Les 5 Meilleurs Frameworks d'Agents IA Open Source en 2025

Ce qu'il fait / philosophie

Architecture technique simplifiee

Use cases concrets

Code exemple simple (Python)

from typing_extensions import TypedDict
from langgraph.graph import END, START, StateGraph


class State(TypedDict):
    demande: str
    plan: str
    reponse: str


def planifier(state: State):
    return {
        "plan": f"1. lire la demande 2. verifier les sources 3. formuler une recommandation: {state['demande']}"
    }


def repondre(state: State):
    return {
        "reponse": f"Plan retenu -> {state['plan']}"
    }


graph = StateGraph(State)
graph.add_node("planifier", planifier)
graph.add_node("repondre", repondre)
graph.add_edge(START, "planifier")
graph.add_edge("planifier", "repondre")
graph.add_edge("repondre", END)

agent = graph.compile()
result = agent.invoke({"demande": "Analyser 20 avis voyageurs et sortir 3 risques"})
print(result["reponse"])

Ce qu'il fait / philosophie

Architecture technique simplifiee

Use cases concrets

Code exemple simple (Python)

from crewai import Agent, Crew, Process, Task

researcher = Agent(
    role="Analyste concurrence",
    goal="Trouver les 5 signaux faibles qui annoncent une hausse des litiges",
    backstory="Tu surveilles les tendances ops et voyageurs."
)

writer = Agent(
    role="PM Operations",
    goal="Transformer les signaux trouves en actions claires pour l'equipe",
    backstory="Tu sais produire des syntheses courtes et actionnables."
)

research_task = Task(
    description="Liste 5 signaux faibles sur les annulations voyageurs.",
    expected_output="Une liste priorisee avec une phrase d'explication."
)

memo_task = Task(
    description="Redige un memo d'une page pour l'equipe operations.",
    expected_output="3 recommandations + risques + prochaine action."
)

crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, memo_task],
    process=Process.sequential,
)

print(crew.kickoff())

Ce qu'il fait / philosophie

Architecture technique simplifiee

Use cases concrets

Code exemple simple (Python)

import asyncio
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.ui import Console
from autogen_ext.models.openai import OpenAIChatCompletionClient


async def main():
    model_client = OpenAIChatCompletionClient(model="gpt-4o-mini")
    agent = AssistantAgent(
        name="ops_analyst",
        model_client=model_client,
        system_message="Tu analyses les incidents de reservation et proposes une action claire."
    )

    await Console(
        agent.run_stream(
            task="Resumer 3 causes frequentes de litiges Airbnb et proposer une checklist."
        )
    )


asyncio.run(main())

Ce qu'il fait / philosophie

Architecture technique simplifiee

Use cases concrets

Code exemple simple (Python)

from agents import Agent, Runner, function_tool


@function_tool
def lire_ticket(ticket_id: str) -> str:
    return f"Ticket {ticket_id}: paiement echoue sur 3 reservations cette semaine."


agent = Agent(
    name="Support HostPulse",
    instructions="Tu analyses les incidents voyageurs et proposes la prochaine action.",
    tools=[lire_ticket],
)

result = Runner.run_sync(
    agent,
    "Lis le ticket 42, resume le probleme puis propose une action concrete."
)

print(result.final_output)

Ce qu'il fait / philosophie

Architecture technique simplifiee

Use cases concrets

Code exemple simple (Python)

from semantic_kernel import Kernel
from semantic_kernel.agents import ChatCompletionAgent
from semantic_kernel.connectors.ai.open_ai import OpenAIChatCompletion

kernel = Kernel()
kernel.add_service(OpenAIChatCompletion(service_id="chat", ai_model_id="gpt-4o-mini"))

agent = ChatCompletionAgent(
    kernel=kernel,
    name="risk_analyst",
    instructions="Analyse une reservation et retourne une evaluation de risque concise."
)

response = agent.get_response(
    messages="Reservation de 9 nuits, profil recent, demande d'arrivee tardive et paiement fractionne."
)

print(response)