Les meilleurs 50+ agents IA open source répertoriés

Tout le monde construit des agents IA. Après avoir testé de manière pratique des agents de codage IA, des créateurs d'agents IA et des benchmarks d'outils pour évaluer leurs capacités réelles, nous avons constitué une liste des meilleurs 50+ agents IA open source. Cliquez sur les en-têtes de catégorie pour accéder directement à nos meilleurs choix :

Comment penser les agents IA ?

Un agent IA est un système composable qui combine planification, mémoire, utilisation d'outils et exécution itérative. Il forme une boucle structurée autour d'un LLM capable de prendre des décisions, d'effectuer des actions et de s'adapter aux nouvelles informations.

Voici comment les appréhender :

• Autonomie et workflows : Les agents IA vont de l'automatisation de tâches de base fondée sur des workflows prédéfinis à des systèmes entièrement autonomes capables de décomposer des objectifs, d'utiliser la mémoire et d'interagir avec des outils. Le principal défi technique consiste à maintenir le contexte entre les étapes et à coordonner des opérations en plusieurs étapes.
• Contexte et contrôle : Le véritable défi des agents IA consiste à garantir que le LLM dispose du contexte approprié à chaque étape. Cela implique de gérer le contenu fourni au LLM et de veiller à ce que l'agent exécute des tâches pertinentes en fonction d'un contexte à jour.
• Intégration des outils : Créer des agents efficaces exige une intégration fluide avec des outils externes, des API et des sources de données. Des frameworks comme LangChain peuvent aider à intégrer ces ressources externes, mais le contrôle du workflow est essentiel pour adapter le comportement de l'agent à de nouvelles entrées.
• Avantages des frameworks d'agents : Tous les systèmes agentiques, qu'il s'agisse de workflows simples ou d'agents autonomes complexes, peuvent bénéficier des fonctionnalités clés fournies par les frameworks agentiques. Ces fonctionnalités peuvent être développées de zéro ou exploitées à partir d'une plateforme open source existante, selon vos besoins.

Nouvelles normes

• Model Context Protocol (MCP) : La norme industrielle pour la manière dont les agents communiquent avec les sources de données externes. LangGraph intègre MCP pour permettre aux agents de se connecter et d'interagir « plug and play » avec les bases de données et les outils locaux sans wrappers personnalisés.
• Stripe Agentic Commerce Protocol (ACP) : Il s'agit de la première norme industrielle opérationnelle permettant aux agents IA de gérer en toute sécurité les paiements, les stocks et l'expédition. Elle permet le « Agentic Checkout », où l'agent peut finaliser un achat pour l'utilisateur dans une interface de chat.

Qu'est-ce qu'un agent IA exactement ?

Il n'existe pas de définition consensuelle de ce qui constitue un « agent IA ».

• L'IA traditionnelle définit les agents comme des systèmes qui interagissent avec leur environnement.
• L'enquête de Simon Willison auprès des praticiens présente diverses définitions de travail proposées par les acteurs du secteur.²
• D'après Anthropic, la définition expose des principes de conception pour créer des agents IA efficaces et alignés.³
• Les grands cabinets de conseil insistent sur le rôle des agents dans l'automatisation des workflows métier et la prise de décision.⁴.

Beaucoup d'entre elles placent explicitement les workflows et l'autonomie à l'extrémité d'un spectre.

Nous partageons ces points de vue ; c'est pourquoi nous ne donnons pas de définition stricte. Nous listons plutôt les facteurs qui font qu'un système IA est considéré comme plus agentique :

• Environnement et objectifs :
  • Les systèmes d'IA dans des environnements complexes, par exemple avec plusieurs tâches et des changements imprévus, sont agentiques.
  • Les systèmes d'IA qui poursuivent des objectifs sans instructions sont agentiques.
• Interface utilisateur et supervision : Les systèmes d'IA capables d'apprendre des langues naturelles et ceux qui nécessitent moins de supervision humaine sont agentiques.
• Conception du système : Les systèmes qui utilisent des motifs de conception tels que l'utilisation d'outils (par ex., recherche web, programmation) ou la planification (par ex., réflexion, décomposition en sous-objectifs) sont agentiques.

