↓ Aller au contenu

Système d'Agents IA #2 : Premier agent métier typé avec Pydantic AI — Entrées/sorties validées, zéro surprise

·275 mots·2 mins
Pierre Dupont
Auteur
Pierre Dupont
Lead Data Engineer Freelance & AI Builder | Modern Data Stack, Microsoft Fabric & Agents IA (LangChain, Pydantic AI)
Système d'Agents IA d'Entreprise - Cet article fait partie d'une série.
Partie 2: Cet article

Vous avez un SLM qui tourne en local. Maintenant, comment l’embarquer dans un agent métier fiable — celui qui ne vous renvoie pas du texte approximatif mais une structure de données validée que votre code peut exploiter directement ? C’est là qu’intervient Pydantic AI.

Système d’Agents IA #2

Ce que fait ce tuto (en 20 min)
#

  • Installe et configure Pydantic AI avec le backend Ollama (modèle local).
  • Définit des modèles Pydantic pour l’entrée (ticket brut) et la sortie (classification structurée).
  • Implémente un agent classifieur de tickets IT : catégorie, urgence, résumé, champs techniques — le tout validé à la volée.
  • Montre la gestion d’erreurs : retry automatique, fallback, logging structuré.
  • Compare avec une approche « prompt brut + parsing manuel » : pourquoi le typage change la donne en production.

Pourquoi Pydantic AI ?
#

Approche classiquePydantic AI
Prompt en string, parsing json.loads hasardeuxSchéma Pydantic = contrat explicite
Erreur silencieuse → donnée corrompueValidation automatique, erreur levée propre
Retry manuel, logique dispersée@agent.retry décorateur, politique centralisée
Pas de visibilité sur ce que le LLM « comprend »result.usage() tokens, result.all_messages() historique
Test unitaire ? « Marche sur ma machine »Agent testable, mockable, déterministe (seed)

Pour qui ?
#

Équipes qui ont déjà un SLM local (tuto #1) et veulent industrialiser leurs premiers agents sans réinventer la validation, le retry, l’observabilité. Le typage n’est pas de la paperasse : c’est ce qui permet de chaîner des agents ensuite (Module 3).

Accès au code complet
#

👉 Tutoriel pas à pas (GitHub) : 1.2-premier-agent-metier-pydantic-ai/docs/tutoriel.md

Prochain épisode : on donne de la connaissance métier à l’agent — ingestion de documents RH, chunking sémantique, vector DB locale (DuckDB/Qdrant embarqué).

Système d'Agents IA d'Entreprise - Cet article fait partie d'une série.
Partie 2: Cet article