Workflow
IA Générative
8 min de lecture

Concevoir des logiciels et des sites pour les humains et les agents IA

Concevoir pour les agents IA, pas seulement pour les humains : réserver une table à la main ou par un agent IA en un seul appel d'outil

Résumez cet article avec :

Résumé

Pendant des décennies, les interfaces ont été pensées pour des yeux et des mains. En 2026, ce travail est de plus en plus fait par des agents IA pour le compte des personnes. Ce qui change, et comment concevoir pour les deux.

Un lancement récent sur Product Hunt a attiré notre attention : Shelter41, un service qui fait tourner des agents de code dans le cloud, chacun sur sa propre machine isolée, pour qu'ils continuent à travailler une fois l'ordinateur fermé. On les suit et on les pilote depuis le web, en ligne de commande ou avec un SDK.

Ce qui nous intéresse ici, c'est la variété de ses points d'entrée. Le tableau de bord web sert à la personne qui vient voir où en est le travail. La CLI et le SDK servent aux scripts, et de plus en plus souvent à d'autres agents. Pendant des décennies, concevoir un logiciel voulait dire une seule chose : un écran qu'une personne regarde et sur lequel elle clique. Cette personne n'est plus le seul utilisateur pour qui il faut concevoir.

Ce changement a un nom : l'agent experience, ou AX. Cet article explique ce qui change quand l'utilisateur est un agent IA, les briques apparues d'ici 2026, et comment construire un produit que les personnes comme leurs agents peuvent utiliser.

L'utilisateur n'est plus toujours une personne

Les données de trafic vont dans le même sens. D'après le 2026 State of AI Traffic & Cyberthreat Benchmark Report de HUMAN Security, le trafic mensuel généré par l'IA a augmenté de 187 % entre janvier et décembre 2025, et celui des agents qui naviguent et agissent sur le web de 7 851 % en un an. Le rapport voit aussi des agents sur les pages de paiement : 2,3 % de l'activité des agents qu'il a observée s'y déroulait.

Ces chiffres portent sur le trafic qu'observe un éditeur de sécurité, et celui des agents est une croissance à partir d'une base faible, pas une part du trafic web total. Mais la direction est nette : les systèmes d'IA passent de la lecture du web à l'action.

Les développeurs ont vu ce changement plus tôt. Des agents de code comme Claude Code, Codex CLI et Gemini CLI sont nés dans le terminal, parce qu'un modèle lit et écrit du texte et qu'une ligne de commande, c'est du texte en entrée et du texte en sortie. Ils tournent désormais de plus en plus dans le cloud, loin de l'ordinateur du développeur. Quand un agent travaille seul pendant des heures, l'écran n'est plus l'endroit où le travail se fait, mais celui où l'on vient le vérifier.

UI ou AX : ce qui change quand l'utilisateur est un agent

Le terme agent experience s'inspire de l'expérience utilisateur (UX) et de l'expérience développeur (DX). Il désigne la facilité avec laquelle un agent IA trouve l'information, comprend ce qu'il peut faire et accomplit des tâches sur un service par lui-même. En pratique, presque tout ce que fait une bonne interface a son équivalent côté agent :

Pensé pour les personnes (UI)Pensé pour les agents (AX)
TrouverMenus, barre de recherche, hiérarchie visuelleUn index comme llms.txt, un endpoint de liste
LirePages HTML avec mise en page, images et navigationDu contenu structuré : Markdown, JSON ou HTML aux libellés clairs
AgirBoutons et formulairesDes outils avec un nom, une description et un JSON Schema
DémarrerInscription, visite guidéeUne authentification claire et un premier appel documenté
ErreursUn message rouge à l'écranUne erreur structurée qui dit quoi corriger
ConfianceLa marque, les repères visuelsPermissions explicites, confirmations et journaux
Coût d'une mauvaise conceptionUn utilisateur agacé qui s'en vaDes tokens gaspillés, des essais répétés, de mauvaises actions
Un même produit, deux types d'utilisateurs. La plupart des bonnes pratiques d'UI ont leur équivalent côté agent.

C'est la dernière ligne que les équipes oublient le plus souvent. Un écran confus ralentit une personne. Une interface confuse oblige un agent à lire davantage, à réessayer et à se tromper d'action, et chaque appel au modèle en plus ajoute du délai et du coût. Pour un agent, la qualité d'une interface a un prix.

