Créer un agent IA sans coder : le test de Google agents-cli

Tu peux désormais créer un agent IA complet, le tester, et le déployer sur Google Cloud sans écrire une ligne de code. C'est ce que permet agents-cli, l'outil open source que Google a publié en avril 2026 et que la presse française a testé début juillet. Tu décris ton agent en langage naturel, un coding agent (Claude Code, Codex, Antigravity) fait le reste : structure du projet, logique, tests, déploiement.

Voici ce que agents-cli fait, comment ça marche, et par où commencer si tu veux construire ton premier agent.

Le problème que agents-cli résout

Créer un agent IA, aujourd'hui, c'est fragmenté. Tu dois comprendre le framework (Google ADK, LangChain, CrewAI), écrire la logique de l'agent, configurer les outils (recherche, API, base de données), tester les réponses, mettre en place l'infrastructure, déployer. Chaque étape a ses outils, sa doc, ses pièges. Un développeur expérimenté met une semaine. Un non-développeur n'y arrive pas.

agents-cli regroupe tout ça dans un seul outil. Le principe : tu installes 7 skills dans ton coding agent, tu lui décris ce que tu veux en une phrase, et il construit l'agent de bout en bout.

Comment ça marche concrètement

agents-cli s'installe avec une commande : uvx google-agents-cli setup. Ça dépose 7 skills spécialisés dans ton environnement de coding agent.

Les 7 skills couvrent le cycle complet :

Skill	Ce qu'il fait
workflow	Cycle de vie complet, sélection du modèle
adk-code	Logique de l'agent : outils, orchestration, callbacks
scaffold	Création de la structure du projet
eval	Tests, évaluation, comparaison de versions
deploy	Déploiement sur Cloud Run, GKE, CI/CD
publish	Publication dans Gemini Enterprise
observability	Monitoring, logs, Cloud Trace

Une fois installé, deux façons de travailler.

Avec un coding agent (recommandé) : tu ouvres Claude Code, Codex ou Antigravity, et tu tapes quelque chose comme « Build a support agent that answers questions from our docs ». Le coding agent utilise les skills pour créer la structure, écrire la logique, tester les réponses, et préparer le déploiement. Tu guides, il exécute.

Sans coding agent : tu tapes les commandes toi-même dans le terminal. agents-cli create my-agent crée le projet, agents-cli eval run lance les tests, agents-cli deploy envoie sur Google Cloud. Utile si tu veux contrôler chaque étape.

Ce que tu peux construire

Le test du Journal du Net (publié le 9 juillet 2026) montre l'étendue : ils ont créé un agent de service public pour une mairie fictive. L'agent répond aux questions des habitants à partir du site web, oriente vers la bonne démarche (état civil, inscription scolaire, prise de rendez-vous), guide l'usager dans un signalement de voirie complet, et génère des documents administratifs fictifs.

Tout ça à partir d'un seul prompt descriptif envoyé à Antigravity, le coding agent de Google. L'agent de code a décomposé la tâche, créé les outils ADK nécessaires, configuré le chat sur le site, et généré les scénarios de test.

Les cas d'usage possibles sont larges :

• Agent de support client qui répond à partir de ta documentation
• Agent de tri d'emails qui classifie et priorise
• Agent de processus RH qui guide une demande de congés
• Agent d'analyse de données qui interroge une base et produit un rapport

Un exemple chez Maisons&Mobilia

Sophie, PM chez Maisons&Mobilia (M&M), veut un agent qui aide les équipes magasin à trouver rapidement une info produit. Aujourd'hui, quand un vendeur a une question sur un produit (dispo, dimensions, prix de vente), il ouvre trois outils différents, cherche, et met cinq minutes à répondre au client.

Sophie installe agents-cli, ouvre Claude Code, et tape : « Create a product info agent that answers questions about our catalog from the product database, can check stock levels, and suggest alternatives when a product is unavailable. »

Claude Code utilise les skills agents-cli pour :

1. Scaffold : créer la structure du projet avec les bons fichiers de configuration.
2. ADK-code : écrire la logique de l'agent, les outils (recherche produit, vérification stock, suggestion alternative), et l'instruction système.
3. Eval : générer des scénarios de test à partir de la doc produit et vérifier que l'agent répond correctement.