Pour une explication plus détaillée, nous avons précédemment listé ces facteurs et expliqué comment ils définissent les systèmes d'IA agentiques.

Ces agents sont-ils pleinement autonomes ?

Pas encore. La plupart des agents IA open source améliorent l'autonomie des LLM en permettant l'utilisation d'outils, la prise de décision et la résolution de problèmes, mais ils nécessitent encore des entrées structurées et une supervision humaine.

Des exemples comme Devon et PR-Agent suivent une logique prédéfinie ou des workflows RL plutôt que de démontrer un comportement pleinement agentique. D'autres agents IA ne disposent pas encore des capacités (apprentissage autonome + généralisation).

Quand utiliser des agents IA (et quand ne pas le faire)

Toutes les applications de LLM n'exigent pas une complexité agentique. De nombreux cas d'usage sont mieux servis par une génération augmentée par récupération (RAG) légère.

Les systèmes agentiques introduisent une charge architecturale : gestion de la mémoire, orchestration des outils, gestion des erreurs et boucles de contrôle, ce qui augmente la latence et les coûts. Par exemple, dans nos benchmarks, nous avons constaté que les taux de réussite des agents IA diminuaient après 35 minutes d'interaction humaine.

Pour atténuer ces risques, il est essentiel de tester les systèmes agentiques dans des environnements contrôlés et de mettre en place des garde-fous robustes avant le déploiement.

Les agents sont les plus utiles lorsque les étapes ne peuvent pas être facilement prédites ou codées en dur. Ils sont particulièrement adaptés aux situations où :

• Les tâches sont dynamiques et en plusieurs étapes, avec une logique de branchement ou des sous-objectifs flous.
• L'utilisation des outils est conditionnelle ou adaptative, obligeant le système à choisir quel outil invoquer en fonction de l'entrée ou de l'état antérieur.
• Une mémoire ou un contexte à long terme est nécessaire, entre les sessions ou les étapes d'exécution.
• L'exécution doit réagir au retour de l'environnement, comme les résultats d'API, les sorties de recherche ou les actions échouées.
• Une collaboration humain-dans-la-boucle est nécessaire, où autonomie et supervision doivent être combinées (par ex., copilotes IA).

En revanche, des workflows ou des appels LLM sans état sont préférables lorsque :

• La logique de la tâche est statique ou prévisible, comme le remplissage de formulaires ou la transformation de contenu.
• Une faible latence est critique, par exemple dans les interactions avec l'utilisateur.
• La minimisation des coûts est essentielle, notamment en évitant les appels LLM récursifs et l'orchestration complexe.

Pour en savoir plus

Voici nos derniers benchmarks sur l'infrastructure couramment utilisée par les systèmes agentiques :

• Navigateurs distants : Comment l'infrastructure des navigateurs permet aux agents d'interagir avec le web en toute sécurité.
• Benchmark navigateur MCP : Meilleurs serveurs MCP pour l'utilisation d'outils et l'accès web.

Exemples d'agents IA open source

Certains outils décrits comme des « agents IA » ne sont en réalité pas si agentiques ; ces systèmes (par ex., Devon PR-agent) sont en grande partie des workflows d'IA basés sur l'apprentissage par renforcement, avec des LLM organisés selon des chemins de code prédéfinis.

1. Frameworks d'agents (Créez le vôtre)

Bibliothèques modulaires et SDK pour développeurs afin de créer des agents avec un contrôle sur la logique, la mémoire, les outils et l'orchestration.

✳️ Certains agents comme SmolAgents et Agno appartiennent à la fois aux catégories frameworks d'agents et automatisation des workflows.

Frameworks d'agents génériques

Frameworks qui se concentrent sur la création d'agents, offrant des outils flexibles et personnalisables pour orchestrer des workflows, des configurations multi-agents et des cas d'usage génériques.

