Les agentic workflows sont des processus dans lesquels un ou plusieurs agents d'IA décomposent une tâche complexe en étapes et les exécutent de manière autonome, en prenant des décisions, en sollicitant des outils externes et en révisant leurs propres résultats sans intervention humaine constante. Contrairement à une simple requête adressée à un modèle, ici le système planifie, agit et se corrige lors de cycles itératifs jusqu'à atteindre un objectif.
Leur importance réside dans le fait qu'ils permettent d'automatiser des travaux qui nécessitaient auparavant une supervision continue, en enchaînant des capacités qu'un simple prompt ne peut résoudre. Ils s'appuient généralement sur plusieurs modèles :
- Planification : diviser l'objectif en sous-tâches ordonnées.
- Utilisation d'outils : consulter des API, des bases de données ou exécuter du code.
- Réflexion : évaluer le résultat et réessayer s'il est insuffisant.
Un exemple pratique serait un agent qui effectue des recherches sur un sujet : il cherche des sources, lit des documents, recoupe les données et rédige un rapport, en répétant les étapes lorsqu'il détecte des lacunes. La nuance principale est que l'autonomie comporte des risques — des erreurs qui se propagent ou des actions indésirables —, c'est pourquoi il convient d'intégrer des limites, des validations et, lorsque cela est critique, des points de contrôle humain.