Créer des Agents IA avec Claude Code

14 janvier 2026 | 15 min de lecture

Qu'est-ce qu'un Agent IA ?

Un agent IA peut raisonner, planifier, et executer des actions pour atteindre un objectif. Contrairement à un chatbot, il peut decomposer des tâches complexes et utiliser des outils.

Agent de Review de PR

# .claude/agents/code-reviewer.yaml
name: Auto Code Reviewer
trigger:
 type: webhook
 source: github
 event: pull_request.opened

steps:
 - name: fetch_diff
 action: mcp.github.get_pr_diff
 
 - name: review_code
 action: claude_chat
 prompt: |
 Fais une code review de cette PR.
 Identifie bugs, performance, bonnes pratiques.
 
 - name: post_review
 action: mcp.github.create_review

Agent Issue Responder

# Analyse et repond aux nouvelles issues
steps:
 - name: analyze_issue
 action: claude_chat
 prompt: |
 Analyse cette issue:
 Titre: {{issue.title}}
 Determine le type et la priorité.
 
 - name: add_labels
 action: mcp.github.add_labels
 
 - name: post_comment
 action: mcp.github.comment

Lancer un agent

# Manuellement
claude agent run deploy-checker

# Voir les agents
claude agent list

# Logs
claude agent logs issue-responder --last 10

Formation Claude Code

Notre écosystème

Plus qu'un organisme de formation,
un mouvement

Ambassadeur gouvernemental, organisateur du 1er hackathon agents IA de France, partenaire des écoles et des institutions.

Ambassadeur Osez l'IA

300 ambassadeurs

Ambassadeur Osez l'IA

Programme gouvernemental

Hacktogone

350+ participants

Hacktogone

1er Hackathon Agents IA de France

Interventions médias

Hacktogone au Vélodrome

BFM Business

Interview BFM Marseille

L'IA et la formation

Certifié Qualiopi

100% finançable CPF/OPCO

Articles connexes

Sub-agents vs agents autonomes : une distinction cle

Le vocabulaire "agent" recouvre deux realites techniques differentes en 2026. La distinction est essentielle pour choisir le bon pattern :

Sub-agents (dans Claude Code) : instances de Claude lancees en parallele depuis l'agent principal pour deleguer une tache specialisee. Chaque sub-agent a son propre contexte isole, ce qui economise des tokens et permet la parallelisation. Idéal pour "analyser 10 fichiers en parallele", "lancer 4 audits securite simultanes".
Agents autonomes (workflows) : processus longue duree qui s'executent sur trigger (cron, webhook, evenement). Ils vivent en dehors d'une session interactive, ont leurs propres logs et persistance. Idéal pour "reviewer automatiquement chaque PR", "nettoyer la base de donnees tous les lundis".

Les deux patterns se combinent : un agent autonome peut lui-meme lancer des sub-agents en parallele pour accelerer son traitement.

Isolation par Git worktree

Quand plusieurs sub-agents travaillent sur le meme repo, les conflits de fichiers deviennent vite un cauchemar. Le Git worktree est la reponse : chaque agent dispose de son propre checkout isole de la meme branche.

# Creer 3 worktrees pour 3 agents en parallele
git worktree add ../project-agent-1 -b feat/agent-1
git worktree add ../project-agent-2 -b feat/agent-2
git worktree add ../project-agent-3 -b feat/agent-3

# Chaque agent tourne dans son worktree
(cd ../project-agent-1 && claude --dangerously-skip-permissions "task 1")
(cd ../project-agent-2 && claude --dangerously-skip-permissions "task 2")
(cd ../project-agent-3 && claude --dangerously-skip-permissions "task 3")

# Fusion des resultats
cd ../project-main
git merge feat/agent-1
git worktree remove ../project-agent-1

Cette isolation garantit l'absence de conflits pendant le developpement parallele et permet de jeter un worktree rapidement si l'agent a fait fausse route.

Patterns d'orchestration

Orchestrator-Worker

Un agent "chef d'orchestre" decompose une tache complexe en sous-taches et les dispatche a plusieurs "workers" specialises. Il agrege ensuite les resultats.

