Passer au contenu principal
Un agent est une intelligence artificielle spécialisée dans une mission unique : classifier une intention, comprendre un contexte, réfléchir à une stratégie, rédiger un message, valider un contenu… Chaque agent s’appuie sur un modèle de langage (LLM) configurable. En condition normale, les agents ne travaillent pas seuls : ils sont orchestrés par des jobs (principalement AutoReply) qui les enchaînent dans un ordre précis et leur transmettent le contexte nécessaire (conversation, profil de l’utilisateur, persona du créateur, stratégie).

Spécificités

  • Chaque agent a un nom unique (ex. ThinkingAgent) visible dans les traces et les statistiques.
  • Chaque agent a une mission unique : il fait une seule chose, mais la fait bien.
  • Chaque agent utilise son propre modèle IA, choisi indépendamment des autres.
  • Chaque appel d’un agent est tracé et comptabilisé (durée, tokens, coût).
  • Certains agents disposent d’outils qu’ils peuvent appeler de façon autonome.
  • Certains agents sont désactivables ou paramétrables individuellement.

Modes de fonctionnement

Les agents Fanify utilisent quatre patterns de fonctionnement. Les connaître aide à interpréter les traces d’exécution :
PatternPrincipeExemples
Appel simpleUn seul appel IA, une seule réponse.Classificateur d’intention, agents de validation
ReAct (boucle réflexion/action)L’agent alterne réflexion et appels d’outils, sur plusieurs itérations, jusqu’à estimer son travail terminé.ReplyAgent, ThinkingAgent, ContextAgent
Chain-of-VerificationLe travail d’un agent est relu par un second agent vérificateur, qui peut le renvoyer en correction avec un retour précis.ThinkingAgentValidationAgent, RedactionAgentValidateur de rédaction
Chain-of-ThoughtL’agent est forcé de rédiger son analyse avant de donner sa conclusion, ce qui améliore la fiabilité.Agents d’extraction et de scoring
Le pattern ReAct est plafonné par un nombre maximal d’itérations propre à chaque agent. Si l’agent ne conclut pas dans cette limite, l’exécution s’arrête proprement et le job signale l’échec avec une cause précise.

Modèles IA et failover

Chaque agent est associé à une chaîne de modèles :
  1. Le modèle principal traite la demande.
  2. En cas d’indisponibilité (erreur du fournisseur, timeout), le modèle de secours suivant prend automatiquement le relais (failover), sans interrompre le job.
Pour changer le modèle d’un agent : Admin > Chatting Auto > Agents, sélectionnez l’agent, puis choisissez le fournisseur et le modèle dans le sélecteur. Les modèles proposés sont filtrés selon les capacités requises par l’agent (sortie structurée, appels d’outils, vision, raisonnement) : un modèle incompatible n’apparaît pas dans la liste.
Changer le modèle d’un agent influe directement sur la qualité, la vitesse et le coût des réponses. Le ReplyAgent mérite un modèle performant ; les agents de validation fonctionnent très bien avec des modèles légers et économiques.

Configuration individuelle

Les agents paramétrables exposent leur configuration dans Admin > Chatting Auto > Agents > carte de l’agent concerné :
  • Le paramètre Enable active ou désactive l’agent. Un agent désactivé est sauté par les jobs (chaque page d’agent documente la conséquence exacte).
  • Les autres paramètres sont propres à chaque agent (itérations maximales, codes de validation, consignes de style…).
  • Le bouton Reset to Default supprime la configuration personnalisée et restaure les valeurs d’usine.
Certains agents permettent également de personnaliser leur prompt système (les instructions fondamentales données au modèle). En l’absence de personnalisation, le prompt par défaut intégré à Fanify est utilisé.

Traçabilité et coûts

Chaque exécution d’agent laisse deux types de traces :
  • La trace d’agent : le détail complet des échanges (instructions, réflexions, appels d’outils, réponses), consultable dans le message de trace de la conversation. C’est l’outil de diagnostic principal pour comprendre pourquoi l’IA a répondu ainsi.
  • Les appels IA : chaque requête au modèle est enregistrée avec ses tokens consommés et son coût réel, rattachée au job et à l’utilisateur. Ces données alimentent les statistiques de coûts de l’instance.

Les agents de Fanify

Agents impliqués dans la réponse automatique :
AgentMissionMoteur
ReplyAgentAgent central : décide et construit la réponse complète avec ses outilsV2
Classificateur d’intentionDétermine ce qu’attend l’utilisateur (texte, photo, contenu payant…)V1
ContextAgentAnalyse en profondeur la situation conversationnelleV1
ThinkingAgentRéfléchit à la stratégie de réponse et produit une directiveV1
ValidationAgentVérifie la directive du ThinkingAgent (Chain-of-Verification)V1
RedactionAgentRédige le ou les messages finauxV1 et relances V2
Validateur de rédactionContrôle qualité des messages générés (interdits, style, cohérence)V1 et V2
Rédacteur vocalTransforme une directive en phrases oralisables pour la synthèse vocaleV1 et V2
Agent d’accomplissementsDétecte les accomplissements débloqués par l’utilisateurV1 et V2
Agent de recherche mémoireInterroge la mémoire long-terme du créateur (RAG)V1 et V2
D’autres agents opèrent en dehors d’AutoReply (enrichissement du profil utilisateur, extraction de mémoires, description de médias, évaluation des énumérations personnalisées…). Ils suivent les mêmes principes de configuration et de traçabilité.

Voir aussi

  • Réponses automatiques — L’orchestration des agents dans le workflow AutoReply.
  • Job — Le conteneur d’exécution des agents.