Pydantic AI : des agents Python fiables grâce au typage

L’esprit FastAPI appliqué aux agents

L’équipe Pydantic, dont la bibliothèque de validation est utilisée par les SDK d’OpenAI, d’Anthropic ou de Google, a lancé Pydantic AI fin 2024 avec une idée : apporter aux agents le même confort que FastAPI a apporté aux API web. Concrètement, vous décrivez en Python ce que l’agent reçoit, les outils qu’il peut appeler et la forme exacte de sa réponse ; le framework vérifie tout.

Ce typage a un effet très concret : une sortie structurée invalide est détectée et le modèle est invité à corriger, au lieu de laisser passer un JSON cassé dans votre application. Votre éditeur de code, lui, signale les erreurs avant même l’exécution.

Ce que l’on peut construire

• des assistants métiers qui extraient des informations d’un texte dans un format fixe (facture, ticket, fiche client) ;
• des chatbots reliés à vos bases de données via l’injection de dépendances, qui facilite aussi les tests ;
• des workflows agentiques plus longs avec Pydantic Graph, des sous-agents et une validation humaine avant certaines actions (humain dans la boucle) ;
• des agents qui survivent aux pannes grâce à l’exécution durable (Temporal, DBOS, Prefect, entre autres).

Le framework prend aussi en charge MCP et inclut Pydantic Evals pour évaluer les réponses et les enchaînements d’outils.

Démarrer

On installe le paquet pydantic-ai avec pip (Python 3.11 ou plus récent), on configure la clé API du fournisseur choisi, puis on crée un objet Agent en indiquant le modèle, les instructions et le type de sortie attendu. La documentation officielle, très fournie, contient de nombreux exemples. Pour suivre ce que fait l’agent, l’instrumentation OpenTelemetry fonctionne avec Logfire ou tout autre outil d’observabilité.

Forces et limites

Forces : fiabilité des sorties, excellente intégration aux outils Python modernes, indépendance vis-à-vis du modèle, documentation soignée.

Limites : Python uniquement ; il faut être à l’aise avec les annotations de type ; l’écosystème d’intégrations prêtes à l’emploi est moins vaste que celui de LangChain.

Alternatives

LangGraph pour des graphes complexes, smolagents pour une approche minimaliste, DSPy pour optimiser automatiquement les prompts, ou l’OpenAI Agents SDK pour un cadre léger soutenu par un fabricant.