LangGraph apprend à survivre aux pannes : retries, timeouts et gestionnaires d'erreurs pour agents en production

LangChain a publié un guide détaillé sur les trois primitives de tolérance aux pannes intégrées à LangGraph. Sans elles, tout agent en production finit inévitablement par casser là où le prototype tournait comme une horloge.

Pourquoi les prototypes cassent en production

En laboratoire, un agent LangGraph semble fiable : les données d'entrée sont fixes, les API externes répondent vite et l'utilisateur est toujours disponible. En exploitation réelle, le tableau est tout autre. Les services externes se figent ou renvoient une erreur 503 sous charge. Les fournisseurs de LLM retardent leurs réponses de plusieurs minutes aux heures de pointe. Dans les scénarios human-in-the-loop, une personne peut mettre des heures à répondre. Sans traitement dédié, chacun de ces cas se transforme en agent bloqué ou planté.

La solution classique consiste à entourer chaque appel d'un try/except, à écrire des minuteurs et à ajouter à la main une logique de nouvelles tentatives. Cela fonctionne, mais le code défensif enfle, se mêle à la logique métier et devient lui-même une source de bugs. LangGraph adopte une autre approche : trois primitives intégrées au moteur, qui fonctionnent de façon déclarative.

RetryPolicy : nouvelles tentatives automatiques

RetryPolicy configure des nouvelles tentatives automatiques avec backoff exponentiel. Les paramètres réglables sont le nombre maximal de tentatives, le délai initial, le délai maximal et le coefficient de croissance du délai entre deux tentatives.

La politique peut être définie de façon ciblée, pour un nœud précis qui appelle une API externe instable, ou appliquée à tout le graphe comme valeur globale par défaut. La seconde option est pratique quand toutes les interactions avec les services externes doivent obéir aux mêmes règles de reprise.

TimeoutPolicy : limites de temps

TimeoutPolicy répond à un autre besoin : elle limite le temps qu'un nœud a le droit d'occuper. Deux types de limites sont pris en charge :

• `wall_clock_timeout` : le temps d'exécution maximal d'un nœud, en temps réel, du lancement à la fin
• `idle_timeout` : le temps d'inactivité maximal. C'est particulièrement important dans les scénarios human-in-the-loop : si l'utilisateur n'a pas répondu au bout de N minutes, l'agent doit poursuivre sur une branche alternative ou s'arrêter sur une erreur
• Les deux limites peuvent être combinées dans une même politique, et c'est la première atteinte qui se déclenche
• Quand la limite est dépassée, le moteur lève automatiquement une exception
• La politique s'applique à un nœud, à un sous-graphe ou à tout le graphe

L'avantage clé de ces deux primitives est qu'elles vivent dans le moteur et voient le contexte complet de l'état du graphe. Les décorateurs et enveloppes externes en sont incapables.

error_handler et le motif SAGA

error_handler est la troisième primitive ; elle se déclenche une fois toutes les tentatives épuisées. C'est le dernier point de reprise : annuler les actions déjà exécutées, envoyer des notifications, sauvegarder les diagnostics et placer l'agent dans un état sûr.

Pour les agents à plusieurs étapes avec de vrais effets de bord, comme la réservation de ressources, le débit de fonds ou la création d'enregistrements dans des systèmes externes, LangChain recommande le motif SAGA. Le principe : chaque étape de l'agent s'accompagne d'une opération compensatoire qui annule son effet. Si l'étape N échoue après la réussite des étapes 1 à N-1, les opérations compensatoires s'exécutent dans l'ordre inverse et le système revient à un état cohérent. LangGraph permet d'intégrer SAGA directement dans le graphe : les compensations sont stockées à côté des nœuds, et error_handler en lance la chaîne en cas de panne.

«

Avoir des politiques de tolérance aux pannes à l'intérieur du moteur plutôt qu'à l'extérieur change fondamentalement la donne : la logique de reprise reçoit le contexte complet de l'état du graphe », indique le blog de LangChain.

Ce que cela signifie

LangGraph propose un outillage mature pour faire passer les agents d'IA du prototype à l'exploitation réelle. Les retries, les timeouts et les transactions compensatoires sont intégrés au moteur et n'exigent pas d'envelopper chaque nœud à la main. Pour les équipes qui construisent des agents destinés à des charges de production, cela réduit le volume de code défensif et rend le comportement en cas de panne prévisible et maîtrisable.