Construire avec Claude Code — deux agents

Agents at Work — CC BY 4.0

Jusqu’à présent, tout vous a préparé à en créer un sans blesser personne — y compris vous-même. Passons maintenant à la création. Deux agents, et le second n’est pas celui auquel vous vous attendiez : vous en créez un pour qu’il fonctionne, et un autre pour observer son échec. C’est cet échec qui constitue la leçon.

Si vous avez suivi la leçon « Travailler avec Claude », vous y avez découvert Claude Code — la version de Claude capable de lire vos fichiers, d’exécuter des outils et de mener à bien une tâche de bout en bout sur votre propre machine. C’est ce que nous appelons un « job ». Vous n’avez pas besoin d’être programmeur ; vous devez être capable de décrire un « job » clairement et de faire preuve de la discipline acquise au cours des cinq dernières leçons. C’ est le Point d’ancrage n° 1 : apprendre en le faisant une fois, à petite échelle.

Construisons A — un bon agent, de bout en bout (le modèle transférable)

Nous construisons un vérificateur de rapprochement: un agent qui lit un lot de factures et un relevé bancaire, et signale celles qui ne correspondent pas. Ce choix est délibéré : après avoir passé le triage de niveau 1, le projet atterrit directement dans le panier des agents: une règle que vous pouvez consigner par écrit, facilement réversible, une erreur qui n’affecte personne en particulier, et vos propres chiffres plutôt que les données de quelqu’un d’autre. Ce n’est pas une coïncidence ; c’est ainsi que vous devriez choisir votre premier projet concret.

Construisez-la dans l’ordre enseigné dans le cours, car cet ordre constitue le modèle transposable :

1. Définissez le périmètre d’action (2.1). En lecture seule. Il ne voit qu’un dossier de factures et un fichier de relevés. Il ne peut ni écrire, ni envoyer, ni payer, ni accéder à quoi que ce soit d’autre. Le pire qu’il puisse faire est de marquer à tort une ligne, et vous le repérerez.
2. Rédigez les critères, pas des impressions (2.3). La règle de correspondance, de manière explicite : ce qui est considéré comme une correspondance, quelle tolérance, qu’est-ce qu’une exception. L’agent renvoie les non-correspondances qu’il a trouvées et explique pourquoi — des preuves — et non pas « les comptes semblent corrects ».
3. Définissez les garde-fous (3.1). L’agent signale ce dont il n’est pas sûr plutôt que de deviner. Il ne devine jamais un chiffre. Il s’arrête dès qu’il rencontre un élément qui sortirait du cadre — il n’y a rien à envoyer ici, et c’est justement le but d’une première version.
4. Testez-le (3.2). Vérifiez un échantillon par rapport à la source. Fournissez-lui une instruction délibérément erronée et assurez-vous qu’il détecte l’erreur. Faites-lui confiance parce qu’il a réussi le test, pas parce que c’est vous qui l’avez créé.

Voilà un agent complet, utile et sûr — et sa structure se transpose directement au prochain que vous créerez. (Si votre goulot d’étranglement est la boîte de réception plutôt que les livres, ces mêmes quatre étapes permettent de créer un assistantde tri de la boîte de réception qui trie et rédige des brouillons mais n’ envoie jamais — notez simplement qu’il touche désormais aux données d’autres personnes, donc la question relative aux données du niveau 1 passe en premier.)

Agent B — le Recruteur, conçu pour observer son échec

Passons maintenant à la situation délicate. Nous construisons le recruteur « expurger puis noter » — l’agent que les conseils conventionnels jugent acceptable : supprimer les noms, le laisser noter, garder un humain en fin de processus. Nous le construisons spécifiquement pour que vous puissiez voir ces conseils s’effondrer entre vos propres mains.

1. Construisez l’agent « cacher puis noter ». Il prend les candidatures, masque les champs d’identité évidents — nom, âge, photo, adresse — et note le reste selon des critères. Exactement le « tri IA sécurisé » qu’un fournisseur vous vendrait.
2. Lancez-y le test de permutation des noms (3.2). Prenez une demande. Évaluez-la. Maintenant, ne changez que le nom — rien d’autre — et réévaluez-la. Répétez ensuite l’opération sur un lot : permutez les genres, permutez les noms d’origines manifestement différentes, en gardant tout le reste inchangé.
3. Observez ce qui se passe. Le score varie. Il varie parce que le modèle reconstitue l’identité à partir des indicateurs que vous n’avez pas masqués — l’école, l’adresse, les lacunes, la formulation — exactement comme l’avait prévenu Tier 2. Vous avez masqué le nom et le biais s’est infiltré par le code postal.
4. Maintenant, tirez-en la véritable leçon. Vous avez fait tout ce que la version « sans risque » vous a dit de faire. Vous avez masqué les informations. Vous avez laissé un humain intervenir en dernier ressort. Et votre propre test vient de montrer que le résultat est faussé par l’identité que vous pensiez avoir supprimée. C’est là qu’un développeur d’agents gagne son salari : vous apprenez à dire non. Pour une décision à enjeux élevés concernant une personne, lorsque les corrections fuient et que le test revient biaisé, la réponse rigoureuse est un processus restreint, sans classement, décidé par un humain — ou de ne pas automatiser la décision du tout.

Le but de la version B n’a jamais été d’obtenir un classement de CV fonctionnel. C’est le jugement qui consiste à prendre du recul — la chose la plus précieuse que ce cours puisse vous apporter, et celle à laquelle vous ne croirez qu’une fois que vous l’aurez vue échouer sur votre propre écran.

Ce que vous avez réellement construit

Deux schémas que vous pouvez réutiliser dans toute la galerie : la construction sûre (portée → critères → garde-fous → test) pour les tâches qui relèvent d’un agent, et l’arrêt honnête pour celles qui n’en relèvent pas, quelle que soit la capacité de l’outil. Les deux relèvent de la même discipline orientée dans des directions opposées — et c’est à vous de répondre de ces deux choix.

Suivant

Vous pouvez en créer une sur un outil public. La dernière leçon de ce niveau pose une question plus précise : sur quel ordinateur fonctionne-t-elle, et à quelles lois les données sont-elles soumises ? L’option souveraine.