Exemples d'agents IA : 40 agents réels créés en 2026

La plupart des listes d'exemples d'agents IA montrent les mêmes produits célèbres. Celle-ci présente 40 agents créés par des développeurs individuels et de petites équipes en 2026 et soumis au hackathon OpenAI sur Devpost. Nous avons parcouru les plus de 1 000 soumissions qui se décrivent comme des agents, en avons sélectionné 40 qui montrent la diversité (la plupart ont été appréciés par d'autres participants), et les avons regroupés par la tâche qu'ils accomplissent : support et ventes, back-office, codage, vie personnelle et industries spécifiques. Vous pouvez parcourir l'ensemble dans notre archive de plus de 7 800 projets de hackathon.

Une réserve avant la liste : ce sont des projets de hackathon. Les descriptions sont celles des créateurs, prises de leurs slogans et articles sur Devpost, et personne n'a vérifié de manière indépendante que chaque agent fonctionne comme décrit ou est utilisé en production. Lisez-les comme des exemples de ce que les gens construisent et comme des idées à tester, et non comme des critiques de produits. Chaque nom renvoie à la page de l'idée avec un résumé plus long.

Mis à jour en octobre 2026. Tous les chiffres de cet article proviennent de notre copie de la galerie Devpost, capturée le 13 août 2026.

Qu'est-ce qui compte comme un agent IA (et ce qui ne l'est pas)

Un agent IA est un logiciel qui prend un objectif, décide des étapes à suivre, utilise des outils pour les exécuter (un navigateur, une API, une base de données, un bac à sable de code) et vérifie le résultat avant de s'arrêter. Le guide d'ingénierie d'Anthropic Building effective agents (19 décembre 2024) trace une ligne utile : les workflows sont des systèmes où les modèles de langage et les outils suivent des chemins de code prédéfinis, tandis que les agents sont des systèmes où le modèle dirige son propre processus et l'utilisation des outils.

• Chatbot : répond aux questions dans une conversation. Il devient un agent lorsqu'il peut agir, par exemple réserver le rendez-vous au lieu d'expliquer comment le réserver.
• Automatisation de workflow : exécute les mêmes étapes fixes à chaque fois (un formulaire arrive, un enregistrement CRM est créé). Beaucoup de produits vendus comme des agents sont des workflows bien conçus, et c'est souvent le bon choix.
• Agent : choisit sa prochaine étape en fonction de ce qu'il trouve, peut boucler et réessayer, et s'arrête lorsque l'objectif est atteint ou lorsqu'une personne doit décider.

La plupart des projets ci-dessous se situent entre les deux derniers. Un modèle planifie et agit, le code ordinaire fait les calculs et applique les règles, et une personne approuve tout ce qui est risqué, comme les paiements, les e-mails aux clients ou les fusions de code. Ce schéma de boucle humaine (human-in-the-loop) revient encore et encore dans la liste.

Agents de support client et de ventes

Les agents de front-office répondent, qualifient et relancent : des tâches où la vitesse compte et où les mêmes questions reviennent sans cesse.

• ChatNEX: transforme un site WordPress en assistant de vente et de support qui répond à partir du contenu de l'entreprise, collecte des prospects et suit les changements tels que les prix et le stock. Son créateur dit ne pas être programmateur et l'avoir fait avec ChatGPT.
• ListingOS: un agent vendeur pour eBay. Vous photographiez les produits, GPT-5.6 rédige des annonces tenant compte des prix, et vous les publiez depuis un seul écran de révision.
• CallChat ZERO: un agent de chat de capture de prospects construit autour du consentement. Il ne collecte que ce que le visiteur accepte de partager, limite la durée de conservation des données et transfère à une personne avec une piste d'audit.
• TeleVoice: un bot Telegram qui passe des appels de vente sortants par IA en anglais ou en espagnol via Twilio. Vous envoyez un message au bot, et il appelle le numéro et mène la conversation.
• Agentic-CS: une plateforme de service client multilingue pour les petites entreprises, conçue pour les PME malaisiennes, qui répond à partir de connaissances d'entreprise approuvées, suit des workflows contrôlés et garde une personne en charge.
• Briefly: transforme le nom de l'entreprise d'un prospect en un résumé d'appel de découverte avec le contexte de l'entreprise, les points de douleur probables, des questions personnalisées et une agenda chronométré.
• ChurnControl: un tableau de bord de rétention pour les équipes de succès client qui signale les comptes à risque de départ, explique pourquoi et propose des actions approuvées par une personne.

