Aller au menu Aller au contenu

Par Pape Moussa Ndiaye, directeur technique, Développement et technologies

Dans la première partie de son billet, « Au-delà du prompt », Pape Moussa a posé les fondations d’un système agentique en suivant le projet Larochelle Curriculum: le fichier AGENT.md pour transmettre le contexte, les skills pour spécialiser les agents, les subagents pour déléguer, le niveau de raisonnement pour adapter l’effort, et les serveurs MCP pour connecter des outils.
Place maintenant à la deuxième partie : comment faire travailler tous ces éléments ensemble pour réaliser une tâche complexe ? C’est le rôle de l’orchestration.

Orchestrer l’ensemble pour réaliser des tâches complexes

Nous disposons maintenant des principaux composants d’un système agentique : le contexte fournit les connaissances, les skills définissent des méthodes, les subagents prennent en charge des tâches spécialisées et les serveurs MCP donnent accès aux outils.

Il reste à décider dans quel ordre les mobiliser, quelles tâches exécuter en parallèle et comment regrouper leurs résultats. C’est précisément le rôle de l’orchestration.

L’orchestration consiste à planifier et à coordonner le travail des agents, des skills et des outils. Elle précise les étapes à suivre, les dépendances entre les tâches, ce qui peut être exécuté en parallèle, les livrables attendus et la manière dont les résultats seront vérifiés puis regroupés.

Ici, nous allons nous concentrer sur OpenAI avec ChatGPT et sur Anthropic avec Claude.

Partons de l’exemple suivant :

Larochelle répond régulièrement à des appels d’offres. Pour chacun, il faut repérer les employés qui possèdent les compétences exigées, puis produire un CV adapté à chaque profil retenu. Aujourd’hui, ce travail se fait à la main et prend plusieurs jours. L’entreprise décide donc d’ajouter à Larochelle Curriculum la fonctionnalité « Profils pour appel d’offres » : saisir les exigences, obtenir une liste d’employés classés par correspondance, puis générer les CV. Ce changement exige de nouveaux écrans ainsi qu’un module dédié dans le backend. Pour garder l’exemple lisible, nous laisserons de côté les autres composantes d’une réponse à un appel d’offres.

Agents disponibles :

  • Redacteur-de-specification : s’occupe de rédiger les spécifications d’un parcours utilisateur ;
  • Designer-ux : s’occupe de concevoir le prototype des pages applicatives ;
  • Frontend-dev : implémente les fonctionnalités visuelles de l’application et communique avec le Backend ;
  • Backend-dev : implémente les fonctionnalités côté serveur qui communiquent avec la base de données et les services tiers ;
  • Reviseur-de-code : est responsable d’effectuer les revues de code des implémentations ;
  • Composeur-de-tests : s’occupe d’écrire des tests unitaires et d’intégration ;
  • Testeur-local : teste l’application dans votre environnement local, comme le ferait un spécialiste de l’assurance qualité, afin de confirmer le bon fonctionnement d’une fonctionnalité et de détecter les anomalies.

L’orchestration des agents reposera sur la structure du prompt que nous leur donnerons. Il est donc important de construire notre prompt afin de permettre à nos agents d’atteindre notre objectif. Dans notre exemple, plusieurs éléments entrent en jeu : certains doivent être exécutés en séquence, tandis que d’autres peuvent l’être en parallèle. Pour cela, nous utiliserons l’approche du prompt maître (master prompt).

Un prompt maître est un ensemble complet d’instructions qui définit la manière dont une IA doit se comporter, réfléchir et répondre au fil des conversations. C’est un peu comme attribuer à l’IA une fiche de poste détaillée, doublée d’un profil de personnalité.

Contrairement aux instructions simples, qui sont ponctuelles, les prompts maîtres établissent un contexte persistant qui façonne chaque interaction, garantissant ainsi des réponses cohérentes, de haute qualité et adaptées à vos besoins précis (réf. : My master prompt).

Ici, le prompt maître désigne l’instruction centrale qui décrit l’objectif, les contraintes, les rôles, les phases de travail et les livrables attendus. Il sert de plan d’exécution à l’agent principal et lui permet de coordonner les autres agents de manière cohérente tout au long de la tâche. Le document suivant détaille cette structure :

 

 

Maintenant que notre prompt est établi, transmettons-le à Claude et à Codex afin de voir comment ils gèrent l’orchestration.

