Agents qui enchaînent plusieurs outils
Un agent qui recherche un dossier, consulte l’ERP, prépare une réponse et crée un ticket, avec des règles différentes à chaque étape.
Intégration IA · Frameworks d’agents
Développement LangChain et LangGraph : agents IA et orchestration en production
Etixio développe des agents IA et des chaînes de traitement LLM avec LangChain et LangGraph : orchestration en plusieurs étapes, appels d’outils, mémoire, validation humaine et reprise après erreur. Nous les connectons à vos données et à vos outils, puis nous les mettons en production avec observabilité, évaluations et suivi des coûts. Et nous vous disons quand un framework n’est pas nécessaire.
Comprendre la technologie
Deux frameworks open source, deux niveaux d’abstraction.
LangChain fournit des composants pour construire des applications à base de modèles de langage : interface commune vers les fournisseurs de modèles, définition d’outils, sorties structurées, intégrations avec des bases vectorielles et des sources de données. Depuis sa version 1.0, il propose une fonction de création d’agent qui couvre le cas courant : un modèle qui appelle des outils en boucle jusqu’à produire sa réponse.
LangGraph est la couche d’orchestration de bas niveau sur laquelle s’appuient ces agents. Un traitement y est décrit comme un graphe d’étapes qui partagent un état : chaque nœud effectue une opération, les transitions peuvent être conditionnelles et l’état est sauvegardé à chaque étape. Cela permet de reprendre un traitement interrompu, d’attendre une validation humaine ou de faire collaborer plusieurs agents. Les deux frameworks existent en Python et en JavaScript/TypeScript.
Les usages en entreprise
Quand un framework d’orchestration apporte de la valeur.
Processus avec validation humaine
Traitement d’une demande qui s’arrête avant une action sensible, attend l’accord d’un responsable, puis reprend là où il s’était arrêté.
Traitements documentaires en plusieurs passes
Classement, extraction, contrôle de cohérence puis synthèse, chaque étape pouvant utiliser un modèle différent.
Systèmes multi-agents
Un agent coordinateur qui répartit le travail entre des agents spécialisés, lorsque la tâche le justifie réellement.
Notre champ d’intervention
Ce que nous mettons en place.
Orchestration et état
Conception du graphe de traitement, des états partagés et des conditions de transition, avec des étapes déterministes partout où le modèle n’est pas nécessaire.
Outils et connexions
Outils reliés à vos API, à votre recherche documentaire RAG ou à des serveurs MCP, avec validation des paramètres et contrôle des droits côté application.
Mémoire
Mémoire de conversation persistée dans une base (par exemple PostgreSQL) et, si besoin, mémoire à long terme par utilisateur, avec des règles de conservation et d’effacement.
Validation humaine et reprise
Points d’arrêt avant les actions sensibles, reprise après interruption, gestion des erreurs, des délais et des nouvelles tentatives.
Observabilité
Traces de chaque exécution (étapes, appels au modèle, outils, jetons consommés, durée) dans LangSmith ou un équivalent comme Langfuse, selon vos contraintes d’hébergement des données.
Évaluations
Jeux de scénarios représentatifs rejoués à chaque changement de modèle, d’instructions ou de graphe. Voir notre approche du LLMOps et de l’évaluation IA.
Les choix qui comptent
Quand ne pas utiliser de framework.
Un framework ajoute des dépendances, des couches d’abstraction et des évolutions de version à suivre. Pour un appel unique au modèle, une extraction structurée ou un assistant qui n’utilise que quelques outils, le SDK du fournisseur (Claude, OpenAI, Gemini ou Mistral AI) et un peu de code applicatif sont souvent plus simples à comprendre, à tester et à maintenir.
