De l'expertise humaine à l'agent IA : la mécanique derrière Agent Planet

Introduction

L'idée est simple en apparence : permettre à un expert métier de créer un agent IA qui porte son savoir-faire, sans avoir à écrire une seule ligne de code. Mais derrière cette simplicité, il y a une vision précise de ce que doit être un agent de confiance. Pas un chatbot anonyme. Pas un outil généraliste rebrandé. Un vrai jumeau numérique, construit par un professionnel identifié, testé sur des cas réels, et supervisé en continu. Agent Planet est actuellement en phase de construction avec un groupe restreint d'experts partenaires. Voici comment ça se passe concrètement.

Pourquoi on parle de "jumeau numérique" et pas d'agent IA

La terminologie n'est pas anodine. Un agent IA, ça peut être n'importe quoi. Un jumeau numérique est un système construit pour appliquer le cadre de raisonnement et les connaissances d'un expert identifié, sous sa supervision continue. Sur Agent Planet, chaque agent est construit par un professionnel dont l'identité, les diplômes et l'expérience sont vérifiés. Le client sait exactement qui est derrière son agent. C'est cette traçabilité humaine qui fonde la confiance.

Les 4 étapes de création d'un agent

• L'entretien guidé : L'expert répond à un questionnaire d'onboarding conçu spécifiquement pour son métier. Agent Planet nourrit ses questionnaires de recherches en psychologie, en sciences cognitives et en comportements humains pour aller chercher ce que l'expert sait sans forcément savoir qu'il le sait : ses réflexes, ses raisonnements implicites, sa façon de hiérarchiser les priorités dans un dossier complexe. Les réponses de l'expert à ce questionnaire contribuent à générer le prompt système de son agent, c'est-à-dire les instructions fondamentales qui définissent son comportement, son ton, ses méthodes et son périmètre d'intervention. C'est la colonne vertébrale du jumeau numérique. L'objectif n'est pas de reproduire un cerveau, c'est techniquement impossible. C'est de modéliser un cadre de raisonnement : la structure de pensée, les méthodes, les critères de décision propres à cet expert.

  
  

• La bibliothèque de connaissances et la recherche web ciblée : L'expert dépose ses documents de référence : modèles de contrats, guides internes, textes législatifs, notes de jurisprudence. Ces documents sont indexés dans un espace strictement isolé. Ils ne servent jamais à entraîner des modèles tiers, ne sont jamais mutualisés entre experts, et ne quittent jamais l'infrastructure suisse. La recette secrète reste la sienne. L'expert définit également les sources web autorisées pour son domaine : un agent paie priorisera des sources institutionnelles comme l'URSSAF, un agent juridique s'appuiera en priorité sur des références comme Légifrance. Sans pollution par des contenus non vérifiés, sans dérive vers des informations non maîtrisées.

  
  

• Le playground de test : Avant toute publication, l'expert teste son agent en conditions réelles. Il lui soumet les questions les plus difficiles de son domaine, observe les réponses, ajuste, corrige. Un assistant IA est disponible à chaque étape si besoin. C'est lui qui décide quand son jumeau numérique est prêt.

  
  

• La certification : L'agent passe une batterie de tests métier spécifiques à son secteur. Son score qualité est calculé et affiché publiquement. La certification ne garantit pas l'infaillibilité, aucun système IA ne peut le prétendre. Elle garantit un taux d'erreur contrôlé, des mécanismes de refus sur les questions hors périmètre, et une supervision active pour les cas sensibles.

La supervision humaine : le cœur du modèle

Agent Planet intègre un système de supervision humaine asynchrone : chaque question client reçoit un score de risque automatique. Les cas simples sont traités directement par l'agent. Les cas complexes remontent à l'expert pour revue, sans que le client n'attende. L'expert accède à un dashboard épuré qui lui présente uniquement les interactions qui méritent son attention. En un clic, il peut valider, corriger, compléter ou escalader.

Ce n'est pas de la surveillance. C'est un mécanisme d'apprentissage continu et gouverné. L'agent n'apprend jamais seul, uniquement via des décisions humaines explicites. Et la charge de supervision diminue naturellement avec le temps : après 6 mois d'utilisation, on estime que 85% des réponses passent en risque faible contre 60% au lancement. Plus l'expert valide, moins il intervient. Le système apprend, l'expert se libère.

Une question revient souvent sur les données

Si Agent Planet orchestre des modèles IA, qu'arrive-t-il aux données des experts et de leurs clients ? Les documents bruts ne quittent jamais l'infrastructure. Seul le contexte minimal nécessaire à la réponse est transmis au modèle. Et chaque fournisseur est contractuellement engagé via des accords Zero Data Retention enterprise : aucune donnée n'est stockée ni utilisée pour entraîner leurs modèles. Ce n'est pas la même chose qu'utiliser ChatGPT en version grand public.

Les tendances qui rendent ce modèle pertinent aujourd'hui

• L'IA agentique devient le standard : les entreprises veulent des agents qui exécutent des tâches métier complexes de bout en bout.

• La responsabilité devient un critère : avec l'AI Act 2026, les organisations ont besoin de savoir qui répond de la qualité d'un agent.

• La monétisation de l'expertise ouvre un nouveau modèle économique : transformer son savoir-faire en actif numérique scalable, disponible 24h/24, sans se dédoubler.

Conclusion

Un expert qui crée son jumeau numérique sur Agent Planet ne crée pas juste un outil. Il crée un actif numérique qui a une valeur propre, indépendante de son temps de travail facturé. Pour un consultant indépendant ou un cabinet spécialisé, c'est un changement de modèle économique fondamental : passer d'un revenu lié au temps à un revenu lié à la valeur capitalisée. Le jumeau numérique n'est pas là pour remplacer l'humain. Il est là pour le rendre omniprésent, sans l'épuiser, avec la rigueur et la traçabilité qu'exigent les entreprises qui font confiance à leurs données.