Contexte de l'IA
Détecter, décider, agir, clôturer : anatomie du flux de travail d'un agent IA
Une IA qui vous donne des conseils est utile. Une IA qui boucle la boucle – lit le contexte, raisonne, entreprend une action et enregistre le résultat – est la manière dont le travail est réellement effectué.
2026-06-26 · 8 min de lecture
Qu'est-ce qui différencie un flux de travail d'agent IA d'une session de chat
Chat AI est fondamentalement une requête-réponse : vous demandez, elle répond, rien ne change dans vos systèmes. Le flux de travail d’un agent IA est différent en nature, et pas seulement en degré. Le modèle lit le contexte en direct de vos outils, le raisonne, réécrit les actions dans ces outils et les résultats alimentent la boucle suivante. L’IA ne vous conseille pas sur votre travail – elle en effectue une partie définie.
Cette distinction est importante car l’essentiel du travail de connaissance n’est pas lié à la prise de décision. C'est le tissu conjonctif autour des décisions : rassembler le contexte pour décider, communiquer la décision, mettre à jour les systèmes qui la suivent, assurer le suivi en cas de dérapage. Un flux de travail d'agent gère ce tissu conjonctif. Vous fournissez le jugement ; la boucle gère la logistique.
La boucle Sense-Decide-Act-Close est le modèle de Lodestar pour la manière dont les flux de travail des agents IA doivent être structurés. Chaque étape a une responsabilité claire et, ensemble, elles forment un cycle fermé qui termine réellement le travail plutôt que d'ajouter des conseils supplémentaires à votre pile.
Sens : lire le contexte avant de raisonner
Le sens est l’étape où l’IA lit le contexte dont elle a besoin pour bien raisonner. Dans Lodestar, cela signifie appeler les outils de lecture MCP : extraire votre tableau de bord, lire les éléments d'action avec leurs liens de preuves, récupérer le contenu du fil de discussion, vérifier les événements du calendrier, interroger le graphique de connaissances pour obtenir des documents pertinents ou des décisions antérieures.
La qualité de l’étape Sense détermine la qualité de tout ce qui suit. Un modèle de raisonnement sur un fil de discussion complet, l'historique de qui doit quoi et la tendance des sentiments pour ce contact permettra d'aboutir à de meilleures conclusions qu'un seul raisonnement sur votre résumé de la situation. La couche de contexte est ce qui rend Sense significatif plutôt que superficiel.
Le pipeline d'enrichissement de Lodestar s'exécute avant que l'IA ne touche les données. Au moment où vous posez une question, vos e-mails ont déjà été classés et liés à des projets, les éléments d'action ont été extraits avec leurs citations sources et le sentiment a été calculé par contact. Le modèle n’effectue pas d’analyse de texte brut – il lit un contexte structuré et enrichi. Cela compresse l’étape Sense de quelques minutes à quelques secondes.
Décidez : où le modèle gagne sa vie
La décision est l’étape que la plupart des gens imaginent lorsqu’ils pensent à l’IA : le modèle raisonne en fonction du contexte et détermine quoi faire. Dans un flux de travail d'agent bien construit, Decide est l'endroit où la capacité de raisonnement du modèle frontière est appliquée à un problème qui vaut réellement son coût de calcul – sans reconstruire le contexte que vous aviez déjà, mais en portant un jugement sur celui-ci.
L'étape de décision pour un workflow de planification matinale pourrait ressembler à ceci : « Compte tenu de ces sept éléments en retard, de ces trois fils de discussion entrants et de ce calendrier, quelles sont les trois choses les plus efficaces à faire avant midi ? Le modèle prend en compte l’urgence, le risque relationnel et les dépendances – le genre de jugement multifactoriel qui ne se réduit pas à une règle.
Pour un workflow de suivi client, Decide pourrait être : "Cette tendance de sentiment a chuté deux semaines consécutives, les trois derniers e-mails sont restés sans réponse et le renouvellement est dans six semaines. Rédigez un e-mail de récupération et proposez deux tâches de suivi." Ce raisonnement nécessite du contexte (Sens), du jugement (Décider) et la capacité d'agir en fonction de la conclusion – ce qui constitue l'étape suivante.
Agir : réécrire les résultats via MCP
C’est dans l’acte que la boucle devient réelle. Le modèle appelle les outils d'écriture MCP : action_items_create pour enregistrer un nouvel engagement, emails_reply_link pour ouvrir un brouillon dans votre client de messagerie, Miles_partial_update pour enregistrer qu'une phase est terminée, timeline_events_create pour enregistrer ce qui s'est passé et quand.
Le principe de conception de la couche Act de Lodestar est que les actions consécutives font surface pour un examen humain. Les brouillons d’e-mails sont exactement cela : des brouillons. Vous voyez la réponse proposée, décidez qu’elle est correcte et cliquez sur envoyer. L’IA fait le travail de rédaction ; vous conservez la décision d'envoi. La création de tâches et les mises à jour des jalons se produisent immédiatement, car elles sont réversibles et limitées à votre espace de travail, mais même celles-ci sont enregistrées dans la chronologie afin que vous puissiez voir ce que l'IA a fait.
Il ne s'agit pas d'un compromis en matière de sécurité : c'est la conception correcte pour un flux de travail professionnel. Une IA qui ne peut pas être contournée n’est pas utile dans un contexte où le jugement dépend d’informations que le modèle ne peut pas voir : dynamique relationnelle, nuances politiques, informations partagées verbalement. La couche Act exécute le travail mécanique ; la porte du jugement humain reste en place pour la communication.