Le schéma à copier : chacun limite l'agent à un type de conversation et rend le transfert à un humain explicite. Pour plus d'idées dans ce domaine, voir Idées d'IA pour le marketing et les ventes.

Agents pour les opérations et le back-office

Les agents de back-office gèrent la réconciliation, le tri et le travail administratif. Le travail est lent et regorge de règles, et les erreurs coûtent de l'argent, donc ces développeurs s'appuient le plus sur la vérification.

• flowpilot-ai: sept agents coordonnés qui trient une boîte de réception, gèrent des tâches, planifient des réunions, traitent les tickets de support et rédigent un rapport exécutif à partir d'une seule instruction.
• Agent de Réunion à Action: transforme la transcription ou l'enregistrement audio d'une réunion en tâches d'action avec des responsables, puis crée les problèmes GitHub correspondants.
• SupplyTact: un agent de planification de la chaîne d'approvisionnement, conçu autour des opérations pharmaceutiques, qui examine les risques d'approvisionnement, exécute des simulations déterministes et montre les preuves derrière chaque recommandation.
• Argus: une équipe d'agents qui effectue la diligence raisonnable des fournisseurs, y compris pour les outils d'IA, les agents et les serveurs MCP, pour les entreprises sans analyste de sécurité.
• AuditGuard DE: réconcilie les rapports comptables allemands (EXTF, SuSa, BWA et USt-VA) et s'arrête avec une liste de preuves manquantes au lieu de deviner les valeurs.
• Ledger Sense AI: associe les paiements bancaires désordonnés aux factures. GPT-5.6 résout les noms et références ambigus, le code ordinaire effectue le calcul de l'association et la comptabilisation, et chaque décision est expliquée.
• ARIA: un agent d'intelligence des revenus pour les petits marchands nigérians qui lit les messages WhatsApp et les alertes bancaires la nuit et livre trois actions prioritaires chaque matin.
• Match2: un agent de recrutement qui associe les candidats aux emplois selon les compétences, le niveau d'expérience, l'industrie et les exigences obligatoires, les classe et explique chaque correspondance.

Remarquez à quelle fréquence le modèle est tenu à l'écart des chiffres. AuditGuard DE et Ledger Sense AI laissent tous deux le code déterministe effectuer l'arithmétique et utilisent le modèle uniquement pour les parties floues, une répartition judicieuse pour tout ce qui touche à l'argent. Plus de projets financiers sont rassemblés dans Idées d'IA pour la finance.

Agents de développement et de codage

Le logiciel est le domaine où les agents sont les plus courants dans ce corpus : selon notre décompte par mots-clés, 364 des 1 032 projets d'agents mentionnent le code, les développeurs, les dépôts, les bogues ou la CI dans leur nom ou leur slogan. Certains sont des agents qui corrigent le code ; beaucoup sont des outils qui surveillent, enregistrent ou limitent d'autres agents.

• Hermes World: une couche d'observabilité visuelle en temps réel qui montre ce que fait chaque agent dans un système multi-agents. Avec 22 likes, c'était le projet d'agent le plus aimé de la galerie.
• RuntimE.Razor: aide les agents de codage à supprimer le code mort en utilisant des preuves d'exécution, c'est-à-dire quel code a réellement été exécuté, au lieu de l'analyse statique seule.
• Agent autonome de réparation des échecs de CI: reproduit une exécution CI défaillante, écrit une correction et un test de régression, vérifie les deux dans un bac à sable propre et ouvre une demande d'extraction uniquement lorsque tous les contrôles réussissent.
• Cortex: transforme une discussion d'agent solo en session d'équipe. Les coéquipiers annotent l'interface utilisateur construite par l'agent sur un canevas partagé, et l'agent applique les modifications au code.
• AutoFix Swarm: un système multi-agents qui diagnostique les pannes logicielles, génère des corrections ciblées et vérifie chaque correctif avant de le transmettre.
• GlassHouse: un enregistreur de vol pour les agents de codage. Il enregistre les modifications de fichiers, les commandes du terminal et les exécutions de tests, puis rejoue la session avec des hachages anti-falsification.
• ReproBot: prend un problème GitHub, écrit un script de reproduction minimal, l'exécute et montre si le bogue est réel.
• War Room: une équipe d'agents de réponse aux incidents qui diagnostique une panne, trouve le commit à l'origine, propose une correction et rédige le post-mortem, avec le raisonnement de chaque agent visible pendant qu'il travaille.