Sophie obtient un agent fonctionnel en une après-midi. Elle le teste dans le playground local (agents-cli playground lance une interface web sur localhost), ajuste quelques réponses, et le déploie sur Google Cloud avec agents-cli deploy.

Le gain : le vendeur au magasin pose sa question au chat, l'agent répond en 10 secondes avec la dispo, les dimensions, et une alternative si le produit est en rupture. Sophie n'a pas écrit de code. Elle a décrit ce qu'elle voulait, validé ce que le coding agent a produit, et ajusté.

La limite : l'agent reste cantonné à Google Cloud pour le déploiement. Et si la base produit change de schéma, il faut régénérer les outils. agents-cli ne gère pas (encore) la voix ni la vidéo en temps réel.

Les limites à connaître

agents-cli est un outil jeune (avril 2026), et ça se sent.

Déploiement Google Cloud uniquement. Le déploiement se fait via Agent Runtime, Cloud Run ou GKE. Pas de support natif pour AWS, Azure ou un serveur on-premise. Si ton infrastructure est ailleurs, tu peux quand même utiliser agents-cli pour construire et tester l'agent, mais tu devras adapter la partie déploiement.

Python obligatoire. L'Agent Development Kit de Google est en Python. Pas de JavaScript, pas de Go, pas de Ruby. Si ton équipe ne fait pas Python, c'est un frein.

Pas de voix ni vidéo temps réel. Tu ne peux pas créer un agent vocal de service client avec agents-cli. Google indique que c'est dans le roadmap, mais pour l'instant, c'est texte et outils.

Courbe d'apprentissage du coding agent. agents-cli simplifie la création de l'agent IA, mais il faut quand même savoir piloter un coding agent (Claude Code, Codex). Si tu n'as jamais utilisé un de ces outils, commence par là avant agents-cli.

Par où commencer

1. Tu n'as jamais créé d'agent ? Commence par comprendre ce qu'est un agent IA et comment il fonctionne. L'app saisir.ai décompose les concepts d'agent, de tool use et de planification en modules de 5 minutes. Lire c'est quoi un agent IA te pose les bases.

2. Tu connais les agents et tu veux tester ? Installe Python 3.11+ et uv, puis lance uvx google-agents-cli setup. Ouvre Claude Code ou Codex, vérifie que les skills sont là (/skills), et demande-leur de construire un agent simple. Le repo GitHub (google/agents-cli) a des tutoriels pas à pas.

3. Tu veux aller vite ? Le quickstart officiel (Build Your First Agent) te guide de l'installation au déploiement en une session. Compte deux heures si tu as déjà un environnement Python.

Ce que ça change

agents-cli ne supprime pas le besoin de comprendre les agents. Il supprime le besoin de savoir coder pour en construire un. La différence est importante : tu dois toujours savoir ce que tu veux que l'agent fasse, comment vérifier qu'il le fait bien, et où sont les limites. Mais la barrière technique d'entrée baisse.

Pour les PMs, les opérateurs, les pros métier qui veulent un agent sans attendre une équipe dev, c'est un vrai changement. La semaine où OpenAI lance ChatGPT Work, Anthropic ouvre Claude Cowork au mobile, et Google met agents-cli entre tous les mains, le signal est clair : l'agent n'est plus un objet de dev, c'est un produit qu'on assemble.

Aller plus loin

Pour comprendre comment un agent décompose une tâche et appelle des outils, lis c'est quoi un agent IA. Pour les principes de rédaction d'instructions efficaces (qui s'appliquent au prompt que tu donnes au coding agent), vois écrire un bon prompt. Et pour t'exercer à piloter un agent de A à Z, l'app saisir.ai propose des modules pratiques en 5 minutes, en français.