Au-delà du chat : assistants personnalisés, outils, RAG et agents

Jusqu'ici, nous avons utilisé l'IA dans une fenêtre de conversation. Mais les outils évoluent : assistants que l'on configure une fois pour toutes, modèles qui utilisent des outils, systèmes qui répondent à partir de vos documents, agents qui enchaînent des actions. Cette leçon vous donne une compréhension conceptuelle de ces évolutions, sans technique, pour que vous sachiez ce qu'elles apportent, ce qu'elles risquent, et comment garder la main.

1. Les assistants personnalisés

Beaucoup de plateformes permettent de créer un assistant personnalisé (selon les outils : « assistant sur mesure », « GPT personnalisé », « agent », « projet » ou « espace »). Il s'agit en général d'un modèle accompagné de :

• des instructions permanentes (rôle, ton, règles, format), comme les consignes personnalisées vues au chapitre 2 ;
• éventuellement des documents de référence (guide interne, glossaire, exemples) ;
• parfois des outils activés (recherche, calcul, accès à d'autres applications).

C'est exactement ce que vous construisez avec votre bibliothèque de prompts : un assistant personnalisé n'est que la version « prête à l'emploi » de vos meilleurs prompts.

Comment concevoir un bon assistant personnalisé

1. Une mission précise : « Assistant de réponse aux demandes d'information des adhérents » vaut mieux que « Assistant qui fait tout ».
2. Des instructions claires : rôle, public, ton, format de sortie, règles de prudence, ce qu'il doit refuser ou renvoyer à un humain.
3. Des exemples de bonnes réponses (few-shot).
4. Des documents sources fiables et à jour, sans données personnelles.
5. Une règle d'honnêteté : « Si l'information n'est pas dans les documents, dis-le et propose de contacter [personne]. »
6. Des tests avec un jeu de cas, dont des pièges (question hors sujet, tentative de lui faire ignorer ses consignes).

2. Outils et plug-ins : donner des « mains » au modèle

Un modèle de langage seul ne fait que produire du texte. Associé à des outils, il peut agir au-delà : chercher sur le web, exécuter du code pour calculer, lire des fichiers, interroger un calendrier ou une base de données, envoyer un message. Selon les produits, on parle de plug-ins, d'extensions, de connecteurs ou d'appel d'outils.

Le principe : le modèle décide d'utiliser un outil, l'application exécute l'outil et renvoie le résultat au modèle, qui s'en sert pour rédiger sa réponse. Cela réduit certaines limites (connaissances datées, calculs fragiles), mais pas toutes : le modèle peut mal choisir l'outil, mal lire le résultat ou mal le résumer.

3. Le RAG : répondre à partir de vos documents

Un modèle ne connaît ni vos documents internes, ni les informations postérieures à son entraînement. Comment lui faire répondre à partir de vos propres sources ? Une approche courante s'appelle le RAG (« Retrieval-Augmented Generation », génération augmentée par la recherche).

Le principe, sans technique

1. Préparation : vos documents (guides, procédures, comptes rendus) sont découpés en morceaux et indexés pour pouvoir être retrouvés facilement par leur sens.
2. Recherche : quand vous posez une question, le système retrouve les extraits les plus pertinents dans ces documents.
3. Génération : ces extraits sont ajoutés au prompt, avec votre question, et le modèle rédige une réponse à partir d'eux, souvent avec l'indication des passages utilisés.

Une analogie : un bibliothécaire qui, à votre question, va chercher les bonnes pages et les pose devant un rédacteur qui rédige la réponse. Ce que vous avez fait à la main au chapitre 2 (coller un document et demander de s'y tenir) est la version artisanale du RAG.

Ce que le RAG apporte, et ce qu'il ne garantit pas

• Avantages : des réponses ancrées dans vos documents, des sources citables, une mise à jour en changeant les documents plutôt qu'en réentraînant un modèle.
• Limites : si la recherche ne retrouve pas le bon passage, la réponse sera mauvaise ; si les documents sont obsolètes, contradictoires ou mal structurés, les réponses le seront aussi ; le modèle peut encore mal interpréter un passage ou combler des trous.
• Conséquence : exigez les citations des passages utilisés, et vérifiez-les ; maintenez les documents à jour ; testez avec des questions dont vous connaissez la réponse.

4. Agents et automatisations

Un agent est un système qui, à partir d'un objectif, planifie et enchaîne des actions en utilisant des outils, avec plus ou moins d'autonomie : par exemple « surveille ma boîte de réception, classe les demandes, prépare des brouillons de réponse et ajoute les rendez-vous à mon agenda ». Une automatisation est un enchaînement d'étapes déclenché par un événement (un e-mail reçu, un formulaire rempli) où l'IA intervient à une ou plusieurs étapes (classer, résumer, rédiger).

Ce que cela change

On passe de « je demande, l'IA répond » à « je délègue, l'IA agit ». C'est séduisant pour les tâches répétitives, mais le risque change de nature : une erreur n'est plus seulement un mauvais texte, c'est une action réalisée (un message envoyé, un fichier supprimé, un achat effectué).

Les risques à connaître

• Erreurs qui se propagent : une mauvaise interprétation au début se répercute sur toute la chaîne d'actions.
• Actions irréversibles : envoi, suppression, paiement, publication.
• Droits trop larges : un agent avec accès à tout peut tout abîmer.
• Injection de consignes : un contenu externe (page web, e-mail, document) peut contenir des instructions cachées qui détournent l'agent de sa mission.
• Manque de traçabilité : on ne sait plus ce qui a été fait, ni pourquoi.
• Sur-confiance : l'habitude de voir « ça marche » endort la vigilance.

Garder l'humain dans la boucle

1. Commencez petit : une tâche simple, peu risquée, sur des données non sensibles.
2. Limitez les droits : accès en lecture seule d'abord ; le strict nécessaire.
3. Prévoyez une validation humaine avant toute action à effet externe : l'agent prépare, vous validez, vous envoyez.
4. Gardez des traces : un journal de ce qui a été fait.
5. Prévoyez un arrêt d'urgence et un moyen de revenir en arrière.
6. Testez avec des cas pièges avant de laisser fonctionner seul.
7. Réévaluez régulièrement : l'automatisation qui marchait peut dériver quand les données ou les outils changent.

Choisir la bonne approche

Pour la plupart des usages personnels, une bibliothèque de prompts bien faite suffit largement. Ne complexifiez qu'en cas de besoin réel et d'un bénéfice mesurable.

À vous de jouer

Exercice. Concevez sur papier un assistant personnalisé pour l'une de vos tâches : donnez-lui un nom, une mission, des instructions, trois documents de référence, deux exemples de réponses attendues et trois règles de prudence. Puis imaginez une automatisation simple (par exemple « classer les demandes reçues »). Listez les risques et les points de validation humaine.

Vous avez parcouru l'essentiel : comprendre, prompter, tester, vérifier, utiliser. Il est temps de rassembler tout cela dans votre projet final : votre assistant personnel de travail.