Les briques d'un logiciel prêt pour les agents

Aucun standard unique ne couvre l'AX. Ce qui existe, c'est un ensemble de briques, chacune répondant à une ligne du tableau.

llms.txt et documentation en Markdown

llms.txt, proposé en 2024 par Jeremy Howard d'Answer.AI, est un fichier Markdown, en général placé à la racine d'un site, qui liste les pages importantes avec une ligne de description pour chacune. C'est un plan du site écrit pour un modèle de langage plutôt que pour un robot d'indexation. Beaucoup de sites de documentation vont plus loin et publient une version Markdown de chaque page, pour qu'un agent lise le contenu sans avoir à décortiquer une mise en page.

Du Markdown à la demande

Certains sites vont plus loin et servent du Markdown à la demande : un client qui envoie l'en-tête Accept: text/markdown reçoit la même URL en Markdown, sans navigation, scripts ni styles. Certaines plateformes d'hébergement et de documentation font désormais cette conversion automatiquement. Une même URL, deux représentations : une pour les personnes, une pour les agents.

MCP : les actions deviennent des outils

Le Model Context Protocol, lancé par Anthropic en novembre 2024, transforme les actions d'un produit en outils qu'un agent compatible découvre au moment de s'en servir. Chaque outil a un nom, une description et un JSON Schema pour ses paramètres : c'est l'équivalent, côté agent, d'un bouton bien libellé. Concevoir ses outils compte autant que concevoir ses boutons, car les définitions d'outils envoyées avec une requête occupent le contexte du modèle, et une liste trop longue ajoute des tokens à chaque appel, sauf si le client charge les outils à la demande. Nous l'avons détaillé dans MCP Token Costs: You Pay for the Tools Your Agent Never Calls.

WebMCP : des outils dans la page web

WebMCP applique la même idée aux sites web. C'est un projet de standard qui permet à une page de déclarer ses propres outils, par exemple checkout ou filter_results, avec des JSON Schemas pour les entrées et les sorties. Au lieu de deviner à quoi sert un bouton à partir de la structure de la page, l'agent appelle l'outil que le site a déclaré. La documentation de Google juge cette approche plus fiable que de laisser l'agent cliquer, et précise que les outils s'exécutent de façon visible sur la page et peuvent demander une confirmation à l'utilisateur pour une action sensible. C'est encore récent, donc appelé à évoluer.

La CLI et le SDK, des interfaces à part entière

Beaucoup de produits proposent désormais trois points d'entrée : le web pour les personnes, une CLI et un SDK pour tout le reste. Une ligne de commande utilisable par un agent a des commandes prévisibles, une sortie lisible par une machine, comme une option --json, et pas de question interactive qui bloque un script. Rien de nouveau, mais les agents transforment ces bonnes pratiques en exigences.

Le computer use, en dernier recours

Quand rien de tout cela n'existe, un agent peut encore utiliser l'interface humaine : prendre une capture d'écran, deviner où cliquer, vérifier le résultat, recommencer. C'est ce que font les API de computer use. Ça marche là où il n'existe pas d'API, c'est leur force, mais pour une même tâche, c'est souvent plus lent, plus coûteux et moins fiable qu'une interface structurée. Un produit qui propose une vraie interface pour les agents offre à ses utilisateurs un chemin plus direct.

Les personnes ne partent pas, elles montent d'un niveau

Rien de tout cela ne rend les interfaces humaines obsolètes. Un agent agit pour le compte d'une personne, pas pour son propre compte.

Ce qui change, c'est le rôle de l'écran. Quand c'est l'agent qui clique, l'interface de la personne devient un poste de supervision : qu'a fait l'agent, pourquoi, combien ça a coûté, et comment revenir en arrière ? Un commentaire sous ce lancement sur Product Hunt le dit clairement. Avant de confier des tâches plus importantes à un agent dans le cloud, son auteur veut « un historique clair de ce qu'il a modifié et pourquoi, et un moyen simple de revenir en arrière quand ça tourne mal ».

Journaux, diffs, validations, budgets et demandes de confirmation : voilà l'interface de l'ère des agents. Elle compte plus, pas moins, quand le travail se fait sans personne pour regarder.

Checklist : votre produit est-il prêt pour les agents ?

  • Publier un llms.txt et une version Markdown de la documentation.
  • Servir aux agents un contenu structuré, en Markdown ou en JSON, en plus du HTML.
  • Exposer les actions principales comme des outils avec un nom, une description et un JSON Schema clairs, via MCP ou WebMCP.
  • Garder une liste d'outils courte, et vérifier comment le client de l'agent charge les définitions d'outils.
  • Raccourcir le chemin entre l'inscription et le premier appel réussi : une authentification claire, un exemple qui fonctionne.
  • Renvoyer des erreurs structurées qui disent à l'agent quoi corriger.
  • Proposer une CLI ou un SDK avec une sortie lisible par une machine et sans question interactive.
  • Exposer vos prix publics et vos limites via l'API, pour qu'un agent puisse choisir et tenir un budget.
  • Demander une confirmation humaine pour les actions sensibles, et tenir un journal d'audit de ce que font les agents, sans y stocker de secrets.

