Agents-cli de Google : peut-on créer un agent IA complet sans coder ?

Le 9 juillet 2026, le Journal du Net a publié un test complet d'agents-cli, le nouvel outil no-code de Google qui promet de créer, tester et déployer un agent IA de bout en bout, sans écrire une ligne de code. Le cas d'usage choisi pour le test est parlant : un agent de service public capable de répondre aux administrés d'une mairie et de les guider dans leurs démarches.

Chez CZSyn, cette question revient régulièrement dans les échanges avec nos clients PME et collectivités : est-il possible d'avoir un agent IA sur mesure sans monter une équipe de développement dédiée ? Agents-cli répond frontalement à cette promesse. Voici ce qu'il y a réellement sous le capot, ce que révèle le test du JDN, et si l'outil tient la route pour un usage professionnel.

Agents-cli, c'est quoi concrètement ?

Agents-cli est un outil open source publié par Google. Il prend la forme d'un assistant en ligne de commande capable de guider, étape par étape, la création d'un agent IA complet. L'utilisateur part d'un projet vierge, décrit le type d'agent souhaité, et l'outil génère lui-même la structure nécessaire : fichiers de configuration, logique de l'agent, dépendances, instructions système, outils connectés et premiers scénarios d'évaluation.

Techniquement, agents-cli s'appuie sur l'Agent Development Kit (ADK), le framework de Google pour concevoir des agents. L'agent produit est donc un agent ADK à part entière : il peut recevoir une instruction, appeler des outils, interroger des API, enchaîner plusieurs étapes de raisonnement, et s'intégrer si besoin dans une architecture multi-agents. L'outil sait ensuite créer des benchmarks, lancer des tests, comparer plusieurs versions, préparer l'infrastructure puis déployer l'agent sur Google Cloud.

Comment l'utiliser : deux approches possibles

Agents-cli s'installe avec une seule commande :

npx skills add google/agents-cli

Cette commande ajoute en réalité sept skills spécialisés : scaffold pour créer la structure du projet, adk-code pour développer la logique de l'agent, eval pour tester et comparer ses réponses, deploy pour préparer le déploiement, observability pour configurer le monitoring, publish pour le rendre disponible dans l'écosystème Google, et workflow pour orchestrer l'ensemble du cycle de développement. Il est possible de ne sélectionner que les skills utiles à son projet.

Deux usages sont possibles. Le premier consiste à piloter soi-même l'outil depuis le terminal, en lançant chaque commande. Le second, recommandé par le JDN, consiste à confier ces commandes à un agent de code (Antigravity, Claude Code, OpenCode, Codex) : l'utilisateur formule son besoin en langage naturel, et c'est l'agent de code qui exécute les commandes agents-cli à sa place, corrige les erreurs, relance les tests et ajuste le projet jusqu'à obtenir un agent fonctionnel. C'est une approche nettement plus naturelle pour qui n'a pas l'habitude de la ligne de commande.

Le test du JDN : un agent pour une mairie fictive

Pour son test, le Journal du Net a construit le site fictif de la ville de Brigon-les-Bains, avec plusieurs contenus froids types (pages d'information, démarches administratives). L'objectif fixé à l'agent allait bien au-delà d'un simple chatbot documentaire : répondre aux questions à partir des contenus du site, mais aussi guider l'usager dans une démarche complète (prise de rendez-vous en ligne, signalement de voirie, inscription scolaire, demande d'état civil, réservation de salle, urbanisme, vie associative).

Le prompt envoyé à Antigravity (couplé à agents-cli) tenait en un seul message, long et détaillé, décrivant précisément les fonctions attendues. Charge ensuite à l'agent de code de s'appuyer sur les skills agents-cli pour analyser le projet existant, générer les composants ADK nécessaires, et livrer un agent capable d'identifier automatiquement le type de demande, de collecter les informations manquantes, puis de produire une synthèse structurée pour chaque démarche.

Les limites à connaître avant de se lancer

Le test du JDN pointe trois limites concrètes. D'abord, l'absence de prise en charge de la voix et de la vidéo en temps réel : impossible, en l'état, de créer un agent de service client vocal avec agents-cli. Ensuite, un déploiement encore centré sur l'écosystème Google Cloud, ce qui suppose d'accepter cette dépendance d'infrastructure. Enfin, une compatibilité limitée avec les langages de script autres que Python, ce qui restreint l'outil aux équipes déjà à l'aise avec cet écosystème.

Sur le segment vocal, le JDN note que xAI prépare un outil dédié spécifiquement à ce type de cas d'usage, avec un test à venir de leur côté. De quoi rappeler que le marché des agents IA no-code se construit encore, avec des acteurs qui se spécialisent sur des créneaux différents plutôt qu'un outil unique qui couvrirait tous les besoins.

Notre lecture chez CZSyn

Sur le papier, agents-cli tient une vraie promesse de productivité : la génération automatique de la structure, des tests d'évaluation et de l'infrastructure de déploiement fait gagner un temps réel sur la phase de prototypage. Pour une PME ou une collectivité qui veut valider rapidement un cas d'usage, avant d'investir dans un développement sur mesure, c'est un excellent point de départ.

Ce n'est en revanche pas un outil qui remplace un accompagnement professionnel pour une mise en production. Un agent qui traite des demandes d'état civil ou des signalements de voirie pour une mairie manipule des données personnelles sensibles : cela suppose une revue de sécurité, une conformité RGPD réelle et des tests métier poussés, bien au-delà de ce qu'un prompt initial, aussi détaillé soit-il, peut garantir. L'agent généré par agents-cli est un excellent squelette fonctionnel. La robustesse, la conformité et la maintenance dans la durée restent un travail d'ingénierie à part entière.

Notre conseil pour les PME françaises qui découvrent l'outil : utilisez agents-cli pour cadrer et prototyper vite un agent IA, mais faites auditer l'architecture et la sécurité avant toute mise en production, surtout si l'agent traite des données d'usagers ou de clients.

Sources primaires

• Journal du Net, Benjamin Polge, « Créer un agent IA complet sans coder : notre test du nouvel outil de Google », 9 juillet 2026.
• Documentation officielle Google, Agent Development Kit (ADK).
• Dépôt officiel GitHub, google/adk-python.