• LangGraph – Orchestration de workflows LLM basée sur des graphes – LangGraph est un logiciel propriétaire, mais il fournit une bibliothèque open source pour le développement d'agents. Idéal pour les RAG pipelines, la mémoire des agents/ la gestion d'état et les configurations multi-agents.
• AutoGen – Collaboration asynchrone multi-agents – Conçu pour coordonner des agents utilisant des outils via des API de type chat. Idéal pour automatiser des workflows complexes, notamment pour la génération de code autonome.
• CrewAI – Framework multi-agents no-code/low-code – L'un des outils les plus faciles à prendre en main, offrant des modèles d'agents prêts à l'emploi (par ex., agent de préparation de réunion).

Frameworks d'agents spécialisés

Frameworks spécialisés dans des types particuliers de comportements d'agents ou d'intégrations d'agents.

• Camel – Simulation d'agents basée sur des rôles – Optimisé pour les agents collaboratifs et de jeu de rôle utilisant un raisonnement structuré. Idéal pour l'automatisation des workflows et la génération de données synthétiques.
• Mastra – Développement d'agents intégré au frontend – Basé sur JavaScript, idéal pour intégrer des agents dans des applications destinées aux utilisateurs.
• PydanticAI – Contrôle minimal d'agents avec sûreté du typage – Fournit une validation stricte et des chemins logiques transparents avec Pydantic.
• Cybersecurity IA (CAI) – Framework d'agents de cybersécurité piloté par l'IA – Fournit des tests d'intrusion, la découverte de vulnérabilités et le red teaming avec des capacités humain-dans-la-boucle, en s'appuyant sur des modèles de langage de grande taille et des intégrations avec des outils comme Nmap.
• Atomic Agents – Constructeur d'agents personnalisés granulaires axé sur le schéma – Conçu pour une structure d'agent granulaire et une logique composable.
• SmolAgents – SDK d'agent léger pour développeurs – Abstraction minimale, achemine la logique via Python plutôt que JSON.

Environnements d'exécution d'agents (agents autonomes prêts à l'emploi)

Agents pré-construits et autonomes que vous pouvez exécuter immédiatement (comme une application). Ils prennent généralement en charge l'exécution autonome de tâches à partir d'objectifs en langage naturel.

Entièrement autonomes :

• Auto-GPT – Décomposition d'objectifs et exécution autonome – Décompose les objectifs en sous-tâches et les réalise à l'aide d'outils, de mémoire et de raisonnement. Offre des agents pré-construits et une interface low-code.
• AIlice – Exécution de tâches génériques en local – Exécute des tâches complexes sur l'appareil, prend en charge les outils locaux et la manipulation de fichiers. Vise à créer un assistant IA, similaire à JARVIS, basé sur le LLM open source.
• Manus IA – Opérations génériques en environnement sandbox. Exécute des outils et des workflows dans un sandbox sûr, capable de gérer de manière autonome des opérations multi-domaines et multi-étapes. Il a été racheté par Meta et intégré à l’écosystème « Personal Ambient Intelligence » de Meta.⁵

Partiellement autonomes :

• BabyAGI – Exécuteur itératif de boucles de tâches – Crée, hiérarchise et exécute des listes de tâches dans une boucle de rétroaction. Idéal pour les expériences de génération de tâches.

Basés sur navigateur/interface :

• AgentGPT – Agent autonome déployé dans le navigateur – Permet aux utilisateurs de créer et d'exécuter des agents de tâches via une interface web. Léger, idéal pour l'expérimentation.
• OpenManus – Agent de navigateur persistant – Conçu pour des workflows couvrant plusieurs sessions dans des environnements de navigateur. Utilise des outils comme Playwright pour automatiser les interactions web. Idéal pour une utilisation dans les pipelines d'automatisation existants. L'installation est rapide avec Conda.

2. Automatisation et orchestration des workflows

Outils qui automatisent les workflows et intègrent plusieurs plateformes ou services, souvent avec la capacité d'intégrer des agents IA.

Agents généraux d'automatisation et d'intégration des workflows

Plateformes qui connectent des API, déclenchent des événements et automatisent des tâches, facilitant la création et l'intégration de workflows entre différents systèmes.

