Rédiger un article technique avec des agents IA
Le projet
À partir d'un brief de quelques lignes, quatre agents construits avec Microsoft Agent Framework produisent un article technique en français, sourcé et vérifié. Le premier établit le plan, le deuxième recherche et sélectionne les sources sur le web, le troisième rédige selon un cahier de style strict et le dernier relit l'article d'un œil critique, en confrontant chaque affirmation aux sources. Les agents s'appuient sur les modèles Claude d'Anthropic.
L'avancement s'affiche en direct, à raison d'une ligne par étape : l'utilisateur voit quel agent travaille et où en est la chaîne. Chacun utilise sa propre clé API Anthropic, saisie dans l'interface et jamais conservée au-delà de la session.
La valeur
La recherche documentaire et la rédaction d'articles sur des sujets technologiques demandent un temps considérable : trouver les bonnes sources, les recouper, puis écrire un texte à la fois clair et exact. Le système prend en charge l'ensemble de cette chaîne et livre en quelques minutes un article de 1 000 à 2 000 mots.
L'article obéit à des règles de style précises : ton professionnel, termes techniques conservés en anglais, proscription des tournures typiques des textes générés par IA. La recherche, elle, donne la priorité à la documentation officielle des outils, puis aux publications scientifiques, aux publications des éditeurs et enfin à la presse.
Un bon prompt peut produire un article convaincant, mais il ne peut pas en garantir l'exactitude. Un modèle unique, chargé de chercher, de rédiger et de se relire dans le même élan, tend à valider son propre travail plutôt qu'à le remettre en question. Le système multi-agents rompt avec cette logique en séparant les rôles : chaque agent reçoit une mission unique, des instructions dédiées, et ne voit que ce dont il a besoin pour la mener à bien.
L'aspect critique est le véritable différenciateur. Le reviewer n'a pas écrit l'article : il le lit comme un relecteur extérieur, confronte chaque affirmation factuelle aux sources retenues et renvoie au writer une liste de corrections. Le writer reprend alors son texte à la lumière de cette critique. Cette dynamique, où un agent examine et conteste le travail d'un autre, reproduit la relecture croisée d'une équipe éditoriale et permet de repérer des erreurs qu'un modèle seul, relisant son propre texte, laisserait facilement passer.
La stack technique
Le cœur du projet est un workflow déterministe construit avec Microsoft Agent Framework (MAF) et défini en code sous forme de graphe. Quatre agents s'y enchaînent : le planner transforme le brief en un plan de quatre à six sections et en requêtes de recherche, le researcher exécute les recherches web et sélectionne les sources, le writer rédige l'article et le reviewer le confronte aux extraits des sources retenues. Si des corrections sont nécessaires, une arête conditionnelle renvoie l'article au writer, et la version corrigée devient l'article final.
Les agents appellent directement l'API Anthropic, dont ils utilisent aussi l'outil natif de recherche web. Le coût de chaque génération est estimé au fil de l'eau : à chaque appel au modèle, les tokens consommés sont valorisés selon la grille de prix du fournisseur et ajoutés au total. Un garde-fou contrôle ce total avant chaque nouvel appel et interrompt la génération dès que le plafond fixé est atteint, en restituant tout ce qui a déjà été produit. Le nombre de recherches web, principal poste de dépense, est en outre limité par génération.
L'interface est développée avec Gradio et affiche l'avancement en streaming. La clé API, saisie dans un champ masqué, n'est écrite ni sur disque, ni dans les journaux, ni dans les traces, et les agents sont reconstruits à chaque génération.
L'observabilité combine un journal console, à raison d'une ligne par appel au modèle, et l'intégration OpenTelemetry native de MAF, données sensibles désactivées.
