Accéder au contenu principal

Un auto-entrepreneur passionné à votre service,

Pour votre projet de site internet et vos dépannages informatiques

L'agent loop de Claude : comment transformer un chatbot en véritable agent autonome

Publié le 20 Novembre 2026, dernière mise à jour le 20 Novembre 2026

Avez-vous déjà ressenti la frustration d'un chatbot qui vous répond avec assurance, mais qui ne peut pas faire le travail à votre place ? C'est ici que réside la frontière entre l'IA conversationnelle et l'IA agentique. Je vous propose aujourd'hui de plonger dans le concept de l'Agent Loop de Claude. C'est le mécanisme secret qui transforme un modèle capable de répondre en un agent capable d'agir, de vérifier son travail et de recommencer jusqu'à ce que la mission soit accomplie.

Le concept : un agent, ce n'est pas un chatbot

Pour bien comprendre, imaginez la différence entre un conseiller et un exécutant. Un chatbot est un conseiller : vous lui posez une question, il vous répond une fois, et la conversation s'arrête. Un agent, lui, est un exécutant qui fonctionne en boucle.

L'agent loop, c'est un cycle continu. À chaque tour, Claude analyse sa situation, décide de l'action suivante, utilise un outil, analyse le résultat, et recommence. Il ne s'arrête que lorsqu'il estime que la tâche est terminée.

Le cycle fondamental :
Rassembler (le contexte) $\rightarrow$ Agir (appeler des outils) $\rightarrow$ Vérifier (le résultat) $\rightarrow$ Répéter jusqu'à la fin.

Anatomie d'un "tour" et gestion du contexte

Dans le jargon, on parle de "turn" (un tour). Un tour représente un aller-retour complet : votre demande, la décision de Claude, l'exécution de l'outil et le retour du résultat vers le modèle.

Tout cela se passe dans la fenêtre de contexte (la mémoire de travail). Plus la tâche est longue, plus cette mémoire se remplit. Pour éviter le "mur" de saturation, Claude utilise la compaction : il résume l'historique pour libérer de l'espace tout en gardant l'essentiel.

Impact de l'historique sur la boucle
Aspect Conséquence Solution
Coût Le coût augmente car tout le contexte est renvoyé à chaque tour. Définir un max_turns strict.
Mémoire Risque de saturation de la fenêtre de contexte. Utilisation de la compaction automatique.

Construire le socle : la boucle en quelques lignes

L'implémentation devient très simple avec le SDK Agent de Claude. Voici comment je structure un agent minimaliste en Python :

import asyncio
from claude_agent_sdk import query, ClaudeAgentOptions

async def main():
    # Configuration des règles de l'agent
    options = ClaudeAgentOptions(
        # Le system_prompt définit la personnalité et la rigueur
        system_prompt="Tu es un agent d'automatisation. Vérifie toujours ton travail avant de conclure.",
        # Liste des outils auxquels l'agent a accès
        allowed_tools=["Read", "Write", "Bash"],
        # Mode de permission : ici, on accepte les modifications de fichiers sans demander
        permission_mode="acceptEdits", 
        # Garde-fou pour éviter les boucles infinies et les coûts excessifs
        max_turns=20,
    )

    # query() déclenche la boucle : elle stream chaque message du tour
    async for message in query(
        prompt="Range /data/entrees.csv, dédoublonne, écris /data/propre.csv",
        options=options,
    ):
        print(message)

asyncio.run(main())

Note du rédacteur : Ne négligez jamais le max_turns. En production, un agent qui "boucle" sans fin sur une erreur peut rapidement consumer votre budget API.

Étape 1 : Rassembler l'information intelligemment

L'erreur classique est de vouloir tout mettre dans le prompt initial. C'est le meilleur moyen de noyer l'IA. La stratégie agentique consiste à donner à Claude les outils pour aller chercher l'information quand il en a besoin.

Comparatif des méthodes de récupération de données
Méthode Cas d'usage Avantage
Recherche agentique Code, dossiers, documentation Zéro index à maintenir (Grep, Read).
Recherche sémantique Gros corpus, recherches floues Très rapide sur d'énormes volumes (RAG).
Sous-agents Explorations complexes Garde le contexte principal propre.
MCP Données externes (Notion, Gmail) Connecteurs natifs et vivants.

C'est quoi le MCP ?
Le Model Context Protocol (MCP) est un standard ouvert qui permet aux modèles d'IA de se connecter facilement à des sources de données externes (comme vos emails, vos bases de données ou vos outils SaaS) via des serveurs dédiés. C'est comme brancher un périphérique USB sur l'IA pour lui donner accès à vos outils.

