Design Patterns Agentiques (Agentic Design Patterns)

Les design patterns, ce n’est pas nouveau pour moi. J’ai étudié ça pendant mes études en génie logiciel — le Gang of Four, les Singleton, Factory, Observer… Des solutions éprouvées à des problèmes récurrents, qu’on réutilise plutôt que de réinventer la roue. Classique. On les appelle aussi motifs de conception.

Mais là, il y a du nouveau.

Soucieux de toujours améliorer la qualité de mon code et d’optimiser ma façon de travailler avec les outils IA, j’ai creusé le sujet. C’est comme ça que j’ai découvert le bouquin d’Antonio Gullí, Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems, un ingénieur de Google qui recense 20 design patterns agentiques pour structurer le comportement d’une IA et la transformer en agent capable d’agir.

Et ce n’est pas de la théorie abstraite. Ces patterns, c’est ce qui sépare ceux qui galèrent avec l’IA de ceux qui en tirent vraiment parti.

Pourquoi c’est utile avec Claude Code

Chaque pattern répond à un problème concret que tu rencontres probablement déjà. Et le truc puissant : tu peux littéralement donner ces patterns à Claude Code. Il comprendra quel pattern employer pour quel type de problème. C’est comme lui fournir un manuel de bonnes pratiques qu’il sait déjà lire.

• Tu parles le même langage que l’outil. Claude Code fonctionne déjà selon ces patterns en interne — il planifie, utilise des outils, se relit. Si tu comprends cette logique, tu sais comment le guider efficacement. Au lieu de prompts vagues qui donnent des résultats aléatoires, tu formules des instructions alignées avec son fonctionnement natif.
• Tu structures tes demandes intelligemment. Plutôt que de balancer « crée-moi une app de gestion de tâches » et espérer un miracle, tu découpes : « D’abord, analyse les besoins. Ensuite, propose une architecture. Puis implémente module par module. » Tu appliques le pattern de planification, et Claude Code livre un résultat cohérent.
• Tu évites les boucles de correction infinies. Le pattern de réflexion, tu peux l’activer explicitement : « Relis ton code, cherche les edge cases, corrige avant de me montrer. » Résultat : moins d’allers-retours, moins de temps perdu à débugger des erreurs qu’il aurait pu voir lui-même.
• Tu sais quand lui donner des outils. Besoin qu’il interroge une API ? Qu’il lise un fichier ? Tu sais que c’est le pattern « Tool Use » — tu configures les MCP servers adaptés, tu lui donnes accès à ce qu’il faut, ni plus ni moins.
• Tu optimises ta consommation de tokens. Comprendre ces patterns, c’est savoir quand une tâche nécessite plusieurs étapes (et donc plus de contexte) versus quand un simple zero-shot suffit. Tu ne surcharges pas pour rien, tu ne sous-estimes pas non plus.

En gros : ces patterns te donnent une grille de lecture pour piloter Claude Code comme un chef de projet pilote une équipe. Tu sais comment déléguer, quand faire vérifier, et quels outils mettre à disposition.

Les 20 patterns en un coup d’œil

I. Les Fondamentaux (briques de base)

Prompt Chaining (Chaînage) — Découper une tâche en étapes séquentielles, chaque étape valide la précédente avant de passer à la suite.
Routing (Routage) — Analyser la demande pour l’envoyer au bon agent spécialisé.
Parallelization (Parallélisation) — Plusieurs agents bossent en même temps sur des sous-tâches indépendantes.
Reflection (Réflexion) — L’agent critique sa propre réponse et révise jusqu’à atteindre le standard de qualité.
Tool Use (Utilisation d’outils) — Accès à des outils externes (API, base de données, web) pour agir concrètement.

II. L’Intelligence (raisonnement)

Planning (Planification) — Créer un plan d’action détaillé avant d’exécuter quoi que ce soit.
Reasoning Techniques (Techniques de raisonnement) — Forcer l’agent à raisonner étape par étape (Chain of Thought, Tree of Thought, Debate).
Multi-Agent Collaboration (Collaboration multi-agents) — Plusieurs agents spécialisés coordonnés par un gestionnaire central.
Memory Management (Gestion de la mémoire) — Stocker les infos importantes (court/long terme) pour garder le contexte.
Learning & Adaptation (Apprentissage et adaptation) — L’agent enregistre les feedbacks pour s’améliorer au fil du temps.

III. La Fiabilité (contrôle et sécurité)

Human-in-the-Loop (Humain dans la boucle) — Pause et validation humaine avant une action critique.
Exception Handling (Gestion des exceptions) — Prévoir des plans B en cas d’erreur (retry, fallback).
Guardrails & Safety (Garde-fous et sécurité) — Filtrer les entrées/sorties dangereuses (injections, données sensibles).
Evaluation & Monitoring (Évaluation et surveillance) — Tests continus pour détecter la dérive et maintenir la qualité.
Goal Setting (Définition d’objectifs) — Définir des objectifs SMART et surveiller les KPIs en continu.

IV. L’Optimisation (performance et contexte)

RAG / Retrieval (Recherche augmentée) — L’agent cherche dans tes documents avant de répondre.
Resource Optimization (Optimisation des ressources) — Petit modèle pour les tâches simples, gros modèle pour le complexe.
Inter-Agent Communication (Communication inter-agents) — Protocole structuré pour que les agents s’échangent des données proprement.
Prioritization (Priorisation) — L’agent trie ses tâches par valeur, urgence et effort.
Exploration & Discovery (Exploration et découverte) — L’agent explore un espace de connaissances pour identifier des pistes prometteuses.