LangGraph devient intéressant lorsque le traitement comporte plusieurs étapes avec un état à conserver, des interruptions, des reprises ou plusieurs agents. Nous faisons ce choix au cadrage, en fonction de la complexité réelle du processus et des compétences de l’équipe qui maintiendra le service. Un agent déjà construit avec un framework peut aussi être simplifié si l’abstraction complique son exploitation.
Sécurité, supervision et coûts
Mettre un agent LangGraph en production.
Sécurité
Le modèle ne décide pas seul de ce qu’il a le droit de faire. Les permissions sont vérifiées par les outils, les actions en écriture sont séparées et les contenus lus par l’agent sont traités comme des données non fiables.
Supervision
Alertes sur les erreurs, les boucles et les durées anormales, tableaux de suivi de la qualité et des retours utilisateurs.
Coûts
Plafonds de nombre d’étapes et de consommation par exécution, modèle plus léger pour les étapes simples, mise en cache et suivi du coût par type de demande.
Déploiement
Service conteneurisé dans votre cloud ou votre infrastructure, avec ses environnements, ses sauvegardes d’état et sa documentation d’exploitation.
Sur le terrain
Des agents reliés à des données réelles.
Nos réalisations IA montrent le même principe, quel que soit l’outillage retenu. L’agent IA médical explore le dossier patient et restitue une synthèse chronologique aux équipes d’anesthésie ; Bobby relie un assistant conversationnel aux données de notre ERP. Dans les deux cas, la valeur tient à la connexion aux données, aux contrôles et à l’interface autant qu’au modèle.
Du travail aux livrables
Ce que nous livrons.
- Architecture de l’agent et justification du choix d’outillage (framework ou non).
- Code de l’agent, de ses outils et de ses connexions, avec tests.
- Observabilité, jeu d’évaluation et résultats mesurés.
- Déploiement, supervision, suivi des coûts et documentation.
Un prototype LangChain peut être repris et industrialisé ; voir notre offre de reprise de POC IA nos agents IA et chatbots et nos fonctionnalités IA pour votre produit. La réalisation se fait en projet au forfait ou avec une équipe dédiée.
Questions fréquentes
LangChain et LangGraph : vos questions.
Quelle différence entre LangChain et LangGraph ?
LangChain fournit les composants et une manière rapide de créer un agent standard. LangGraph est le moteur d’orchestration sous-jacent, qui permet de décrire précisément un traitement en plusieurs étapes, avec un état sauvegardé, des branches, des interruptions et des reprises. On commence souvent avec LangChain et on descend vers LangGraph quand le processus l’exige.
Faut-il utiliser LangChain pour construire un agent IA ?
Non. Un agent simple peut être construit directement avec le SDK du fournisseur de modèle. Un framework se justifie lorsque l’orchestration devient complexe ou que vous voulez changer facilement de fournisseur. Nous comparons les deux options au cadrage.
Qu’est-ce que LangSmith ?
LangSmith est la plateforme de LangChain pour tracer, évaluer et déployer des agents. Elle n’est pas obligatoire ; des outils comme Langfuse peuvent recueillir les traces d’une application LangGraph, y compris en auto-hébergement si vos données l’exigent.
LangGraph fonctionne-t-il avec Claude, OpenAI ou Mistral ?
Oui. LangChain propose des intégrations pour les principaux fournisseurs de modèles, dont Anthropic, OpenAI, Google et Mistral AI, ainsi que pour des modèles hébergés. Le choix du modèle se fait sur vos exemples, et plusieurs modèles peuvent intervenir à des étapes différentes.
Pouvez-vous reprendre un agent LangChain existant ?
Oui. Nous analysons le code, les versions utilisées et les résultats obtenus, mettons à jour les dépendances si nécessaire, ajoutons les évaluations, l’observabilité et les contrôles de sécurité, puis décidons avec vous s’il faut conserver le framework ou simplifier.
Construisons un agent IA maintenable.
Présentez-nous le processus à automatiser, les outils concernés et votre environnement technique. Nous préciserons ensemble le premier périmètre à étudier.