Quand l'utiliser : taches paralelisables, besoin de specialisation (un worker SQL, un worker frontend, un worker tests)
Modele recommande : Opus 4.7 pour l'orchestrateur (raisonnement), Sonnet 4.6 ou Haiku 4.5 pour les workers (execution)
Exemple : audit de securite complet — l'orchestrateur identifie 5 axes (XSS, SQLi, auth, secrets, deps) et dispatche chaque axe a un worker dedie

Planner-Executor

Un agent "planner" produit un plan detaille mais ne l'execute pas. Un second agent "executor" applique chaque etape en reportant les resultats au planner pour ajustement dynamique.

Quand l'utiliser : taches longues avec incertitude, besoin de re-planifier en cours de route
Modele recommande : Opus 4.7 en planner (reflexion etendue), Sonnet 4.6 en executor (rapidite)
Exemple : migration de framework (Vue 2 vers Vue 3), migration DB, refactor larges

Reviewer loop

Un agent "auteur" produit une solution, un agent "reviewer" critique, boucle jusqu'a convergence. Reduit les hallucinations et ameliore la qualite finale.

Quand l'utiliser : code critique, documentation juridique, contenu publie
Risque : boucle infinie si les deux agents ne convergent pas — toujours fixer un nombre max d'iterations (3 a 5)

Configuration YAML dans .claude/agents/

Claude Code lit automatiquement les fichiers .claude/agents/*.yaml au demarrage et expose les agents definis. Exemple complet d'un agent "code-reviewer" declaratif :

# .claude/agents/code-reviewer.yaml
name: code-reviewer
description: Revue de code Python/TypeScript sur les PR ouvertes
model: claude-sonnet-4-6
tools:
  - mcp.github.*
  - bash
  - read

system_prompt: |
  Tu es un reviewer senior. Analyse chaque PR en cherchant :
  1. Bugs potentiels (null checks, race conditions, exceptions non gerees)
  2. Problemes de securite (injection, secrets hardcoded, auth manquante)
  3. Problemes de performance (N+1, boucles inutiles, allocations superflues)
  4. Lisibilite et conventions du projet

  Reponds en francais, avec des commentaires lignes precis.
  Sois constructif : propose toujours une correction quand tu signales un probleme.

triggers:
  - type: webhook
    event: pull_request.opened
  - type: manual

permissions:
  github_scopes:
    - pull_requests:read
    - pull_requests:write
    - contents:read

max_iterations: 5
timeout_minutes: 15

FAQ Agents IA Claude Code

Quelle difference avec AutoGPT ou LangChain agents ?

Claude Code agents est integre nativement a la CLI Claude et beneficie de la gestion fine des permissions, du sandboxing et du protocole MCP. AutoGPT et LangChain restent pertinents hors Claude Code (Python pur, integration plus large). Pour un usage developpeur dans un repo, Claude Code est plus ergonomique.

Un sub-agent consomme-t-il mes tokens ?

Oui, chaque sub-agent consomme ses propres tokens. L'avantage est que son contexte est isole : il ne charge pas toute la conversation parente, ce qui reduit souvent le cout total par rapport a un seul agent qui garderait tout en contexte.

Peut-on chainer plusieurs modeles differents (Opus + Sonnet + Haiku) ?

Oui. Le pattern Orchestrator-Worker utilise typiquement Opus 4.7 en orchestrateur et Haiku 4.5 ou Sonnet 4.6 en workers. Cela optimise le cout sans sacrifier la qualite des decisions strategiques.

Comment debugger un agent qui boucle ?

Fixer max_iterations dans le YAML, activer les logs verbeux (claude agent logs nom-agent --last 20), et inserer un "reviewer" qui peut lever une exception si la meme action est repetee N fois.

Agents autonomes : quel hebergement ?

Pour une utilisation legere, la machine locale avec systemd/cron suffit. Pour du production-grade, heberger sur un VPS Linux ou un conteneur, avec monitoring et alerting (Grafana, UptimeKuma, Sentry).

Quels cas d'usage industriels en 2026 ?

Revue PR automatique, triage d'issues, refresh de documentation, generation de tests unitaires, monitoring de dependances (CVE, upgrades mineurs), synchro inter-systemes (CRM/Helpdesk/Notion), reporting hebdomadaire. Les equipes tech gagnent typiquement 6 a 12h/semaine avec 3-5 agents bien regles.