Agents IA en entreprise : cinq usages sûrs pour débuter

Les agents IA s'invitent dans les entreprises françaises

L'intégration des agents IA dans les entreprises françaises avance avec précaution. Actuellement, ces technologies sont principalement utilisées dans des secteurs comme la supply chain, la prévision de la demande et la logistique. Cependant, la complexité opérationnelle freine leur adoption à grande échelle. Anthony Cirot, vice-président EMEA South chez Google Cloud, indique que les entreprises ne déploient que 2 à 5 cas d'usage, alors que le potentiel identifié s'élève à près de 200.

Pour faciliter l'adoption des agents IA, cinq chantiers sont identifiés comme plus simples à mettre en œuvre : l'onboarding, les FAQ internes, les demandes répétitives, la préparation de documents et le support aux équipes.

Onboarding : un allié pour les ressources humaines

L'onboarding, ou l'intégration des nouveaux employés, est un processus qui peut bénéficier de l'automatisation grâce aux agents IA. Ce domaine repose sur des règles claires et des documents préexistants, ce qui réduit les risques d'erreurs impactant directement les clients ou la production. Les agents IA peuvent décharger les ressources humaines de tâches administratives répétitives, offrant ainsi une expérience fluide aux nouveaux arrivants.

La mise en place de ces agents nécessite de définir clairement leurs rôles et objectifs. Par exemple, un agent inspecteur peut vérifier la présence de documents administratifs, tandis qu'un agent secrétaire transforme ces informations en messages accueillants.

Pour mettre en œuvre ce système, il est essentiel de configurer correctement les agents. Cela commence par l'installation des outils nécessaires via le terminal, comme PowerShell sur Windows ou Terminal sur Mac, en utilisant la commande :

pip install crewai langchain-[openai](/dossier/openai)

Cette commande permet d'installer les moteurs essentiels pour le projet : crewai, qui facilite la création et la coordination des agents, et langchain-openai, qui permet à CrewAI de communiquer avec l'IA d'OpenAI.

Ensuite, il faut créer un dossier nommé MonProjetRH sur le bureau, avec une structure spécifique à l'intérieur :

• onboarding_jean/ (avec deux fichiers vides : "RIB.txt" et "contrat_signe.txt")
• verif_onboarding.py (où sera écrit le code)
• .env (pour la clé API)

La clé API est obtenue sur "https://platform.openai.com/" sous "API keys" > "Create new secret key" et doit être ajoutée au fichier ".env" :

OPENAI_API_KEY=NOTRE_API_KEY

Le code suivant est ensuite écrit dans verif_onboarding.py à l'aide d'un éditeur de texte comme le bloc-notes ou VS Code :

from crewai import Agent, Task, Crew
from crewai_tools import DirectoryReadTool
from dotenv import load_dotenv

# 1. L'outil pour regarder dans le dossier
outil_dossier = DirectoryReadTool(directory='./onboarding_jean')

# 2. PREMIER AGENT : L'Inspecteur (le "cerveau" technique)
inspecteur = Agent(
    role="Vérificateur RH",
    goal="Vérifier si RIB.txt, contrat_signe.txt et mutuelle.txt sont présents.",
    backstory="Tu es un assistant administratif précis et rigoureux.",
    tools=[outil_dossier],
)

# 3. DEUXIÈME AGENT : Le Secrétaire (le "cœur" de la communication)
secretaire = Agent(
    role="Secrétaire RH",
    goal="[Transformer](/glossaire/transformer) le rapport technique en un message poli pour l'employé.",
    backstory="Tu es accueillant et tu aimes aider les nouveaux arrivants.",
)

# 4. PREMIÈRE MISSION : Vérification (brute)
mission_verif = Task(
    description="Regarde dans le dossier et liste les documents manquants.",
    expected_output="Une liste brute des documents absents.",
    agent=inspecteur
)

# 5. DEUXIÈME MISSION : Mise en forme (polie)
mission_polie = Task(
    description="Prend la liste des manquants et rédige un message très poli pour demander au nouvel employé de les envoyer.",
    expected_output="Un message de bienvenue chaleureux incluant la liste des documents à fournir.",
    agent=secretaire,
    context=[mission_verif]  # <--- C'est ici que le Secrétaire "lit" le travail de l'Inspecteur
)

# 6. LANCEMENT DE L'ÉQUIPE (On met les 2 agents et les 2 missions)
agents=[inspecteur, secretaire],
tasks=[mission_verif, mission_polie]
resultat = equipe.kickoff()
print("\n--- MESSAGE FINAL DE VOTRE ÉQUIPE D'AGENTS ---")

Dans ce système, l'agent inspecteur fait l'inventaire et rédige un rapport brut. CrewAI le récupère et le passe à l'agent secrétaire qui rédige un message poli.

Pour exécuter ce programme, il suffit de se placer dans le dossier via PowerShell et de taper :

python verif_onboarding.py

Les tâches sont ainsi mises en place. L'agent "vérificateur RH" utilise l'outil list_files_in_directory pour examiner le dossier informatique de l'employé. Il constate l'absence du document de la mutuelle. Ensuite, l'agent "Secrétaire RH" rédige un e-mail structuré et professionnel, prêt à être envoyé. Il demande à l'employé l'attestation de mutuelle tout en lui souhaitant la bienvenue.