Étape 2 : Donner des "bras" à l'agent

Un agent sans outils est un cerveau dans un bocal. Pour agir, il a besoin d'interfaces. Je recommande de privilégier des outils généraux plutôt que des dizaines de petites fonctions rigides.

  • Bash & Fichiers : Le socle indispensable pour coder, tester et manipuler des données.
  • Code jetable : Claude peut écrire un script Python temporaire pour résoudre un problème complexe, l'exécuter et lire le résultat.
  • MCP : L'accès direct à Notion, Slack ou n8n.

Voici comment je crée un outil personnalisé plus complexe pour envoyer des notifications :

from claude_agent_sdk import tool

# On définit l'outil, sa description et le schéma des arguments attendus
@tool("notifier_equipe", "Envoie une notification d'alerte sur Slack et Email", {"channel": str, "message": str, "urgent": bool})
async def notifier_equipe(args):
    # Logique métier : on adapte le canal selon l'urgence
    if args["urgent"]:
        # Appel API vers un service de SMS ou Slack Prioritaire
        result = await slack.send_urgent(args["channel"], args["message"])
    else:
        # Appel API standard
        result = await slack.send_standard(args["channel"], args["message"])
    
    return {"content": [{"type": "text", "text": f"Notification envoyée avec succès via {args['channel']}."}]}

Étape 3 : La vérification, le secret de la production

C'est ici que se fait la différence entre un gadget et un outil professionnel. Un agent qui ne vérifie pas son travail produit du "plausible". Un agent qui vérifie produit du "juste".

Vérification par règles
Utilisation de tests unitaires, linters ou schémas JSON. C'est binaire et ultra-fiable.
Vérification visuelle
Claude prend un screenshot du rendu et le compare à la charte graphique.
Vérification par Juge LLM
Un second agent (souvent avec un prompt différent) évalue la qualité du résultat.

Conseil d'expert : Le pattern gagnant est le suivant : « Écris le code, lance les tests, et corrige jusqu'à ce que tout passe. » Intégrez cette phrase dans votre system prompt pour transformer Claude en un développeur rigoureux.

Sécurité : Autonomie vs Contrôle

Plus on donne de liberté à l'agent, plus le risque augmente. Le permission_mode est votre curseur de sécurité.

Modes de permission du SDK Agent
Mode Comportement Usage recommandé
default Confirmation pour chaque action sensible. Développement et tests.
acceptEdits Modifie les fichiers librement, confirme le reste. Itérations rapides sur du contenu.
plan Propose un plan sans rien exécuter. Cadrage de grosses tâches.
bypassPermissions Exécution totale sans confirmation. Sandbox isolée uniquement.

Cas d'usages concrets

Pour illustrer tout cela, voici quatre exemples d'agents que vous pouvez monter rapidement :

  • Traitement de leads : Webhook n8n $\rightarrow$ Enrichissement $\rightarrow$ Scoring $\rightarrow$ Notification Slack.
  • Générateur de livrables : Brief $\rightarrow$ HTML vers PDF $\rightarrow$ Screenshot $\rightarrow$ Correction visuelle.
  • Support N1 : Ticket $\rightarrow$ Recherche agentique dans la doc $\rightarrow$ Rédaction $\rightarrow$ Validation par Juge LLM.
  • Auditeur Ads : Extraction API $\rightarrow$ Script Python d'analyse $\rightarrow$ Correction du script $\rightarrow$ Rapport final.

Checklist finale pour votre agent

Avant de passer en production, posez-vous ces questions :

  • Le contexte est-il récupéré dynamiquement (pas de prompt trop lourd) ?
  • L'agent a-t-il des outils polyvalents (Bash, MCP) ?
  • Existe-t-il un signal de vérification externe (test, visuel, juge) ?
  • La condition d'arrêt est-elle explicite dans le prompt ?
  • Le max_turns est-il configuré pour éviter les explosions de coûts ?

En résumé : Rassembler, agir, vérifier, répéter. Tout le reste n'est que du réglage. À vous de jouer !

Comment cet article a-t-il été réalisé ? Le texte a été rédigé par mes soins, puis relu avec l'aide d'une intelligence artificielle afin de corriger d'éventuelles erreurs d'orthographe ou de grammaire. L'illustration de présentation a également été créée à l'aide de l'IA.