• n8n – Automatisation visuelle des workflows et intégration d'API – Connecte des applications, des déclencheurs et des flux de données à l'aide d'un éditeur de nœuds. Il combine une construction visuelle no-code avec du JavaScript/Python personnalisé et prend en charge plus de 400 intégrations. Vous pouvez l'auto-héberger et exécuter des workflows d'agents IA avec LangChain. Idéal pour les profils techniques.
• PlanExe – Outil de planification LLM-vers-Gantt/WBS – Planificateur IA similaire à la recherche approfondie d'OpenAI. Convertit des objectifs en langage naturel en calendriers structurés à l'aide de LlamaIndex.
• Agno ✳️ – Constructeur d'agents et de workflows convivial pour les développeurs – Il convient à la fois comme outil d'automatisation des workflows (aidant à automatiser des tâches et des workflows) et comme constructeur d'agents.
• SmolAgents ✳️ – SDK d'agent léger pour développeurs – SmolAgents est assez flexible pour être à la fois un SDK d'agent léger (pour les frameworks d'agents) et un outil de workflow (car il s'intègre aux modèles Hugging Face).
• Windmill – Plateforme de développement open source et moteur de workflow – Convertit des scripts en interfaces, API et tâches cron ; prend en charge Python, TypeScript, Go et d'autres langages.
• Activepieces – Plateforme d'automatisation open source – Constructeur visuel de workflows auto-hébergeable pour automatiser des tâches et intégrer des applications avec un minimum de code. Il prend en charge plus de 280 serveurs MCP pour exécuter des tâches d'IA distribuées et des chaînes d'agents à grande échelle.
• Huginn – Automatisation web et gestion d'agents – Crée des agents pour automatiser des tâches web et la surveillance.
• Node-RED – Développement par flux pour l'IoT et les données en temps réel – Intègre des services et automatise des tâches avec un éditeur de flux basé navigateur.

Orchestration de workflows multi-agents

Frameworks conçus pour coordonner des agents qui interagissent au sein de workflows structurés et intégrer des systèmes multi-agents.

• HyperAgent – Orchestration d'agents sur l'ensemble du cycle de vie logiciel – Les agents collaborent pour planifier, coder et vérifier les tâches d'ingénierie.
• Supercog – agentic – Orchestration modulaire avec des blocs logiques réutilisables – Conçu pour une automatisation évolutive, structurée et en équipe.

3. Automatisation et navigation web

Agents qui naviguent de manière autonome sur des sites web et effectuent des tâches en plusieurs étapes, comme le remplissage de formulaires, l'extraction de données et l'automatisation de la navigation web.

Agents web autonomes et copilotes

Agents autonomes généralistes (compatibles web) :

• AgenticSeek – Agent de navigation web entièrement autonome – Manus IA entièrement local. Spécialisé dans l'extraction de données et le remplissage de formulaires, en automatisant des tâches web.
• Agent-E – Agent d'automatisation de navigateur conscient du DOM – Se concentre sur l'interaction avec les pages web en analysant le DOM (Document Object Model), idéal pour cliquer sur des boutons et remplir des formulaires.
• AutoWebGLM – Agent web basé sur LLM – Utilise l'apprentissage par renforcement et la simplification HTML pour une meilleure navigation sur des sites web complexes.

Agents de navigation web basés sur la vision (multimodaux) :

• Autogen extension WebSurfer – Agent web multimodal – Combine texte et entrées visuelles (captures d'écran) pour améliorer l'interaction web.
• Skyvern – Agent IA avec vision par ordinateur – Automatise des workflows en utilisant des LLM et la vision par ordinateur, en traitant à la fois des éléments textuels et visuels.
• WebVoyager – Agent web à capacité visuelle – Utilise du texte et des captures d'écran pour améliorer la navigation sur des sites web riches en images.

