Architecture d'un agent IA en production : le système en 13 blocs d'Anthropic

Un agent IA en production n'est pas un simple ensemble d'instructions dans un long prompt unique. C'est un système complet où chaque composant gère un aspect précis du travail : gestion des ressources, boucle OODA, séparation des responsabilités entre agents, gestion des erreurs, supervision. Sans architecture claire, votre agent se comportera de façon imprévisible.

Ce qu'Anthropic a dévoilé

L'entreprise a publié deux prompts de production réels, utilisés dans des systèmes en service : research_lead_agent.md et research_subagent.md. Ce ne sont ni des exemples pédagogiques, ni des démonstrations, ni des versions simplifiées. Ce sont les vrais prompts, ceux qui font un travail réel. En les décortiquant, on découvre une architecture que les cours de prompt engineering n'enseignent pas.

La principale découverte : au lieu d'un long prompt magique, Anthropic s'appuie sur un système de 13 blocs clairement définis et indépendants. Chaque bloc gère une tâche et peut être réutilisé dans d'autres agents. L'architecture évolue donc par composition, et non par réécriture.

Les 13 blocs dont tout agent en production a besoin

Voici la checklist complète des composants que tout agent en production doit comporter :

• Rôle et persona — définit la façon dont l'agent pense et se comporte
• Objectif et contexte — une formulation claire de ce qu'il faut faire et pourquoi
• Budget d'appels et plafond de ressources — la limite à laquelle il faut s'arrêter
• Boucle OODA — le cycle Observe→Orient→Decide→Act, répété
• Gestion des erreurs et stratégies de fallback — que faire en cas de défaillance
• Séparation des responsabilités entre agents — comment le travail est réparti
• Outils et leurs limites — ce que l'agent peut et ne peut pas utiliser
• Format de sortie et validation des résultats — comment vérifier l'exactitude
• Supervision et journalisation — un moyen de voir ce qui se passe à l'intérieur
• Timeouts et logique de retry — évitent les blocages et les erreurs répétées
• Auto-contrôle et vérification — l'agent se vérifie lui-même avant de produire sa sortie
• Normalisation de l'état — mettre le résultat sous une forme lisible
• Guardrails et couche de sécurité — empêchent l'agent de franchir les limites

Ce n'est ni accessoire ni « nice to have ». Si un seul composant manque, l'agent fonctionnera de manière instable et imprévisible. Je l'ai vu des dizaines de fois : des agents qui perdent le contexte, dépassent leur budget, se bloquent sur des cas limites.

Lead et Sub : la division du travail

La différence entre un agent lead et un sous-agent est fondamentale. Le lead est le stratège et le coordinateur. Il voit tout le contexte général, planifie la stratégie, prend les décisions clés et pilote toute une équipe de sous-agents.

Le sous-agent est un spécialiste pointu. Il est rapide, peu coûteux à appeler, prend une tâche précise et bien définie, et rapporte le résultat. Le sub écoute le lead et ne prend aucune initiative.

Anthropic emploie ce schéma parce qu'il passe à l'échelle. Un lead peut coordonner cinq sous-agents. Vous en ajoutez cinq autres, et le lead s'en sort. Cinq de plus, et tout fonctionne encore. Vous ne réécrivez pas le lead, vous ne changez pas l'architecture. Vous agrandissez simplement l'équipe.

Un modèle prêt à l'emploi

Après avoir décortiqué les prompts d'Anthropic, j'en ai extrait les patterns et assemblé un modèle SKILL.md. Il vous permet de passer votre propre agent en revue et de vérifier que rien n'a été oublié. C'est comme la checklist d'avant-décollage d'un pilote, mais pour les agents IA.

La règle principale : utilisez-le AVANT la mise en production. Ajouter des composants à la volée et réécrire des prompts en conditions réelles est infernal. Passez une journée sur l'architecture et vous vous en remercierez pendant des mois.

Ce que cela signifie

Si vous construisez un agent en ce moment, cette architecture peut vous faire gagner des semaines de débogage. D'ordinaire, les composants apparaissent dans le code par hasard, une fois la catastrophe survenue : l'agent s'est bloqué, a dépassé son budget ou est resté coincé sur un cas limite. Vous disposez désormais d'un modèle éprouvé. Utilisez-le.