FAQ interne : un inspecteur et un secrétaire à disposition

Les agents IA de la FAQ utilisent le RAG ("Retrieval Augmented Generation"), ce qui élimine presque totalement le risque d'hallucinations. Il suffit de modifier les documents de la FAQ pour que les agents se mettent à jour automatiquement. Ce système peut notamment libérer les experts (RH, IT, Services Généraux) des questions répétitives, comme :

• "Quel est le code wifi ?"
• "Comment déclarer un sinistre ?"

Pour installer cela, nous créons d’abord un agent "Inspecteur de la FAQ". Son seul rôle est de "lire" les documents. Ceux-ci peuvent, par exemple, être situés dans le dossier onboarding_jean, créé dans le précédent exemple. Après cela, l’agent "Secrétaire de la FAQ" prend l'information brute et fournit une réponse adaptée à l'employé.

La mise en place technique est "dépouillée". Une seule ligne dans le terminal :

pip install crewai langchain-openai

sert à installer les moteurs de l'IA. Un unique dossier sur le bureau (MonProjetRH) suffit pour stocker les documents et le code. Les documents de FAQ sont les seules "clés du bureau" à donner à l'agent. Il n'a accès à rien d'autre, ce qui garantit une meilleure sécurité. Comme nous l'avons vu dans le code verif_onboarding.py, CrewAI fait le lien entre ces agents. Il prend la réponse trouvée dans vos documents et la passe à l’agent chargé de la communication.

Concrètement, pour démarrer, identifiez les questions fréquentes. Puis, mettez les réponses dans un dossier. Et lancez votre agent avec la commande :

python verif_onboarding.py

Vous pouvez vous servir d'un simple canal Slack, Teams ou d'une petite fenêtre de chat interne comme interface pour que l'employé pose une question.

Demandes répétitives : logistique et support IT pour gagner du temps

Les demandes de matériel informatique (ordinateurs, écrans, souris) peuvent être fréquentes. Le déploiement d’agents IA peut être intéressant pour pallier cela sans trop de risque. L’inventaire informatique ne repose normalement pas sur des données sensibles. La gestion de stock est binaire : soit l'objet est là (1), soit il n'est pas là (0). Une erreur est généralement minime.

Vous pouvez d’abord créer un agent logistique pour vérifier si le matériel est en stock. Ensuite, l’agent "Support IT" confirme la commande ou propose une alternative. L’installation est toujours aussi simple, via le terminal :

pip install crewai langchain-openai

On crée un dossier sur le bureau avec cette organisation :

• inventaire/ (on y place un fichier stock.txt listant par exemple : "2 PC Portables, 5 Souris, 0 Écrans". On peut utiliser une fonction Python update_stock pour soustraire physiquement le matériel du stock dès qu'une commande est validée.)
• gestion_materiel.py (Le code de vos agents)
• .env (la clé API)

Dans le fichier gestion_materiel.py, l'agent Logistique va scanner le fichier stock.txt. Si un employé demande un écran, l'agent va voir "0 Écrans". CrewAI transmettra l’information à l'agent Support IT. Celui-ci va par exemple rédiger : "Bonjour, j'ai bien reçu votre demande d'écran. Malheureusement, nous sommes en rupture de stock. Je vous préviens dès que nous en recevons de nouveaux la semaine prochaine."

Préparation de documents : analyseur et rédacteur main dans la main

La préparation de documents (contrats, comptes rendus, courriers types) offre la possibilité de donner à l'IA ses propres modèles de documents. Le contrôle final de l’humain existe également. Comme pour l'onboarding, nous définissons deux rôles complémentaires. L’agent "Rédacteur technique" collecte les informations brutes (nom, date, objet) et remplit un modèle de document. L'agent "Correcteur / Relecteur" vérifie le ton, l'orthographe et s'assure que le message est prêt à être envoyé.

Pour installer cela, nous utilisons la même procédure que pour notre projet RH. L’installation s’effectue dans le terminal via :

pip install crewai langchain-openai

Un dossier MonProjetDocs avec un sous-dossier modeles/ contient les fichiers Word ou texte types. L'agent "Inspecteur" vérifie les données sources, et l'agent "Secrétaire" rédige le document final.

Le fichier prepa_docs.py remplace le précédent verif_onboarding.py. Voici le code :

from crewai import Agent, Task, Crew
from dotenv import load_dotenv

# 1. PREMIER AGENT : L'Analyseur (il extrait les données)
analyseur = Agent(
    role="Analyseur de Données Client",
    goal="Extraire le nom du client et le modèle de document à remplir.",
    backstory="Tu es un assistant qui collecte les informations nécessaires pour la rédaction.",
)

Ce code permet à l'agent d'extraire les informations nécessaires pour remplir un document. Ensuite, l'agent "Rédacteur" utilise ces données pour créer un document final prêt à être envoyé. Cette approche assure que les documents sont préparés avec précision et efficacité, tout en permettant une vérification humaine avant l'envoi final.