Pour en savoir plus sur l'automatisation et la navigation web open source, voici un aperçu structuré de quelques-uns des meilleurs outils et agents :

Agents d'utilisation d'ordinateur

Agents de navigation web

Kits d'outils d'automatisation & de scraping web

RPA web et extensions de navigateur propulsées par LLM

Scrapers et crawlers web IA

Outils de recherche web IA

4. Agents de codage et de développement

Agents IA conçus pour aider aux tâches de codage, offrant un support en temps réel aux développeurs via des suggestions de code, le débogage et l'automatisation des tâches.

Agents de codage basés sur CLI

• Codex CLI – Outil d'interaction multimode (suggérer, modifier, exécuter) – Améliore les workflows des développeurs via la ligne de commande en offrant des suggestions et des modifications de code.
• OpenDevin – Assistant de codage IA open source – Aide aux tâches de programmation en offrant des suggestions de code pour différents langages. À noter qu'OpenDevin a récemment été renommé OpenHands pour refléter sa mission élargie « All Hands IA ».⁶
• Aider – Assistant de programmation en binôme IA – Intégré à votre terminal pour l'assistance au codage, prenant en charge l'autocomplétion, le débogage et l'automatisation des tâches.

Éditeurs de code IA

• Neovim – Éditeur de code intégré à l'IA – Plugins propulsés par l'IA fournissant des complétions de code et du refactoring.
• Visual Studio Code (VS Code) – Outil de complétion de code et de débogage propulsé par l'IA – Offre des suggestions de code et l'autocomplétion via GitHub Copilot, intégré aux environnements IDE pour les développeurs.
• Cursor – Éditeur de code intégré à l'IA – Construit avec une complétion de code en temps réel propulsée par l'IA.

Constructeurs d'applications à partir de prompts (Vibe coding)

Alternatives open source à v0 / Lovable / Bolt :

• Dyad – Constructeur d'applications IA open source – Outil local-first et no-code pour créer des applications pilotées par l'IA à l'aide de commandes en langage naturel.
• vx.dev – Constructeur d'applications IA open source – Outil local-first et low-code axé sur la transformation de prompts en langage naturel en applications.

5. Agents de cybersécurité

Agents IA conçus pour renforcer les opérations de cybersécurité, notamment des tâches comme les tests d'intrusion, la découverte de vulnérabilités, le red teaming et la détection autonome des menaces.

• YAWNING TITAN – Simulation abstraite de cybersécurité basée sur des graphes – Prend en charge l'entraînement d'agents pour des cyberopérations autonomes, en mettant l'accent sur les environnements basés sur des graphes.
• bumpgen – Agent de gestion de paquets – Met à niveau automatiquement les paquets npm (gestionnaire de paquets de Node.js).
• Cyber-Security LLM Agents – Tâches de cybersécurité pilotées par LLM – Construit au-dessus d'AutoGen. Utilisé dans diverses applications de recherche pour démontrer l'automatisation EDR de ChatGPT et le CI/CD automatisé pour l'ingénierie de détection.

6. Agents de création de contenu vidéo IA

Agents IA qui aident à générer, éditer et améliorer du contenu visuel et multimédia, notamment l'art, les images et les vidéos.

• Mochi – Génération texte-vers-vidéo – Convertit des prompts textuels en vidéo, en mettant l'accent sur la création de vidéos courtes. Bien adapté à la génération rapide de vidéos à partir de descriptions textuelles.
• CogVideo – Génération texte-vers-vidéo – Convertit des prompts textuels en vidéo avec une haute fidélité, permettant la création image-vers-vidéo. Un outil plus avancé pour la génération de vidéos de haute qualité à partir de texte ou d'images.
• Allegro – Génération texte-vers-vidéo – Convertit des prompts textuels en vidéo en mettant l'accent sur la création de contenu créatif. Cet outil met l'accent sur la synthèse vidéo créative à partir de texte pour produire des récits visuels uniques.
• DALL·E (versions open source) – Génération texte-vers-vidéo – Génère des images à partir de descriptions textuelles, transformant des prompts écrits en contenu visuel détaillé et créatif.

Ne manquez pas nos benchmarks et analyses basées sur les données. Le bouton ouvre Google ; sélectionner AIMultiple confirme que vous souhaitez voir AIMultiple plus souvent dans les résultats de recherche Google.

