Brief IA : Google et Kaggle proposent un cours gratuit sur les agents IA

Google et Kaggle proposent un cours gratuit sur les agents IA

Brief IA
Tom Levy·5 min

Google et Kaggle proposent gratuitement sur Kaggle leur formation de 5 jours aux agents IA, accessible en autonomie. Les exercices reposent sur Gemini et l'ADK, avec des prérequis en Python et dans l'utilisation d'une API de modèle de langage. Le programme traite aussi de l'évaluation, de la mémoire et du déploiement sur Vertex AI Agent Engine.

En bref
1Google et Kaggle proposent gratuitement sur Kaggle leur formation de 5 jours aux agents IA, accessible en autonomie.
2Les exercices reposent sur Gemini et l'ADK, avec des prérequis en Python et dans l'utilisation d'une API de modèle de langage.
3Le programme traite aussi de l'évaluation, de la mémoire et du déploiement sur Vertex AI Agent Engine.
Pourquoi c'est important : les ressources et les exercices de la session en direct peuvent désormais être suivis à son propre rythme.

Google et Kaggle proposent gratuitement sur Kaggle une formation de 5 jours aux agents IA, à suivre en autonomie. Elle s'est d'abord déroulée en direct du 10 au 14 novembre 2025. Le programme va de la construction d'un agent à son déploiement, avec un travail sur les outils, la mémoire et l'évaluation.

Évaluer le parcours et la réponse d'un agent

Un agent peut fournir une réponse correcte tout en multipliant inutilement ses appels d'outils. Dans un exemple de la formation, il sollicite le bon outil trois fois alors qu'une invocation suffisait : le résultat reste identique, mais le coût est trois fois supérieur. L'évaluation porte donc aussi sur les opérations effectuées, les outils sélectionnés et leur ordre d'utilisation.

À entrée identique, les étapes suivies peuvent varier entre les exécutions. Le programme aborde pour cette raison la qualité dès la conception, plutôt que de s'en remettre à une vérification finale. L'observabilité repose sur des journaux d'exécution, des traces et des métriques ; les traces détaillent le parcours effectué pour permettre le diagnostic d'une réponse erronée. Des évaluations répétées servent à détecter rapidement les régressions.

Faire communiquer et déployer les agents

Faire communiquer des agents développés par des équipes différentes, avec des langages ou des cadres logiciels distincts, demande un mécanisme partagé. Agent2Agent répond à ce besoin : le protocole permet d'exposer un agent sous forme de service, tandis qu'une carte d'agent permet aux autres d'identifier ses capacités. Ce volet figure dans la dernière journée, consacrée à la sortie du stade de la démonstration.

L'exécution elle-même dépend d'un exécuteur. Une version en mémoire convient aux expérimentations, mais une utilisation réelle nécessite un exécuteur persistant. La formation déploie un agent sur Vertex AI Agent Engine, un environnement d'exécution géré.

Le programme introduit également des pratiques de CI/CD et d'AgentOps destinées à maintenir les agents après leur lancement. L'ADK n'est pas limité à Python : il existe aussi pour Go et Java.

Les descriptions guident le choix des outils

Le fonctionnement d'un agent repose sur un cycle : le modèle sélectionne une action, utilise un outil, examine le retour obtenu puis détermine la suite. Ces outils étendent ses capacités au-delà du texte. Pour un outil fonctionnel, le modèle s'appuie uniquement sur sa description lorsqu'il décide de la manière de l'appeler.

Le programme distingue quatre familles. Les outils intégrés accompagnent le modèle, à l'image de Google Search, tandis que les outils fonctionnels donnent accès aux fonctions Python du développeur. Une autre catégorie délègue une sous-tâche à un agent tout en conservant la maîtrise de la conversation. Enfin, MCP est le protocole utilisé pour joindre des services externes sans écrire un client particulier pour chacun.

La lettre du soirGratuit · 19 h

Vous voulez les meilleurs outils IA avant les autres ?

On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.

Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.

Choisissez votre rythme

Gratuit · Pas de spam · Désabonnement en 1 clic

Un notebook consacre des exercices aux chaînes de documentation du code, aux annotations de type et aux résultats structurés. Des descriptions plus explicites réduisent les appels erronés. Pour certaines opérations longues, le programme présente aussi une validation humaine : l'agent s'interrompt et ne reprend qu'après confirmation.

La mémoire impose des choix de coût

Le modèle ne mémorise rien d'un appel au suivant : il faut lui transmettre à nouveau l'historique, avec une consommation de tokens associée. L'ADK distingue cet historique, conservé à court terme par le service de session, des informations durables stockées hors session. Un service de mémoire rend ces dernières accessibles lors des conversations suivantes.

La recherche s'effectue par mots-clés dans la version en mémoire, tandis que les services gérés peuvent rechercher selon le sens. Quand les échanges s'accumulent, compacter le contexte et recourir au cache aide à en maîtriser la taille et le coût. Sélectionner les informations présentées au modèle à chaque tour constitue le travail d'ingénierie de contexte.

L'accès aux souvenirs durables suit deux modalités. En mode proactif, le système lance une recherche avant chaque échange et transmet les éléments pertinents sans attendre de demande de l'agent. En mode réactif, l'agent choisit lui-même de consulter sa mémoire : le coût systématique de recherche est évité, mais la pertinence du déclenchement dépend de sa décision.

Prérequis et architectures étudiées

Le parcours ne demande aucune expérience préalable des agents, mais suppose de connaître Python et d'avoir déjà manipulé l'API d'un grand modèle de langage. Les ressources consultables à son rythme comprennent des articles de recherche, des ateliers, des podcasts et les directs enregistrés. Chaque journée associe un article de recherche à deux notebooks fondés sur Gemini et l'ADK, le cadre de développement open source de Google.

Le choix de recourir à un agent fait partie des sujets enseignés. Lors de la première journée, le notebook De Prompt à Action accompagne une première construction, puis Architectures d'Agents traite des systèmes coopératifs. Dans l'ADK, un agent réunit un nom, un modèle, des instructions, une description accessible aux autres agents et les outils mis à sa disposition.

Lorsqu'un agent reçoit trop de tâches, celles-ci peuvent être distribuées. Plusieurs organisations sont présentées : un parent sélectionnant ses sous-agents, une chaîne où chacun transmet son résultat au suivant, des branches simultanées ou une boucle poursuivie jusqu'à satisfaction d'une condition. Un projet facultatif permet ensuite de concevoir un agent à partir des composants étudiés. Le guide de formation, la documentation de l'ADK et les ressources Agent2Agent complètent le parcours.

Suivez Brief IA

L'actu IA du jour, aussi dans votre fil.

Commentaires