Deux questions arrivent chaque semaine à l'agence, et elles ne se ressemblent qu'en surface. Un développeur demande par où commencer pour construire des agents. Un dirigeant demande quelle formation payer à son équipe. Les deux cherchent un catalogue, et le catalogue français ne répond correctement à aucune des deux.
Deux documents publics suffisent à le montrer. La certification IA enregistrée au Répertoire spécifique sous le numéro RS6776 porte officiellement sur la création de contenus rédactionnels et visuels, pas sur l'ingénierie d'agents. Et la Commission européenne, qui impose pourtant un effort de formation à toute organisation déployant de l'IA, écrit noir sur blanc qu'aucun certificat n'est attendu.
Le seul juge utile reste donc ce que vous savez faire tourner et mesurer à la fin du parcours. Cet article détaille ce que le financement couvre réellement, les briques techniques qu'une formation sérieuse vous met entre les mains, le calcul de coût à poser avant de coder, et un programme de six semaines avec un livrable par semaine.
Une formation agent IA est-elle finançable par le CPF
Le CPF français finance l'usage de l'IA générative, et son catalogue se lit dans le libellé des certifications. La RS6776, enregistrée au Répertoire spécifique par décision du 1er octobre 2024 et valable jusqu'au 1er octobre 2029, en donne un exemple lisible. Son intitulé officiel délimite précisément son périmètre : Création de contenus rédactionnels et visuels par l'usage responsable de l'intelligence artificielle générative. Elle vise la production de textes et d'images assistée par un modèle. La conception d'un système qui appelle des outils, encaisse leurs erreurs et se corrige tout seul reste en dehors de ce qu'elle certifie.
Les plafonds ont bougé récemment, et ils pèsent dans un budget personnel. Depuis le 20 février 2026, la loi de finances pour 2026 plafonne à 1 500 € les droits mobilisables sur une formation du Répertoire spécifique, contre 1 600 € pour un bilan de compétences et 900 € pour le permis. S'y ajoute la participation financière obligatoire de 150 €, en vigueur depuis le 1er avril 2026, dont sont exonérés les demandeurs d'emploi ainsi que les salariés dont l'employeur ou l'OPCO finance le parcours.
La voie diplômante existe sur le papier et se révèle moins praticable qu'on ne l'imagine. La fiche RNCP35975, « Expert en intelligence artificielle », de niveau 7, a été enregistrée le 15 octobre 2021 pour une durée d'un an, et son état affiché était « Inactive » au 28 septembre 2026. Un cursus diplômant se compte de toute façon en mois, calendrier qui correspond mal à une équipe devant livrer au trimestre.
En pratique, si vous visez la conception d'agents, faites financer votre montée en compétences par le plan de développement des compétences de votre employeur ou par votre OPCO plutôt que par le CPF, et discutez-en avec votre OPCO avant de choisir l'organisme. Un indépendant qui paie de sa poche a intérêt à comparer ce plafond de 1 500 € au coût réel de quelques semaines d'appels de modèle, chiffré plus bas dans cet article.
Qui doit se former depuis l'entrée en application du règlement européen
Toute organisation qui déploie de l'IA doit désormais former les personnes qui s'en servent, et l'obligation dépasse largement les développeurs. L'article 4 du règlement (UE) 2024/1689 demande aux fournisseurs et aux déployeurs de systèmes d'IA de prendre des mesures pour assurer, dans la mesure de leurs moyens, un niveau suffisant de maîtrise de l'IA chez leur personnel et chez les autres personnes qui font fonctionner ou utilisent ces systèmes pour leur compte, en tenant compte de leurs connaissances techniques, de leur expérience, de leur formation et du contexte d'usage. La Commission européenne indique que cet article est entré en application le 2 février 2025, et le texte officiel de l'article 4 est publié sur le service d'assistance de la Commission.
Deux précisions de la Commission évitent le contresens le plus coûteux. Aucun certificat n'est exigé, un registre interne des formations et des initiatives d'accompagnement suffit à documenter l'effort. Et le périmètre couvre les personnes qui font fonctionner ou utilisent le système pour le compte de l'organisation, donc l'assistante qui dépose un compte rendu dans un assistant conversationnel autant que l'ingénieur qui câble l'agent sur la base clients.