Le nombre d'outils de garde-fou est un signal en soi : les personnes qui utilisent des agents de codage tous les jours veulent des enregistrements, des rejouages et des portes d'approbation. Quel que soit le domaine de votre agent, planifiez cette couche dès le début.

Agents personnels et de la vie quotidienne

Les agents grand public agissent au nom de quelqu'un dans la vie quotidienne : à la maison, sur un ordinateur, en cuisine ou en vacances.

• Sara Smartest Speaker: un haut-parleur intelligent construit sur du matériel Raspberry Pi qui tient une conversation vocale bidirectionnelle et confie des tâches à un agent open source avec des outils et des compétences. Avec 14 likes, c'était le deuxième projet d'agent le plus aimé.
• Porter: transforme un Mac en agent contrôlé par la voix qui voit l'écran, utilise vos applications et apprend vos préférences.
• Clark: un agent web qui accomplit des tâches de navigateur à partir d'un langage naturel, y compris des recherches, des formulaires et des connexions, et laisse tout ce qui est sensible à votre charge.
• AJÒ Beach: planifie une journée à la plage en Sardaigne et la re-planifie au fur et à mesure que le vent, les vagues et vos propres contraintes changent.
• Tail Villain: transforme un objectif personnel en feuille de route, avec des analyses de progression et un coaching vocal en direct.
• BepFlowAI: vous aide à décider s'il faut cuisiner, préparer des repas ou manger au restaurant, avec des agents séparés pour les recettes, les restaurants et ce qui est déjà dans votre cuisine.
• Nook: se souvient de votre maison. Photographiez le réfrigérateur ou étiquetez un article, et il suit les dates d'expiration et les emplacements afin de pouvoir répondre à « mon lait est-il encore bon ? » ou « où est mon passeport ? »
• GenkanAI: transforme un interphone domestique existant en agent qui parle aux visiteurs, en utilisant une carte ESP32 supplémentaire au lieu d'un nouveau câblage.

Les agents personnels dépendent de la confiance et de la quantité minimale de configuration nécessaire. Les entrées les plus claires ici commencent par une routine et un appareil plutôt que d'essayer de gérer toute votre vie.

Agents industriels : santé, finance, juridique et immobilier

Les agents industriels portent des règles que les outils polyvalents ne connaissent pas. Dans les domaines réglementés, ces développeurs maintiennent systématiquement un professionnel dans le siège d'approbation.

• VitalCue: guide quelqu'un à travers les premiers secours en temps réel en observant et en écoutant via le téléphone. Il est décrit comme un prototype Android hors ligne.
• AIHealthExpert: un espace de travail clinique où les agents GPT-5.6 gèrent l'analyse, la synthèse des preuves et la documentation, avec les cliniciens en contrôle des décisions.
• Agent d'accueil autonome pour le bien-être: un agent de chat 24/7 pour les cliniques qui répond aux questions courantes, vérifie les créneaux en direct, réserve et reprogramme les visites et transmet la conversation au personnel avec tout le contexte.
• CREDGEN-AI: une plateforme de prêt multi-agents pour les sociétés financières non bancaires (NBFC) qui couvre l'engagement client, l'octroi de crédit, les vérifications de fraude et les lettres de sanction.
• Served: aide les petites entreprises à répondre aux citations à comparaître financières sans équipe juridique. Il vérifie si la demande est authentique, récupère les enregistrements correspondants et rédige le dossier de preuves pour examen humain.
• LexStrike: soumet un contrat à un test de résistance en faisant attaquer chaque clause par des agents hostiles tandis qu'un agent défenseur réplique, puis vous permet de corriger et de revérifier.
• MaLu Estate AI Agency OS: un système pour une agence immobilière dans lequel les agents préparent le suivi des prospects, les descriptions des annonces et les notes internes, tandis que les personnes gèrent les moments qui nécessitent de la confiance. Son fondateur dit qu'il est développé en parallèle avec une agence en activité en Croatie.
• MoveOutDocs: aide les petits propriétaires à documenter les dommages lors du départ des locataires avec des photos structurées et des règles d'usure pour leur juridiction, puis produit une lettre de déduction détaillée.
• Umbra: planifie des horaires quotidiens de protection solaire pour les équipes de travail en extérieur à partir de données en direct sur les UV, la météo et les photos de site sur plusieurs chantiers.