Notre approche chez Eden AI

Eden AI est une API : elle sert des programmes depuis le premier jour. Mais les agents sont des programmes particuliers : ils lisent la documentation eux-mêmes, choisissent leurs outils au moment de s'en servir, et chacune de leurs étapes a un coût. Voici ce que nous leur proposons aujourd'hui :

  • Un llms.txt pour le site et un autre pour la documentation, dont chaque page existe aussi en Markdown.
  • Un serveur MCP hébergé, qui expose nos modèles experts (OCR, recherche web, voix, traduction et d'autres) comme des outils avec des JSON Schemas, plus un outil list_models qui renvoie fournisseurs, modèles et prix au moment de l'appel.
  • Des endpoints de chat compatibles OpenAI et Anthropic, et une API de recherche compatible Perplexity, pour que les clients que les agents utilisent déjà peuvent s'y connecter en changeant quelques réglages, comme l'expliquent nos guides de configuration.
  • Une API de web scraping qui renvoie une page en Markdown propre, prête à être lue par un modèle.
  • Des guides de configuration pour les principaux agents de code, dont Claude Code et Codex CLI.

Par exemple, une seule commande ajoute notre serveur MCP à Claude Code, qui peut alors appeler nos modèles experts comme outils avec votre clé API Eden AI. Faire passer les appels LLM de Claude Code eux-mêmes par Eden AI se configure à part, comme l'explique notre guide Claude Code.

claude mcp add --transport http --scope user edenai https://mcp.edenai.run/mcp --header "Authorization: Bearer YOUR_EDEN_AI_API_KEY"

Les interfaces se dédoublent, elles ne disparaissent pas

L'écran ne disparaît pas. Il se dédouble : une interface pour les personnes qui décident et supervisent, et des points d'entrée structurés pour les agents qui font le travail. Les produits conçus pour les deux seront ceux que les agents savent utiliser, et ce sont de plus en plus les agents qui choisissent les outils pour le compte des personnes pour qui ils travaillent.

Si vous construisez vous-même des agents, la logique vaut dans l'autre sens : choisissez des outils et des API pensés pour eux. Ça se verra sur votre taux de réussite et sur votre facture.

FAQ

Qu'est-ce que l'agent experience (AX) ?

L'agent experience, c'est l'expérience d'un agent IA quand il utilise un produit : la facilité avec laquelle il trouve l'information, comprend ce qu'il peut faire, agit et se remet d'une erreur. Le terme s'inspire de l'expérience utilisateur (UX) et de l'expérience développeur (DX).

L'AX remplace-t-elle l'UX ?

Non. Les personnes continuent de décider, de superviser et de valider, et il leur faut de bonnes interfaces pour le faire. L'AX ajoute un second type d'utilisateur et change le rôle de l'interface humaine : moins faire la tâche, davantage vérifier ce qu'un agent a fait.

Quelle différence entre MCP et WebMCP ?

MCP est un protocole qui permet à un agent de se connecter à un serveur et d'appeler ses outils, indépendamment de toute page web. WebMCP est un projet de standard web qui permet à un site de déclarer des outils dans la page elle-même, pour qu'un agent de navigateur s'en serve pendant que l'utilisateur est sur le site. Les deux décrivent leurs outils avec des JSON Schemas.

Qu'est-ce que llms.txt ?

llms.txt est une convention proposée : un fichier Markdown, en général placé à la racine d'un site, qui liste ses pages les plus utiles avec une courte description pour chacune. Les modèles de langage et les agents qui le lisent peuvent trouver le bon contenu sans parcourir tout le site.

Comment rendre son API utilisable par des agents ?

Publier une documentation claire en Markdown avec un index llms.txt, décrire ses actions comme des outils avec des JSON Schemas, renvoyer des erreurs structurées, exposer prix et limites via l'API, et raccourcir au maximum le chemin entre la clé API et le premier appel. La compatibilité avec les clients que les agents utilisent déjà, comme le SDK OpenAI, réduit aussi le travail d'intégration.

à savoir

Bon à savoir

Les chiffres de trafic viennent du 2026 State of AI Traffic & Cyberthreat Benchmark Report de HUMAN Security et portent sur le trafic qu'il observe ; celui du trafic des agents est un taux de croissance à partir d'une base faible, pas une part du trafic web total. WebMCP est un projet de standard qui peut encore évoluer.

Articles similaires

COMMENCEZ

Commencez à créer avec Eden AI

Une interface unique pour intégrer les meilleures technologies d’IA dans vos flux de travail.