Ce découpage a une traduction directe sur le plan de formation. La littératie IA se traite en une demi-journée par population, avec des exemples tirés des outils réellement déployés dans l'entreprise et des règles claires sur ce qu'on y dépose. L'ingénierie d'agents se traite sur plusieurs semaines, avec du code, un dépôt git et une facture d'API. Regrouper les deux dans une session unique produit une journée qui ennuie les premiers et laisse les seconds sur leur faim, résultat observé chaque fois qu'une entreprise achète « une formation IA » au singulier.
Pour un dirigeant, la question à trancher en amont porte sur le rôle tenu par l'organisation, fournisseur ou déployeur, et sur le niveau de risque des systèmes concernés. Ce que l'IA agentique change dans une organisation relève d'un autre chantier que la conformité documentaire, et les deux se croisent dès que l'agent touche des données personnelles ou prend une décision qui engage l'entreprise.
Les cinq briques qu'une formation doit vous faire manipuler
Une formation utile vous fait écrire, casser puis réparer cinq mécanismes dans cet ordre, la boucle, les outils, le contexte, l'interopérabilité et l'évaluation. Le programme qui les survole en diapositives produit des gens capables de décrire un agent et incapables d'en livrer un.
La boucle vient en premier. Un agent tient dans un appel de modèle placé à l'intérieur d'une boucle qui décide, appelle un outil, lit le résultat et recommence jusqu'à une condition d'arrêt. Tant que vous n'avez pas écrit cette boucle à la main, en quatre-vingts lignes et sans bibliothèque dédiée, vous héritez des choix de quelqu'un d'autre sans savoir lesquels. Le détail de cette boucle et de ses composants se lit en une demi-heure et s'écrit en une soirée.
Les outils viennent ensuite, et ils coûtent avant même la première réponse. Déclarer des outils ajoute au prompt système un bloc que l'API facture : sur Claude Sonnet 5, la documentation Anthropic chiffre cet ajout à 354 tokens lorsque le paramètre de choix d'outil vaut auto ou none, et à 474 tokens lorsqu'il vaut any ou tool. Une formation qui ne vous montre jamais cette ligne dans la facture n'a pas ouvert le capot.
Le contexte est la brique qui décide de la note à la fin du mois. Chaque résultat d'outil revient dans l'entrée du tour suivant, donc un agent bavard paie son propre historique en boucle. La documentation Anthropic précise que la lecture d'un préfixe mis en cache est facturée un dixième du prix d'entrée standard, ce qui pèse davantage sur l'architecture d'un prompt système volumineux qu'un changement de modèle.
L'interopérabilité arrive dès que vos outils doivent servir ailleurs que dans votre script. La spécification du Model Context Protocol datée du 18 juin 2025 repose sur JSON-RPC 2.0 et distingue trois primitives côté serveur, les ressources, les prompts et les outils, contre trois côté client, le sampling, les roots et l'elicitation. Savoir exposer vos propres outils par un serveur MCP évite de réécrire trois intégrations, et le problème que ce protocole résout se comprend surtout en branchant deux clients différents sur le même serveur.
L'évaluation ferme la liste et se fait sauter la première dans les formations courtes. Sur les projets d'agents qu'on reprend en agence, la pièce absente est rarement le framework, c'est le jeu de cas qui dit si une modification de prompt améliore ou dégrade le résultat. Un prototype monté sur n8n en une après-midi fait une excellente démonstration et une très mauvaise preuve, tant que personne n'a rejoué trente cas réels dessus.
Chiffrer un agent avant d'écrire la première ligne
Le coût d'un agent est le produit de quatre nombres, les tours par conversation, la taille du prompt système, la taille moyenne d'un résultat d'outil et le volume mensuel visé. Ce calcul tient en dix minutes au tableau, et il devrait ouvrir toute formation sérieuse plutôt que conclure la dernière journée. Les tarifs publics par million de tokens en donnent le dernier terme.
| Modèle | Entrée par million de tokens | Sortie par million de tokens |
|---|---|---|
| Claude Haiku 4.5 | 1 $ | 5 $ |
| Claude Sonnet 5 | 2 $ | 10 $ |
| gpt-6-luna | 0,10 $ | 0,50 $ |
| gpt-6-sol | 2 $ | 10 $ |
Sources : pages de tarifs officielles Anthropic et OpenAI, consultées le 28 septembre 2026.
