Ce séminaire se situe à la croisée du traitement automatique des langues, de la recherche d’information et de l’IA agentique. Lors de la thèse de Doctorat de Xavier Daull, nous avons proposé l’environnement CollabToolBuilder et la bibliothèque HumanLLM qui, via une interaction en langue naturelle avec l'utilisateur, permettent de planifier des tâches, d'identifier et de créer des outils réutilisables, et d'orchestrer leur utilisation. Ils reposent sur trois piliers : l'IA agentique avec humain dans la boucle, les grands modèles de langage (LLMs) et la spécification par chaînes de pensées. Je proposerai un retour d’expérience sur la rédaction de synthèses scientifiques et soulignerai ce qui nous distingue d’environnements tels que NotebookLM ou Co-STORM. Notre approche repose sur une architecture mobilisant des agents de coordination et de raisonnement, de codage, de critique et de capitalisation. Elle s’inspire en cela de Voyager [Wang et al. 2023] tout en y ajoutant la capacité d’exploiter des retours humains (clarifications, validations et arbitrages), ainsi que des signaux de pertinence et des traces. Chaque agent autorise une implication humaine pour optimiser le graphe de résolution, l’ordre des étapes du processus, les prompts, les hyperparamètres, le choix des LLMs et la politique de collaboration. Nos expériences montrent que la collaboration humain-machine l'emporte : guider les agents au bon moment, puis les laisser capitaliser ce savoir-faire sous forme d'outils réutilisables, donne de meilleurs résultats qu'un processus entièrement automatique ou entièrement humain.