Google a lancé une version préliminaire de son API Genkit Agents pour TypeScript et Go, ajoutant des « detached turns » et un garde-fou « human-in-the-loop » pour faciliter la création et le contrôle d'agents IA de niveau production.

Pourquoi cette nouvelle API est importante

Les développeurs sont confrontés depuis longtemps à deux problèmes lors du déploiement d'agents IA : les tâches de longue durée qui bloquent l'ensemble d'un pipeline, et la difficulté de garantir des actions sûres et dignes de confiance. Les « detached turns » permettent à un agent de continuer à travailler sur une opération longue sans verrouiller le flux de travail environnant, tandis que l'option « human-in-the-loop » impose une révision manuelle avant que le résultat de l'agent ne soit appliqué. Ensemble, elles réduisent les temps d'arrêt et préviennent les erreurs coûteuses.

Le chemin parcouru jusqu'ici

Plus tôt cette année, des frameworks open-source et des services cloud ont commencé à proposer des composants « plug-and-play » pour l'IA conversationnelle, mais la plupart obligeaient les développeurs à écrire du code d'orchestration personnalisé. Le Genkit de Google comble cette lacune avec un SDK de plus haut niveau qui élimine le code répétitif (boilerplate) lié à la gestion des requêtes, à la gestion de l'état et à la sélection des modèles.

Ce que font réellement ces fonctionnalités

  • Detached turns : Lorsqu'un agent doit récupérer des données auprès d'une API externe, exécuter une chaîne de raisonnement en plusieurs étapes ou attendre une saisie utilisateur, il délègue le travail à un processus d'arrière-plan. Le flux de travail principal reçoit un espace réservé (placeholder) et poursuit son exécution, évitant ainsi un arrêt complet qui bloquerait les tâches en aval.
  • Human-in-the-loop : Avant que la décision de l'agent ne soit validée — par exemple, pour approuver un prêt ou mettre à jour une base de données — une invite d'interface utilisateur apparaît pour un réviseur humain. Le réviseur peut accepter, modifier ou rejeter la suggestion, offrant ainsi aux organisations un filet de sécurité sans abandonner l'automatisation.

Émergence d'outils complémentaires

Parallèlement à Genkit, la communauté open-source déploie des utilitaires qui traitent des questions de coût et de débogage, deux points de friction qui accompagnent souvent les pipelines d'IA.

  • ORA : Un orchestrateur de tâches basé sur Go, packagé sous la forme d'un binaire unique. Il divise les tâches volumineuses en sous-tâches plus petites et les redirige automatiquement vers le modèle le moins cher capable de les traiter, aidant ainsi les équipes à maîtriser leurs dépenses cloud.
  • Python AI error explainer : Une bibliothèque qui analyse les traces de pile (stack traces) et les journaux (logs) cryptiques, puis renvoie un résumé en langage clair, la cause probable et les étapes de remédiation. En transformant les données d'erreur brutes en informations exploitables, elle accélère la boucle de rétroaction des développeurs.

Qui gagne, qui s'inquiète

À surveiller ensuite

Si cette version préliminaire tient ses promesses, les agents IA pourraient passer de chatbots expérimentaux à des composants fiables en lesquels les entreprises peuvent avoir confiance pour agir, faire une pause et demander de l'aide lorsque les enjeux sont élevés.