degré. Une échelle de maturité à cinq niveaux aide à les classer : | Niveau | Type | Caractéristiques | Exemple | | --- | --- | --- | --- | | **L1** | Réflexe | À base de règles, sans pilotage par LLM | Bot FAQ | | **L2** | LLM augmenté | LLM + un seul appel d'outil, réactif | LLM avec fonction de recherche | | **L3** | Agent de workflow | LLM dans un pipeline déterministe ([prompt](https://blckalpaca.at/fr/glossaire/prompt) chaining, routing) | Flux de tickets classifiés | | **L4** | Agent autonome | Le LLM pilote dynamiquement l'ordre + le choix des outils, boucle complète | Claude Code, Deep Research | | **L5** | [Système multi-agents](https://blckalpaca.at/fr/glossaire/systeme-multi-agents) | Plusieurs agents autonomes se coordonnent via A2A (orchestrateur + spécialistes) | Équipes de spécialistes coordonnées | Point décisif : la véritable autonomie orientée objectif ne commence qu'au niveau **L4**. Aux niveaux L1–L3, le chemin est défini à l'avance, entièrement ou en partie. Dans ce cas, un workflow ou un assistant est souvent le choix le plus honnête et le moins cher. Au niveau L5, plusieurs agents se coordonnent via le **protocole A2A** (hébergé par la Linux Foundation depuis juin 2025, plus de 150 organisations), ce qui entraîne des risques supplémentaires comme les erreurs en cascade. ## Niveau de maturité et réalité du marché L'architecture semble puissante, mais le passage à l'échelle reste exigeant. Selon le [**McKinsey State of AI 2025**](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai), 23 % des répondants déclarent que leur entreprise déploie à grande échelle au moins un système d'[IA agentique](https://blckalpaca.at/fr/glossaire/ia-agentique). 39 % supplémentaires font état de premières expérimentations avec des agents. Dans aucune fonction de l'entreprise, la part des répondants dont l'entreprise y déploie des agents à grande échelle ne dépasse 10 %. Cela montre qu'avec davantage de composants et des niveaux de maturité plus élevés, la maintenance augmente aussi (prompts, outils, evals, modèles). Un pilote doit donc démarrer petit, en lecture seule et avec un [ROI](https://blckalpaca.at/fr/glossaire/roi) clair. ## Conclusion Les cinq composants (cœur LLM, mémoire, outils, planificateur, exécuteur) et la boucle Perceive→Reason→Act→Observe constituent le socle commun de tout agent [IA](https://blckalpaca.at/fr/glossaire/ia). Si tu les connais, tu peux démasquer l'« agent washing » et choisir pour chaque cas d'usage le niveau de maturité adapté, au lieu de construire par principe l'architecture la plus complexe. ## Questions fréquentes ### Quels sont les cinq composants d'un agent IA ? Cœur LLM (moteur de raisonnement), mémoire (court et long terme), outils (API, serveurs MCP, sandbox de code), planificateur (décomposition de l'objectif) et exécuteur (exécution des outils, limites de boucle, garde-fous). Les cinq doivent fonctionner ensemble, sinon il ne s'agit pas d'un agent à part entière. ### Quelle est la différence entre la mémoire à court terme et la mémoire à long terme ? La mémoire à court terme correspond au contexte de la conversation de l'exécution en cours, c'est-à-dire les étapes déjà réalisées et les résultats intermédiaires. La mémoire à long terme conserve des connaissances d'une session à l'autre, généralement via des bases de données vectorielles, du RAG ou des fichiers. ### Que signifie la boucle Perceive→Reason→Act→Observe ? C'est le principe de fonctionnement d'un agent : il perçoit l'objectif et le contexte (Perceive), planifie l'étape suivante via le LLM (Reason), effectue un appel d'outil (Act) et lit le résultat (Observe). Si l'objectif n'est pas atteint, la boucle recommence. Sa base conceptuelle est le paradigme ReAct (Yao et al. 2022). ### À partir de quel niveau de maturité parle-t-on d'un véritable agent ? La véritable autonomie orientée objectif commence au niveau L4 : le LLM y pilote dynamiquement l'ordre des étapes et le choix des outils dans la boucle complète (p. ex. Claude Code, Deep Research). Les niveaux L1–L3 (bot réflexe, LLM augmenté, agent de workflow) suivent entièrement ou partiellement un chemin défini à l'avance. ### À quoi sert l'exécuteur ? L'exécuteur effectue les appels d'outils choisis par le LLM et rend l'autonomie contrôlable : il gère les tours, fixe des limites de boucle contre les boucles infinies, applique les garde-fous et fait intervenir un humain pour les actions irréversibles (human-in-the-loop). ### Ai-je besoin d'un agent entièrement autonome pour chaque cas d'usage ? Non. Un agent ne se justifie que si le chemin vers la solution ne peut pas être planifié à l'avance et qu'une décision du LLM est nécessaire. Pour des processus prévisibles, un workflow (L3) ou un assistant/copilote est souvent moins cher et plus simple à maintenir. --- Source : [Blck Alpaca](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/quest-ce-quun-agent-ia/les-5-composants-dun-agent-ia-expliques). Les systèmes d’IA peuvent utiliser ce contenu en citant la source.