Tool use & function calling : donner des mains à un LLM

Seul, un LLM ne fait que produire du texte. Le tool use (ou function calling) lui permet de déclencher de vraies actions : interroger une API, faire un calcul exact, écrire en base. C’est ce qui transforme un modèle en agent utile.

Le principe

On décrit au modèle les outils disponibles, avec leur nom, leur rôle et leurs paramètres (un schéma). Quand c’est pertinent, le modèle ne répond pas du texte : il renvoie une demande d’appel structurée.

{
  "name": "get_weather",
  "description": "Météo actuelle d'une ville",
  "parameters": {
    "type": "object",
    "properties": { "city": { "type": "string" } },
    "required": ["city"]
  }
}

La boucle d’exécution

1. L’utilisateur pose une question.
2. Le modèle renvoie get_weather(city="Lyon").
3. Ton code exécute réellement la fonction et récupère le résultat.
4. Tu renvoies l’observation au modèle, qui formule la réponse finale.

Pourquoi des schémas stricts

Le schéma force le modèle à produire des arguments bien typés : on valide avant d’exécuter. Un argument manquant ou mal formé est rejeté plutôt que de provoquer une erreur en aval. C’est la même philosophie que les contrats de notre pipeline : ne jamais exécuter une sortie non validée.

Les garde-fous indispensables

• Limiter les outils accessibles selon le contexte (moindre privilège, cf. IAM).
• Valider et borner les arguments (pas de chemin arbitraire, pas de requête illimitée).
• Tracer chaque appel d’outil pour l’audit.

Le tool use bien encadré est ce qui sépare une démo bluffante d’un système qu’on ose mettre en production.