Créer une équipe d'agents IA autonomes avec CrewAI et Ollama¶

Contexte¶

Dans le domaine de l'intelligence artificielle, on passe progressivement d'un modèle de simple "chatbot" (une conversation avec un seul modèle) à des systèmes "multi-agents". Ces systèmes permettent à plusieurs IA spécialisées de collaborer : un agent cherche des informations, un autre les analyse, et un troisième rédige le rapport final.

CrewAI est un framework populaire pour orchestrer ces équipes virtuelles (ou "crews"). Couplé à Ollama, il vous permet d'exécuter l'ensemble de l'équipe localement, de manière gratuite et privée.

Prérequis¶

• Ollama installé sur votre machine (voir le tutoriel dédié).
• Python 3.10 ou supérieur installé.
• Un environnement virtuel Python configuré.

Procédure¶

Étape 1 : Préparation du modèle local avec Ollama¶

CrewAI va envoyer des requêtes au modèle local. Pour des tâches de raisonnement ("agentiques"), il est conseillé d'utiliser un modèle performant comme llama3 ou mistral.

1. Ouvrez un terminal.
2. Téléchargez et démarrez le modèle avec Ollama :

ollama run mistral

Note : Une fois le prompt >>> affiché, vous pouvez quitter avec Ctrl+D. Le modèle restera disponible en arrière-plan via l'API locale d'Ollama.

Étape 2 : Installation des bibliothèques Python¶

Dans votre environnement de développement, installez le framework CrewAI et les outils nécessaires pour communiquer avec Ollama.

# Créer et activer un environnement virtuel (optionnel mais recommandé)
python3 -m venv env_agents
source env_agents/bin/activate  # Sur Linux/macOS
# .\env_agents\Scripts\activate # Sur Windows

# Installer CrewAI et LangChain Community (pour l'intégration Ollama)
pip install crewai langchain-community

Étape 3 : Création du script de l'équipe (Crew)¶

Nous allons créer un scénario simple : - Un Chercheur (Researcher) chargé de trouver des informations sur un sujet technique. - Un Rédacteur (Writer) chargé de synthétiser ces informations en un court paragraphe.

Créez un fichier equipe_ia.py et copiez le code suivant :

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56

from crewai import Agent, Task, Crew, Process
from langchain_community.llms import Ollama

# 1. Connexion au modèle local via Ollama
llm_local = Ollama(model="mistral")

# 2. Définition des Agents
chercheur = Agent(
    role='Chercheur Technologique Senior',
    goal='Découvrir les dernières avancées en matière de conteneurisation',
    backstory="""Tu es un chercheur expert en infrastructure IT. 
    Tu adores lire de la documentation et vulgariser les concepts complexes.""",
    verbose=True,
    allow_delegation=False,
    llm=llm_local
)

redacteur = Agent(
    role='Rédacteur Technique',
    goal='Rédiger un résumé clair et engageant sur les conteneurs',
    backstory="""Tu es un rédacteur reconnu pour ta capacité à expliquer 
    la technologie de manière simple. Tu travailles en étroite collaboration 
    avec le chercheur.""",
    verbose=True,
    allow_delegation=False,
    llm=llm_local
)

# 3. Définition des Tâches (Tasks)
tache_recherche = Task(
    description="""Identifie les 3 principaux avantages de l'utilisation 
    de Podman par rapport à Docker en 2026. Fournis des points précis.""",
    expected_output="Une liste à puces des 3 avantages de Podman.",
    agent=chercheur
)

tache_redaction = Task(
    description="""À partir de la liste fournie par le chercheur, rédige 
    un petit paragraphe d'introduction (3-4 phrases) pour un blog IT.""",
    expected_output="Un court paragraphe rédigé en français.",
    agent=redacteur
)

# 4. Création de l'équipe (Crew)
equipe = Crew(
    agents=[chercheur, redacteur],
    tasks=[tache_recherche, tache_redaction],
    process=Process.sequential # Les tâches s'exécutent l'une après l'autre
)

# 5. Lancement de la mission
print("Démarrage de l'équipe d'agents IA...")
resultat_final = equipe.kickoff()

print("\n\n=== RÉSULTAT FINAL ===")
print(resultat_final)

Étape 4 : Exécution et observation¶

Lancez le script depuis votre terminal :

python equipe_ia.py

Vous verrez dans la console le "raisonnement" de vos agents (grâce à verbose=True). Le Chercheur va d'abord traiter sa tâche en sollicitant le modèle Ollama, puis il passera ses conclusions au Rédacteur qui formulera la réponse finale.

Problème fréquent¶

Glossaire¶

Agent

Dans CrewAI, une entité autonome avec un rôle, un objectif et une histoire (backstory) spécifique, capable d'interagir avec un LLM.

Task (Tâche)

Une mission précise assignée à un agent, avec une description claire de ce qui est attendu comme résultat (expected_output).

Crew (Équipe)

L'ensemble des agents et des tâches orchestrés pour atteindre un but commun, selon un processus défini (séquentiel, hiérarchique, etc.).

Ressources¶

• Documentation officielle CrewAI — Concepts de base et orchestration avancée.
• Site officiel Ollama — Téléchargement et gestion des modèles locaux.