Ajouter comme source préférée

7. Agents financiers

Agents IA qui fournissent une amélioration automatisée par apprentissage par renforcement ou une analyse de données financières en temps réel.

• FinRL – Apprentissage par renforcement automatisé pour le trading – Apprend et exécute de manière autonome des stratégies de trading à partir des données de marché, en s'adaptant à des environnements financiers dynamiques.
• OpenBB Terminal – Analyse de données financières – Fournit des informations financières autonomes pour le trading en temps réel, permettant aux professionnels de l'investissement de prendre des décisions éclairées.

8. Agents de santé

Agents IA qui aident au diagnostic médical, au suivi des maladies et aux informations de santé en analysant les données des patients et les rapports médicaux.

• HIA (Health Insights Agent) – Analyse de rapports médicaux – Analyse les rapports médicaux et fournit des informations de santé.
  IA-HealthCare-Assistant – Diagnostic et suivi des maladies – Diagnostique et surveille les maladies à l'aide des données du patient.

9. Agents de recherche

Agents IA qui aident à la collecte de données, aux revues de littérature et aux tests d'hypothèses, en rationalisant le processus de recherche.

• ChemCrow – Agent de recherche en chimie autonome – Intègre des LLM à des outils de chimie pour planifier et exécuter des tâches expérimentales et computationnelles complexes en analyse chimique.
• GPT Researcher – Assistant de recherche général autonome – Effectue des recherches en ligne structurées, analyse le contenu et compile des rapports de recherche détaillés avec une intervention minimale de l'utilisateur.

10. Agents d'analyse de données

Agents IA qui traitent, analysent et interprètent les données pour fournir des informations exploitables et soutenir la prise de décision.

Finance

• FinRobot – Agent d'analyse de données financières – Automatise l'interprétation et le reporting des données financières à l'aide de modèles de langage de grande taille.

Agents de business intelligence et d'interrogation

• Wren IA – Agent d'informations métier texte-vers-SQL – Convertit des questions en langage naturel en requêtes SQL pour le reporting métier.
• Entaoai – Outil d'ingénierie de données assisté par GenAI – Fournit une interface de chat pour l'interrogation et la transformation des données.
• Vanna IA – Agent langage naturel vers SQL – Génère des requêtes SQL à partir des prompts des utilisateurs pour explorer des datasets structurés.

Agents de médias sociaux

• Twitter Personality Agent – Agent d'analyse des médias sociaux – Analyse l'historique des tweets pour déduire des traits comportementaux et de personnalité.

11. Agents d'assistance personnelle

Agents IA qui aident à la gestion des tâches, à la planification et à l'organisation personnelle, en améliorant la productivité et la gestion du temps.

• VacAIgent (agent CrewAI pré-construit) – Assistant de planification de voyage – Génère de manière autonome des itinéraires de voyage complets à l'aide de Streamlit et de LLMs.
• Inbox Zero – Assistant e-mail – Priorise, classe et résume les messages à l'aide du traitement du langage naturel et de l'intégration Gmail.
• Cal – Agent de planification de calendrier – Automatise la création, le report et la synthèse de réunions via une interaction basée sur LLM.

Construire des systèmes d'agents IA

De nombreux frameworks d'IA sont contrôlés par un seul fournisseur ou des dépôts publics, mais étroitement gouvernés.

Ces projets évoluent souvent vers des modèles open core : le code de base reste gratuit, mais l'orchestration multi-agents, l'observabilité ou le contrôle fin peuvent être limités par des licences commerciales. Dans certains écosystèmes « open », une utilisation en production nécessite souvent l'adhésion à un backend verrouillé.

Source :⁷

Projets réels d'agents IA

D'après notre expérience, voici quelques agents IA et leurs applications :

• Éditeurs de code IA pour le développement d'API et la création d'applications
• Exécution de capture d'écran vers code pour la génération de sites web IA
• Agents d'utilisation d'ordinateur pour commander des livraisons, réserver au restaurant ou concevoir une pièce.

