- CrewAI est le meilleur choix pour les débutants : simple, bien documenté, multi-agents
- LangGraph est le meilleur pour les workflows complexes avec états et boucles
- OpenDevin est le plus avancé pour l'exécution de code et le développement logiciel autonome
- Tous peuvent fonctionner avec des LLM locaux (Ollama) pour une confidentialité totale
Rappel : qu'est-ce qu'un agent IA ?
Un agent IA va au-delà du LLM classique : il peut planifier, utiliser des outils, exécuter des actions, et boucler jusqu'à atteindre un objectif. Pour une introduction complète, voir notre article Qu'est-ce qu'un agent IA pour une PME ?
Les composants d'un agent IA open source :
- LLM : le "cerveau" (GPT-4, Claude, Llama, Mistral…)
- Outils : recherche web, exécution de code, APIs, base de données…
- Mémoire : court terme (contexte) et long terme (vector store)
- Planification : décomposition des tâches en étapes
- Orchestrateur : le framework qui coordonne tout
Comparatif des principaux frameworks
| Framework | Stars GitHub | Licence | Difficulté | Cas d'usage principal |
|---|---|---|---|---|
| CrewAI | ⭐ 35k+ | MIT | 🟢 Débutant | Équipes d'agents avec rôles |
| LangGraph | ⭐ 12k+ | MIT | 🟡 Intermédiaire | Workflows complexes stateful |
| AutoGPT | ⭐ 168k+ | MIT | 🟡 Intermédiaire | Agents autonomes généralistes |
| OpenDevin | ⭐ 33k+ | MIT | 🔴 Avancé | Développement logiciel autonome |
| MetaGPT | ⭐ 45k+ | MIT | 🔴 Avancé | Simulation d'équipes logicielles |
| Phidata | ⭐ 18k+ | MPL 2.0 | 🟢 Débutant | Agents avec mémoire et outils |
| Agno (ex-Phidata) | ⭐ 22k+ | MPL 2.0 | 🟢 Débutant | Agents multi-modaux |
CrewAI — Le meilleur pour commencer
Concept : Vous définissez des agents avec des rôles (Chercheur, Rédacteur, Analyste…), des objectifs et des outils. CrewAI orchestre leur collaboration pour accomplir une tâche commune.
Points forts :
- Syntaxe Python très lisible — facile à prendre en main en 1-2 jours
- Compatible avec tous les LLM (OpenAI, Claude, Gemini, Ollama)
- Large bibliothèque d'outils prêts à l'emploi (recherche web, lecture PDF, code…)
- Flux séquentiel et hiérarchique disponibles
- Communauté très active
Exemple minimal CrewAI :
chercheur = Agent(
role="Chercheur marché",
goal="Trouver les 3 principales tendances IA pour PME en 2026",
tools=[search_tool]
)
redacteur = Agent(
role="Rédacteur",
goal="Rédiger un rapport clair en français"
)
crew = Crew(agents=[chercheur, redacteur], tasks=[...], verbose=True)
result = crew.kickoff()
Idéal pour : agents de veille, génération de contenu, analyse de données, workflow d'équipe.
LangGraph — Pour les workflows complexes
Concept : LangGraph modélise les workflows comme un graphe orienté avec des états. Chaque nœud est une fonction Python, chaque arête est une transition conditionnelle. Cela permet des boucles, des décisions, et un contrôle très précis du flux d'exécution.
Points forts :
- Contrôle total sur le flux (boucles, conditions, parallélisme)
- Gestion native de l'état persistant entre les étapes
- Intégration native avec LangChain et LangSmith (observabilité)
- Support natif du "human-in-the-loop" (validation humaine)
- Idéal pour les agents de production robustes
Idéal pour : agents RAG avec logique complexe, assistants avec mémoire persistante, workflows nécessitant des points de validation humaine.
AutoGPT — Le pionnier
AutoGPT est le projet qui a popularisé les agents IA autonomes en 2023. Il permet de donner un objectif à un agent qui planifie et exécute autonomement des actions (navigation web, création de fichiers, exécution de code).
Points forts :
- Le plus connu, énorme communauté
- Interface web disponible (AutoGPT Platform)
- Large bibliothèque de plugins
Limitations : peut être instable sur des tâches très longues, consomme beaucoup de tokens, moins adapté que CrewAI ou LangGraph pour des usages PME structurés.
OpenDevin — Pour le code autonome
OpenDevin (rebaptisé All-Hands AI) est spécialisé dans le développement logiciel autonome. L'agent peut lire et écrire du code, exécuter des tests, naviguer dans un dépôt GitHub, et résoudre des bugs.
Idéal pour : automatiser des tâches de développement répétitives, génération de tests unitaires, correction de bugs simples. Pas recommandé pour des non-développeurs.
LLM locaux avec Ollama : la couche privacy
Tous ces frameworks peuvent être combinés avec des LLM auto-hébergés via Ollama. Cela permet de créer des agents qui ne transmettent aucune donnée à des serveurs externes — idéal pour les données sensibles.
Modèles recommandés pour l'agentic (mai 2026) :
| Modèle | Taille | RAM requise | Points forts agentic |
|---|---|---|---|
| Llama 3.3 70B | 70B | 48 GB+ | Meilleure qualité, tool use natif |
| Llama 3.1 8B | 8B | 8 GB | Rapide, bon rapport qualité/vitesse |
| Mistral Nemo 12B | 12B | 10 GB | Excellent pour le français |
| Qwen 2.5 72B | 72B | 48 GB+ | Très fort en code et raisonnement |
Pour créer votre premier agent avec Ollama, voir notre guide : Créer un agent IA local avec Ollama.
Tableau de recommandation par profil
| Profil | Framework recommandé | LLM recommandé |
|---|---|---|
| Débutant, PME, no-code | n8n + AI Agent node | GPT-4o mini |
| Développeur Python débutant | CrewAI | GPT-4o ou Claude Sonnet |
| Développeur Python confirmé | LangGraph | GPT-4o ou Claude |
| Données confidentielles | CrewAI + Ollama | Llama 3.3 70B local |
| Automation développement | OpenDevin | GPT-4o |
| Agents simples rapides | Agno (Phidata) | GPT-4o mini |
FAQ — Agents IA open source
Les agents IA open source sont-ils sécurisés ?
La sécurité dépend de votre configuration. Les risques principaux : prompt injection (l'agent peut être manipulé par des données malveillantes), excessive agency (l'agent prend des actions non voulues), et fuite de données via des outils. Appliquez toujours le principe du moindre privilège et prévoyez une supervision humaine pour les actions irréversibles. Voir notre checklist de sécurité.
Quelle est la différence entre un agent et un chatbot ?
Un chatbot répond à des questions — il génère du texte. Un agent exécute des actions : il peut envoyer des emails, modifier des fichiers, appeler des APIs, naviguer sur le web. Un agent est capable d'accomplir des objectifs multi-étapes de manière autonome, là où un chatbot attend toujours la prochaine instruction de l'utilisateur.