Fermer : journalisation, notification, suivi jusqu'à la fin
La fermeture est l’étape qui empêche le travail de s’évaporer. Une fois que le modèle a agi, Lodestar enregistre l'événement dans la chronologie (ce qui s'est passé, qui a été impliqué, quel a été le résultat), met à jour le projet et l'état des jalons pertinents, et crée ou clôture des éléments d'action afin que l'image de suivi reflète la réalité.
L'étape Close gère également le suivi. Si une tâche de suivi a été créée au cours de l'étape Act, Lodestar la suit jusqu'à son achèvement - en la faisant apparaître dans le plan quotidien lorsqu'elle est due, en la signalant dans le flux d'attention si elle glisse et en la poussant automatiquement jusqu'à ce qu'elle soit fermée ou délibérément différée.
C'est pourquoi la boucle s'appelle Sense-Decide-Act-Close plutôt que Sense-Decide-Act. Sans l’étape Close, vous disposez d’un modèle qui entreprend des actions mais ne laisse aucune trace. Grâce à lui, chaque action de l'IA est auditable, chaque engagement est suivi et la couche de contexte s'enrichit à chaque boucle terminée, ce qui rend la prochaine étape Sense plus précise.
Une boucle complète : le constructeur livre une fonctionnalité
Parcourez un flux de travail concret d'agent IA pour un développeur solo utilisant Claude Code avec Lodestar. Début de session : Claude appelle Dashboard_today et action_items_list. L'étape Sense renvoie trois éléments attendus aujourd'hui, dont un bloquant la fonctionnalité Jet Rebellion. Claude présente le plan avec des priorités.
Le développeur dit : « Implémentez l’élément 42. » Claude appelle action_items_retrieve(42), puis knowledge_search et files_content pour extraire les spécifications et les fichiers de code pertinents. Le sens est complet. Le modèle raisonne sur la spécification, le code existant et le problème de blocage. Decide produit un plan de mise en œuvre. Claude Code écrit le code, exécute les tests, déploie.
Act : Claude appelle action_items_partial_update(42, 'done') et timeline_events_create pour enregistrer l'achèvement. Il appelle emails_reply_link pour ouvrir un brouillon informant les parties prenantes qui ont été mises en copie sur le fil de discussion de spécification d'origine. Le développeur examine le brouillon et clique sur envoyer. Fermer : l'action est terminée, le jalon est mis à jour, la chronologie enregistre l'événement et les parties prenantes sont informées, le tout sans quitter l'éditeur.
Une boucle complète : le consultant récupère une relation client
Un cadre fractionnaire débute la matinée en posant une question à Claude : "Quelque chose est en feu ?" Sens : Claude appelle Dashboard_needs_attention et Dashboard_sentiment. Renvoie un client avec une baisse de sentiment de −0,3 au cours des deux dernières semaines, deux fils de discussion non résolus restant dix jours sans réponse.
Décidez : Claude lit les fils de discussion (emails_content), l'organigramme (knowledge_org_charts) et les éléments d'action ouverts pour ce client (action_items_list). Il identifie ce qui a dérapé : un livrable manqué, une question restée sans réponse, un contact qui s'est tu. Il élabore une approche de rétablissement.
Agir : emails_reply_link ouvre un brouillon au bon contact abordant directement la situation. action_items_create enregistre deux tâches de suivi avec les propriétaires et les dates d'échéance. Fermer : timeline_events_create enregistre la décision de se réengager. Le plan quotidien fera apparaître les deux tâches de suivi jusqu'à ce qu'elles soient marquées comme terminées. Ce qui aurait nécessité vingt minutes de reconstruction manuelle – lire les fils de discussion, vérifier les notes, rédiger une réponse à partir de zéro – se déroule en une seule conversation.
Pourquoi la boucle est plus importante que n'importe quelle capacité individuelle d'IA
La puissance du modèle Sense-Decide-Act-Close ne réside pas dans une seule étape : c'est la boucle. Un modèle qui peut bien raisonner mais ne peut pas lire un contexte structuré donne des conseils génériques. Un modèle capable de lire le contexte mais ne pouvant pas réécrire sur vos systèmes donne de meilleurs conseils, toujours manuels. Un modèle qui lit, raisonne, agit et clôture produit un travail fini : engagé, suivi et suivi.
Pour les opérateurs indépendants et les constructeurs techniques, c’est l’effet cumulatif qui compte le plus. Chaque boucle terminée enrichit la couche de contexte. Une relation client avec cinquante interactions enregistrées, des engagements fermés et une tendance de sentiment suivie est une entrée fondamentalement différente pour la prochaine étape Sense qu'une page vierge. L'IA devient plus utile à mesure que la boucle s'exécute, non pas parce que le modèle s'améliore, mais parce que la mémoire dans laquelle elle lit augmente.
C’est ce que signifie pour l’IA d’effectuer réellement un travail plutôt que d’y contribuer. L'architecture est disponible aujourd'hui via le serveur Lodestar MCP et tout client AI compatible. La boucle est déjà définie. La couche contextuelle est déjà en cours de construction. Ce que vous apportez, c'est le travail.
L'essentiel
La boucle Sense-Decide-Act-Close est le cadre qui transforme un modèle performant en un modèle qui termine réellement son travail. L'accès anticipé à Lodestar vous offre la couche contextuelle et le serveur MCP pour exécuter cette boucle dès le premier jour, avec une équipe produit disponible pour travailler sur vos flux de travail spécifiques lors de l'intégration.
Le contexte expliqué
Pourquoi le contexte change tout avec l'IA — et comment Lodestar construit la couche de mémoire que vos modèles n'ont pas.
Lire Le contexte expliqué