Dans Codex comme dans Claude, l’orchestration repose principalement sur l’agent principal. Celui-ci conserve le prompt maître et le contexte global, lance les subagents requis pour chaque phase, puis rassemble leurs résultats. Les subagents exécutent les tâches déléguées dans leur propre contexte, tandis que l’agent principal suit les dépendances et fait progresser le travail jusqu’à la fin du processus.

Les agents ont accès à tous les outils mis à leur disposition dépendamment des autorisations que vous, l’utilisateur, lui conférez (serveurs MCP, skills et applications).

Claude possède une autre approche d’orchestration : les équipes d’agents (agent teams). Ce mode permet de coordonner plusieurs instances de Claude Code travaillant en équipe. L’une des sessions agit comme chef d’équipe (team lead), coordonne le travail et synthétise les résultats de ses coéquipiers. Chaque coéquipier agit de manière indépendante, avec sa propre fenêtre de contexte, et peut communiquer avec les autres. Vous pouvez également interagir directement avec un coéquipier sans passer par le chef d’équipe. Dans cette approche, les agents se coordonnent en échangeant des messages et partagent une liste de tâches qu’ils peuvent s’attribuer.

Le tableau suivant récapitule l’utilisation de chaque approche selon le besoin (seul Claude possède le mode « équipes d’agents ») :

Au fil de l’article, Larochelle Curriculum a mobilisé chacun de ces mécanismes : le fichier AGENT.md a fourni le contexte du projet, Gety a généré les points de terminaison, les subagents ont révisé le code et vérifié la documentation, Pencil a produit les écrans grâce au MCP, et le prompt maître a orchestré l’ensemble pour livrer une fonctionnalité complète.

Le monde agentique évolue à grande vitesse, tout comme l’utilisation des outils agentiques. Les modèles deviennent de plus en plus performants, et il est important de comprendre comment les utiliser pour libérer tout leur potentiel afin de les adapter aux tâches à accomplir. Pour cela, comme nous l’avons vu, il faut comprendre leur fonctionnement, savoir comment leur parler et interagir avec eux et, surtout, leur donner des instructions claires et précises afin de mieux les contrôler.

 

 

FAQ

Quelle différence entre contexte et skill?

Le contexte fournit à l’agent les connaissances dont il a besoin pour comprendre votre projet, tandis qu’un skill lui enseigne comment réaliser une tâche précise de façon cohérente et reproductible. Ces deux mécanismes sont donc complémentaires : le premier fournit les connaissances du projet, tandis que le second formalise une méthode de travail.

Qu’est ce que le YAML

Le YAML (Yet Another Markup Language) est un format texte qui sert à écrire des données structurées de façon lisible par un humain. On s’en sert surtout pour les fichiers de configuration : Docker Compose, Kubernetes, GitHub Actions, CI/CD, etc.

Où trouver des skills existants?

Le site skills.sh est une référence contenant plus d’un million de skills sur différents sujets, qui couvriront sûrement certains de vos besoins.

Qu’est-ce que l’orchestration dans un système agentique?

C’est la planification et la coordination du travail des agents, des skills et des outils. Elle précise les étapes à suivre, les dépendances entre les tâches, ce qui peut s’exécuter en parallèle, les livrables attendus, et la façon dont les résultats seront vérifiés puis regroupés.

Pourquoi a-t-on besoin d’orchestrer si on a déjà le contexte, les skills, les subagents et les serveurs MCP?

Parce que ces composants jouent chacun un rôle distinct:

  • le contexte fournit les connaissances;
  • les skills définissent des méthodes;
  • les subagents prennent en charge des tâches spécialisées;
  • les serveurs MCP donnent accès aux outils.

Il reste à décider dans quel ordre les mobiliser, quelles tâches exécuter en parallèle et comment regrouper leurs résultats. C’est le rôle de l’orchestration.

Qu’est-ce qu’un prompt maître (master prompt)?

C’est l’instruction centrale qui décrit l’objectif, les contraintes, les rôles, les phases de travail et les livrables attendus. Il sert de plan d’exécution à l’agent principal, un peu comme une fiche de poste détaillée pour l’IA.

Comment l’orchestration fonctionne-t-elle dans Codex et dans Claude?

L’agent principal conserve le prompt maître et le contexte global. Il lance les subagents requis pour chaque phase, puis rassemble leurs résultats. Les subagents travaillent chacun dans leur propre contexte. L’agent principal suit les dépendances jusqu’à la fin du processus.

Vous avez des questions?

Écrivez-nous