Dans le premier volet, « Les agents IA, sous le capot : comment fonctionne Claude Code », nous avons ouvert le capot : la boucle, le contexte, les outils, les sous-agents, la gouvernance. Nous savons comment un agent fonctionne. Reste la question pratique : comment s'en sert-on ?
1. Deux façons d'utiliser un agent
Même moteur, deux usages. Tout dépend d'une seule question : l'humain est-il dans la boucle, ou non ?
Deux réglages du même agent : l'humain valide, ou des garde-fous le remplacent.
Augmenter un collaborateur. En mode interactif, l'humain reste aux commandes. Il oriente, corrige, valide au fil de l'eau. L'agent accélère le travail sans le confisquer. C'est l'usage le plus courant de Claude Code : parcourir une base de code inconnue, coder à deux, déboguer, décider vite. Les permissions sont prudentes : « demander avant d'agir » par défaut.
Traiter un workflow en autonomie. En mode headless, l'agent tourne seul, sans interface ni humain à chaque étape : dans un pipeline d'intégration continue, déclenché par un événement, ou lancé en tâche de fond. Ici, les garde-fous et l'observabilité remplacent la validation manuelle, et des limites (nombre de tours, budget) bornent la boucle. C'est ce qui permet de confier à un agent la revue d'une pull request, un traitement par lots, ou une tâche répétitive de bout en bout.
Passer du premier au second, c'est retirer l'humain de la boucle et le remplacer par des garde-fous. C'est aussi le mode dans lequel on construit ses propres agents : le Claude Agent SDK (l'ancien Claude Code SDK) donne accès au même moteur, sa boucle, ses outils, sa gouvernance, sous forme de bibliothèque Python ou TypeScript. On ne réinvente pas la boucle agentique, on la programme.
2. Quelques exemples concrets
Deux exemples, un par mode.
Augmenter un développeur : l'humain dans la boucle
Un développeur hérite d'un service qu'il n'a jamais vu. Plutôt que d'y passer deux jours seul, il ouvre l'agent dans le projet et travaille avec lui : « explique-moi l'architecture », « où se décide cette règle métier ? », « propose un correctif pour ce bug ». À chaque tour, l'humain lit, corrige la trajectoire, valide ou refuse. L'agent fait le travail de fouille et d'exécution ; l'humain garde le jugement et la décision.
C'est l'usage quotidien de l'augmentation : explorer, déboguer, migrer, préparer, décider vite. Rien ne part sans un regard, donc le risque reste faible et le gain immédiat.
Automatiser un workflow : un agent qui écrit des articles
Prenons un cas plus ambitieux, où l'agent travaille seul. Un agent chargé de produire des articles ne part pas dans le vide. Au démarrage, il demande à l'humain quelques repères : des articles de référence pour le ton, les personas visés, la cible, l'angle. Ces éléments donnés, il enchaîne sans supervision : il fait sa veille et sa recherche, rédige une première version, la relit et la réécrit sur plusieurs cycles, vérifie que le sujet tient face au marché, puis soumet le résultat pour validation avant de publier. Et il recommence chaque jour.
Là où une équipe éditoriale enchaîne ces étapes à la main, avec ses outils de rédaction, de relecture et de publication, l'agent tient la même boucle de bout en bout. L'humain n'intervient qu'à deux endroits : le cadrage au départ, et la validation avant publication. D'autres tâches se prêtent au même traitement : relire chaque pull request, trier les tickets entrants, produire un rapport chaque matin. Un tel agent reste un exemple de principe : sa qualité tient au cadrage de départ et aux garde-fous qui l'entourent, pas à l'autonomie seule.
La frontière entre les deux modes n'est pas technique, elle est de confiance. On délègue en autonomie ce dont on sait vérifier le résultat, ou ce dont l'erreur reste peu coûteuse et rattrapable. Le reste garde un humain dans la boucle.
Pour aller plus loin sur les architectures multi-agents en production : workflows agentiques autonomes et automatiser ses workflows avec des agents IA.
3. Ce que l'autonomie exige en pratique
Laisser un agent agir seul ne s'improvise pas. Quatre conditions séparent la démo impressionnante de l'agent qu'on laisse vraiment tourner en production.
L'observabilité. Chaque décision, chaque appel d'outil, chaque résultat doit laisser une trace. Sans journal, un agent autonome est une boîte noire : on ne peut ni comprendre un échec, ni prouver ce qu'il a fait. C'est la première chose qu'on branche avant de le lâcher.
Le budget et les limites. Une boucle sans borne peut tourner longtemps et coûter cher. On plafonne le nombre de tours, le temps, la dépense. La limite atteinte, l'agent s'arrête et rend la main plutôt que de s'acharner.
L'évaluation. Un agent qu'on déploie se teste comme un logiciel : des cas réels, rejoués à chaque version, pour vérifier qu'une amélioration ici n'a pas cassé quelque chose là. Sans cette mesure, on ne sait pas si on progresse ou si on régresse.
Les points de contrôle humains. Toutes les actions ne se valent pas. Lire un fichier, l'agent le fait seul ; supprimer une base de données ou publier vers des clients, il s'arrête et demande. C'est le principe du HITL (human in the loop) : à un point sensible, l'agent suspend son exécution et attend le feu vert d'une personne. Ce feu vert passe par le canal qu'on choisit : un e-mail, un message sur Slack ou Teams, un ticket à approuver, ou une simple question dans l'interface. Peu importe le canal, l'important est qu'un humain tranche avant que l'action parte.
Ces quatre conditions n'entravent pas l'agent : elles rendent son autonomie exploitable, et auditable. C'est précisément ce qui sépare un agent qu'on montre d'un agent qu'on exploite.
4. Ce que ça change
Un agent IA est une nouvelle primitive : un modèle dans une boucle, avec des outils et un objectif. Ses outils fixent son rayon d'action, que MCP ouvre sur le monde extérieur. Sur les tâches longues, sa tenue dépend de la façon dont il gère son contexte et délègue aux sous-agents. Et son autonomie réelle, ce sont les garde-fous qui la bornent : permissions, hooks, sandbox.
Augmenter un collaborateur ou automatiser un workflow ne sont pas deux technologies différentes : c'est la même boucle, avec ou sans l'humain dedans. Pour une organisation, la question devient concrète : jusqu'où déléguer, et avec quels garde-fous ?
Lexique
Mode headless : l'agent qui tourne sans interface ni humain à chaque étape (intégration continue, tâche de fond, automatisation).
HITL (human in the loop) : un point où l'agent s'arrête et demande une validation humaine avant d'agir, via un canal choisi (e-mail, message, ticket, interface).
Claude Agent SDK : la bibliothèque (Python, TypeScript) qui donne accès au moteur agentique de Claude Code pour construire ses propres agents.
Observabilité : la capacité à suivre, tracer et auditer ce qu'un agent a fait, appel d'outil par appel d'outil.
Évaluation : le fait de tester un agent sur des cas réels, rejoués à chaque version, pour mesurer progrès et régressions.
Sources : documentation officielle Claude Code (code.claude.com/docs) et dépôt public
anthropics/claude-code(mode headless, intégration continue, hooks et permissions, agents en tâche de fond, évaluations) · Protocole MCP : modelcontextprotocol.io.