Sur la même page, Anthropic documente un exemple chiffré qui sert de repère commode : une conversation de support consomme environ 3 700 tokens en moyenne, ce qui place le traitement de 10 000 tickets autour de 37 $ avec Haiku 4.5. Un agent qui enchaîne des appels d'outils sort de cet ordre de grandeur, puisque chaque observation revient dans l'entrée du tour suivant. Les outils exécutés côté serveur ont en plus leur propre ligne de facture, la recherche web étant facturée 10 $ pour 1 000 recherches en sus des tokens du contenu rapporté.
Deux leviers réduisent la note sans toucher à la qualité, et ils s'apprennent en une séance. L'API de traitement par lots d'Anthropic applique une remise de 50 % sur l'entrée comme sur la sortie, pour tout ce qui n'a pas besoin de répondre dans la seconde. La mise en cache du prompt ramène la lecture d'un préfixe à un dixième du prix d'entrée, donc un agent dont le prompt système pèse plusieurs milliers de tokens change de catégorie de coût dès sa deuxième requête.
L'exercice à faire faire en formation tient sur une feuille, et reprend les quatre nombres cités plus haut. Posez une hypothèse pour chacun, multipliez, puis comparez le résultat à ce que le service rapporte. Le chiffre obtenu décide du modèle avant tout débat d'architecture, et il explique pourquoi tant de démonstrations impressionnantes ne franchissent jamais l'étape de la production.
Six semaines pour passer du tutoriel au premier agent utile
Six semaines à raison de cinq heures hebdomadaires suffisent pour livrer un agent qui rend un service réel, à condition de produire un livrable par semaine. Le programme qui suit est celui qu'on donne aux développeurs accompagnés en agence, et chaque semaine porte son critère de réussite vérifiable.
Semaine 1, la boucle nue. Vous écrivez un agent en Python sans aucun framework, avec un seul outil, par exemple la lecture d'un fichier local. Le critère de réussite consiste à savoir dire, pour chaque tour, ce que contient exactement le message envoyé au modèle. Si vous devez ouvrir la documentation d'une bibliothèque pour répondre, la semaine n'est pas terminée.
Semaine 2, les outils et leurs pannes. Vous passez à trois outils, dont un qui échoue volontairement une fois sur deux. Le critère tient à ce que l'agent récupère d'une erreur d'outil sans partir en boucle infinie et sans inventer le résultat manquant. Cette semaine élimine la moitié des prototypes qu'on voit en démonstration, parce que le chemin nominal masque toujours l'absence de gestion d'erreur.
Semaine 3, le contexte. Vous plafonnez l'historique, vous résumez les tours anciens, vous placez le prompt système en cache. Le critère est chiffré : la facture d'une conversation type baisse d'au moins un tiers sans que le taux de réussite bouge. Sans mesure avant et après, la semaine ne compte pas.
Semaine 4, l'évaluation. Vous rassemblez trente cas réels avec leur résultat attendu, et vous écrivez un script qui les rejoue en une seule commande. Le critère tient à ce qu'un changement de prompt produise désormais un écart chiffré plutôt qu'une impression. Cette semaine sépare le bricolage de la conception, et c'est la première qu'on supprime quand le calendrier se tend.
Semaine 5, l'interopérabilité. Vous sortez vos outils du script pour les exposer par un serveur MCP, et le critère tient à ce que le même outil fonctionne depuis deux clients différents sans la moindre modification. Semaine 6, la mise en production. Journalisation de chaque appel, garde-fous sur les actions irréversibles, budget quotidien avec alerte au dépassement. Le critère final consiste à pouvoir dire, le lendemain matin, ce que l'agent a coûté la veille et à quoi.
Le piège de ce parcours porte un nom, l'accumulation de tutoriels. Enchaîner huit démonstrations de frameworks donne le sentiment d'avancer et laisse zéro artefact réutilisable derrière soi. La méthode qu'on applique pour créer un agent qui tient en production repose sur le même principe, un livrable mesuré par étape avant de passer à la suivante. Si vous préférez démarrer par un socle visuel plutôt que par du code, monter un premier agent automatisé dans n8n reste une porte d'entrée honnête, à condition de refaire la semaine 1 à la main ensuite.