Les idées de santé ont leur propre collection : Idées IA pour la santé.

Comment ces agents ont été construits

Devpost demande à chaque équipe de lister ce qu'ils ont utilisé. Nous avons compté ces étiquettes parmi les 1 032 projets dont le nom ou le slogan mentionne un agent, des agents ou l'agentic ; 1 029 d'entre eux listent au moins un outil. Les étiquettes sont auto-déclarées, et parce qu'OpenAI a organisé le hackathon, ses propres outils sont sur-représentés.

Trois points se démarquent. La plupart des agents fonctionnent sur des piles web classiques (TypeScript ou Python, React, une base de données SQL), et non sur des infrastructures exotiques. Les frameworks d'agents sont rares : LangGraph apparaît dans 33 projets, LangChain dans 18 et le SDK OpenAI Agents dans environ 15, ce qui signifie que la plupart des développeurs ont écrit leur propre boucle autour d'une API de modèle. Et le MCP, le protocole ouvert pour connecter les modèles aux outils et aux données, est déjà répertorié par environ un projet d'agent sur sept.

Comment construire votre propre MVP d'agent IA

La plupart des agents ci-dessus ont été créés par une ou deux personnes lors d'un hackathon. En faire quelque chose pour lequel les gens paient est surtout une question de recentrage. Un ordre de travail pratique :

1. Choisissez une tâche avec une ligne d'arrivée claire. « Associer les paiements bancaires du mois dernier aux factures » est un agent ; « gérer mon équipe financière » ne l'est pas. Notez à quoi ressemble le résultat final et qui le vérifie.
2. Commencez par un flux de travail, puis ajoutez de l'autonomie. Scriptez les étapes que vous connaissez déjà et laissez le modèle décider uniquement là où le chemin varie réellement. Le guide d'Anthropic donne le même conseil : trouvez la solution la plus simple possible et n'ajoutez de la complexité que si elle est nécessaire.
3. Fournissez-lui quelques outils bien définis. Chaque outil (rechercher dans le CRM, lire un calendrier, exécuter les tests) nécessite des entrées claires, des messages d'erreur clairs et les permissions les plus restreintes qui fonctionnent. Le MCP est une manière courante de les exposer.
4. Gardez les calculs et les règles dans le code. Les calculs, la validation et tout ce qui est légal ou financier doivent être gérés par du code déterministe, comme le font AuditGuard DE et Ledger Sense AI.
5. Mettez une validation humaine sur les actions irréversibles. Les paiements, les e-mails sortants, les fusions et les suppressions attendent une approbation tant que l'agent n'a pas gagné la confiance.
6. Enregistrez chaque étape et testez avec des cas réels. Conservez un enregistrement de chaque appel d'outil et de chaque décision, l'idée de GlassHouse, et créez un petit ensemble de tâches réelles avec des réponses correctes connues à réexécuter après chaque changement de prompt ou de modèle.
7. Surveillez le coût par tâche. Un agent qui boucle appelle le modèle de nombreuses fois. Mesurez les jetons par tâche terminée tôt, avant de fixer le prix du produit.

Pour le processus de construction plus large de tout produit IA (choix d'un modèle, récupération, évaluations et garde-fous), voir comment construire une application IA. Les coûts d'exploitation tels que les jetons et la surveillance sont couverts dans coût de développement d'une application IA.

Avant d'écrire du code, vérifiez que quelqu'un veut l'agent du tout : comment valider une idée de startup décrit des tests peu coûteux. Un prototype cliquable des écrans d'approbation est souvent le moyen le plus rapide de montrer aux utilisateurs ce que l'agent fera et où ils restent maîtres du contrôle ; outils de prototypage IA liste les options.

Questions fréquemment posées

Vous avez une idée d'agent qui a besoin d'une première version ? Nous construisons des MVP sur mesure sur des plans mensuels : sprints bimensuels à 399 $/mois, sprints hebdomadaires à 899 $/mois, ou développement 24/7, prix sur demande. Voir le page des tarifs pour ce que chaque plan comprend.