16 demandes et 262 vérifications en 6,5 minutes : comment trois agents IA autonomes résolvent une tâche métier en direct

• Vitesse de traitement du lot : 6,5 minutes avec Codex, et 109 minutes pour le cycle complet avec génération des livrables
• Volume de travail effectué : 16 messages entrants, 15 demandes valides et 262 vérifications menées à bien
• Intervention humaine sur le cycle long : 1 prompt de départ et 3 ajustements vocaux en cours de route
• Environnements testés : Codex, un essaim de sous-agents dans Claude Code et l'agent vocal Hermes

Lors d'un direct, j'ai mené une expérience : j'ai affiché à l'écran une véritable tâche opérationnelle d'un répartiteur de location de véhicules, et j'ai demandé aux spectateurs dans le chat combien de temps il faudrait pour la traiter manuellement. La majorité des responsables d'exploitation expérimentés ont répondu entre deux et trois heures. La salle n'exagérait pas.

Le cœur de la tâche : regrouper 16 demandes disparates de location d'engins spéciaux et de véhicules, provenant de trois sources différentes, croiser les dates demandées avec le planning réel du parc, calculer le tarif selon la grille, vérifier les restrictions, puis préparer une réponse personnalisée pour chaque client. Pour que le test soit honnête, j'avais caché à l'avance trois pièges bien réels dans le lot.

Comment l'agent détecte-t-il les doublons, les fraudeurs et les

demandes hors périmètre sans intervention du répartiteur ?

Un script linéaire classique échoue dès que les clients écrivent en texte libre ou tentent de contourner les règles. J'ai donc glissé trois scénarios atypiques dans le jeu de test : 1. Un même client a envoyé sa demande simultanément sur deux messageries différentes, avec une légère différence de formulation. 2. Dans un deuxième message, le contact proposait un montage douteux consistant à virer un acompte sur une carte bancaire personnelle, en contournant la caisse. 3. Une troisième demande portait sur la location d'un autobus de passagers qui ne figure ni dans le planning ni dans la nomenclature du parc.

J'ai lancé la même tâche en parallèle dans trois environnements de pilotage différents : Codex, l'essaim d'agents de Claude Code, et notre circuit vocal Hermes. Dès le premier passage, Codex a bouclé la tâche en six minutes et demie : l'agent a mené 262 vérifications croisées sur les tableaux et le calendrier, fusionné proprement les messages doublonnés en une seule fiche, signalé en rouge la demande de virement sur carte comme alerte de sécurité, et rejeté poliment la demande d'autobus.

Que se passe-t-il à l'intérieur d'un cycle autonome de 109 minutes

quand l'agent trébuche sur une erreur ?

Dans la deuxième partie du direct, nous avons chargé les agents avec la construction complète de l'environnement, des rapports et des tableaux de bord interactifs — l'ensemble du marathon autonome a duré 109 minutes avec une intervention minimale de ma part (un prompt de départ et trois courtes corrections vocales).

Le moment le plus révélateur apparaît dans les journaux de Claude Code. Lors de l'étape de filtrage des fichiers par ville, l'outil de recherche standard `Glob` n'a pas fonctionné correctement sur les chemins en cyrillique, et la sélection pour Iekaterinbourg est revenue vide. Un bot moins robuste se serait contenté d'écrire dans le rapport « aucune demande trouvée pour Iekaterinbourg ». L'agent autonome, lui, a repéré l'écart dans la somme de contrôle, est passé de lui-même à un script Python, a recompté directement les lignes, et a mené la vérification jusqu'à cent pour cent de fiabilité.

En parallèle, l'agent du circuit Hermes discutait avec moi à voix haute en temps réel et, en cours d'exécution, a lui-même écrit la compétence manquante pour traiter un format de données non standard, avant de l'appliquer aux fichiers restants.

Pourquoi le choix d'un outil précis ne détermine-t-il plus 90 % du succès ?

Quand une même tâche est résolue simultanément dans trois environnements agentiques différents, une évidence s'impose : s'attacher à un bouton ou à un vendeur précis n'a plus de sens. Trois choses comptent vraiment — savoir formuler les conditions limites (« une tâche, un dossier »), disposer d'invariants de contrôle stricts, et avoir le réflexe de déléguer la routine à la machine.

L'intégralité de cet enregistrement, les prompts d'origine et l'analyse des journaux sont disponibles sur ma chaîne Telegram [@jemal_hamidun](https://t.me/jemal_hamidun). Le pupitre de pilotage vocal et bureau des agents, montré dans la démonstration, est accessible via le projet [Nomad AI](https://nomadnet.ai). Pour apprendre à confier ce type de tâches à ses propres agents, des stages intensifs sont proposés par [Hamidun Academy](https://academy.hamidun.com), avec un essai gratuit de 72 heures, et pour récupérer un pack de plus de 370 compétences prêtes à l'emploi et faire analyser ses propres cas en direct, rendez-vous sur [Vibe Club](https://hamidun.com/club).