Les questions à poser avant de payer une formation
Quatre questions suffisent à trier les offres : quel livrable chaque participant emporte, qui paie les appels de modèle pendant la session, si les exercices tournent sur vos données ou sur un jeu de démonstration, et ce qui se passe après la session. Posez-les au formateur avant de signer le devis, les réponses arrivent en général en une minute et elles sont très parlantes.
Demandez d'abord le livrable de sortie plutôt que le programme. Un programme liste des thèmes, un livrable engage son auteur : chaque participant repart avec un agent qui traite son propre cas et un script d'évaluation qui tourne sur ses données. Demandez ensuite qui paie les appels de modèle pendant la session, et sur quel compte. Une formation qui fait tourner tous les exercices sur un bac à sable partagé vous prive justement de la lecture de facture qui apprend le plus.
Demandez aussi si les exercices portent sur vos données ou sur un jeu de démonstration. Un agent qui répond parfaitement sur un corpus de trois documents choisis se comporte autrement sur vos vrais dossiers, et cet écart est précisément ce qu'une formation doit vous apprendre à mesurer. Demandez enfin ce qui se passe après la session, puisque la difficulté arrive au moment de la mise en production et jamais pendant l'exercice guidé.
Sur le format, notre position est tranchée pour une équipe déjà technique. Un accompagnement sur votre cas réel bat trois jours de catalogue, pour un budget souvent comparable et un livrable qui reste. Les outils visuels comme Flowise pour construire des agents sans coder raccourcissent réellement la phase de prototypage, sans remplacer les semaines 3 et 4 du parcours ci-dessus. Si vous hésitez entre monter la compétence en interne et confier le premier agent à une équipe qui en a déjà livré, un appel de cadrage tranche la question plus vite qu'un comparatif de catalogues.
Questions fréquentes
Faut-il savoir coder pour concevoir un agent IA ?
Pour prototyper, non, les plateformes visuelles permettent d'assembler une boucle avec ses outils en quelques heures. Pour livrer, oui, au moins en Python. Les trois sujets qui décident de la survie d'un agent en production, la gestion du contexte, la reprise sur erreur d'outil et l'évaluation automatisée, se traitent en écrivant du code. Un profil ops ou data qui lit déjà du Python y arrive sans difficulté particulière.
Combien de temps faut-il pour être autonome sur un premier agent ?
Comptez une trentaine d'heures réparties sur six semaines pour quelqu'un qui code déjà et qui produit un livrable hebdomadaire. Le calendrier glisse surtout sur la semaine d'évaluation, parce que rassembler trente cas réels avec leur résultat attendu oblige à aller chercher de la matière métier auprès des équipes concernées. Sans cette étape, on reste au stade de la démonstration.
Quel budget prévoir pour les appels de modèle pendant l'apprentissage ?
Quelques dizaines d'euros suffisent si vous travaillez sur les modèles les moins chers. Les tarifs publics placent l'entrée à 1 $ par million de tokens pour Claude Haiku 4.5 et à 0,10 $ pour gpt-6-luna, au 28 septembre 2026. Un parcours de six semaines qui consomme quelques millions de tokens reste très loin du plafond CPF de 1 500 €. Posez malgré tout une alerte de budget dès le premier jour, un agent qui boucle consomme vite.
Une certification est-elle exigée par le règlement européen ?
Non. La Commission européenne indique qu'aucun certificat n'est nécessaire au titre de l'obligation de maîtrise de l'IA, et qu'un registre interne des formations et des initiatives d'accompagnement suffit. Ce qu'une organisation doit pouvoir montrer, c'est un effort proportionné au rôle qu'elle tient, fournisseur ou déployeur, et au niveau de risque des systèmes qu'elle met entre les mains de ses équipes.
Vaut-il mieux commencer par un framework ou par la boucle à la main ?
Par la boucle à la main, pour une raison très pratique. Quand un agent bâti sur un framework se met à tourner en rond ou à coûter trois fois le budget prévu, le diagnostic exige de savoir ce qui part réellement au modèle à chaque tour. Une semaine passée à écrire quatre-vingts lignes sans bibliothèque rend lisible tout ce qui vient ensuite, frameworks compris.