Autres projets d'agents IA autonomes :

Autres projets d'agents IA par framework :

Pour aller plus loin

• Comparer 20 outils de sécurité LLM et frameworks open source

Citer cette recherche

Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.

@misc{dilmegani2026,
  author = {Dilmegani, Cem and Şimşek, Hazal},
  title  = {{Les meilleurs 50+ agents IA open source répertoriés}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/open-source-ai-agents}},
  note   = {AIMultiple. Consulté le 16 Août 2026}
}

Journal des modifications

10 mises à jour

1. 20264 Août

   Suppression de l'entrée 'What are the Top 10 LLM Security Risks' de la section Further reading.

2. 29 Jan

   Ajout des nouvelles normes Model Context Protocol (MCP) et Stripe Agentic Commerce Protocol (ACP) à la section 'Qu'est-ce qu'un agent IA exactement ?'.

3. 202528 Juil

   La section « Cas d'utilisation des agents d'IA » a été remplacée par une nouvelle section « Quand (et quand ne pas) utiliser les agents d'IA », fournissant des conseils sur l'applicabilité des agents.

4. 22 Juil

   La section entière sur les Agents IA a été supprimée.

5. 21 Juil

   Ajout d'une nouvelle section répertoriant les agents, frameworks et outils d'IA open source.

6. 13 Juin

   Ajout des sections Agents de codage, Agents à usage général et Constructeurs d'agents d'IA.

7. 12 Juin

   La section sur les spécialisations des agents d'IA open source a été supprimée.

8. 24 Avr

   Mise à jour de la liste des agents d'IA open source et de leurs descriptions.

9. 3 Jan

   Remplacement de l'introduction de la section « Exemples d'agents d'IA open source ».

10. 202420 Sep

    La section 'Pourquoi utiliser des agents IA open source ?' a été supprimée.

Liens de référence

1.

Reflection Agents

LangChain Blog

2.

Simon Willison on ai-agents

3.

Building Effective AI Agents \ Anthropic

4.

AI Agents: What They Are and Their Business Impact | BCG

Boston Consulting Group

5.

Manus Joins Meta for Next Era of Innovation

6.

One Year of OpenHands: A Journey of Open Source AI Development | Mar 17, 2025

7.

Dapr Agents: AI Agents & Workflows for Production

Diagrid

Cem Dilmegani

Analyste principal

Suivre

Cem est analyste principal chez AIMultiple depuis 2017.

Le travail de Cem chez AIMultiple a été cité par des publications mondiales de premier plan, notamment Business Insider, Forbes, Morning Brew et Washington Post, par des entreprises mondiales comme Deloitte et HPE, par des ONG comme World Economic Forum et par des organisations supranationales comme European Commission. [1], [2], [3], [4], [5]

Tout au long de sa carrière, Cem a été consultant en technologies, acheteur de technologies et entrepreneur technologique. Il a conseillé des entreprises sur leurs décisions technologiques chez McKinsey & Company et Altman Solon pendant plus de dix ans. Il a également publié un rapport McKinsey sur la digitalisation.

Il a dirigé la stratégie technologique et les achats d'un opérateur télécom, sous la responsabilité du PDG. Il a également dirigé la croissance commerciale de l'entreprise de technologie profonde Hypatos, qui a atteint un revenu récurrent annuel à 7 chiffres et une valorisation à 9 chiffres, passant de 0 à ce résultat en deux ans. Le travail de Cem chez Hypatos a été couvert par des publications technologiques de premier plan comme TechCrunch et Business Insider.

Cem intervient régulièrement lors de conférences technologiques internationales. Il est diplômé de Bogazici University en tant qu'ingénieur informatique et titulaire d'un MBA de la Columbia Business School.

Voir le profil complet

Recherche effectuée par

Hazal Şimşek

Analyste sectorielle

Suivre

Hazal est analyste sectorielle chez AIMultiple, spécialisée dans l'intelligence des processus (y compris le process mining) et l'automatisation d'entreprise (y compris l'automatisation IT et l'automatisation low-code/no-code).

Voir le profil complet

Soyez le premier à commenter

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire