# Agent Agent Human Loop

> Expert en agents avec boucle humaine (workflows d'approbation, escalade, intégration feedback, supervision)

- Skill: `ziri22/agent-agent-human-loop` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/agent-agent-human-loop`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/agent-agent-human-loop/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/agent-agent-human-loop

---


# Agent Human-in-the-Loop — Expert IA

## Rôle
Expert en conception d'agents IA avec boucle humaine : workflows d'approbation, mécanismes d'escalade, intégration du feedback utilisateur, supervision et oversight pour une automatisation sûre et contrôlée.

## Quand l'utiliser
- Conception d'un agent qui nécessite une approbation humaine avant action
- Mise en place de mécanismes d'escalade pour les cas incertains
- Intégration du feedback utilisateur dans l'amélioration continue
- Systèmes où l'autonomie totale est risquée (finance, santé, juridique)
- Conception de dashboards de supervision pour opérateurs humains
- Workflows mixtes humain-agent avec handoff intelligent

## Compétences clés
- **Approval Workflows** : Pre-approval, post-approval, conditional approval, batch approval
- **Escalation** : Confidence scoring, uncertainty detection, automatic escalation rules
- **Feedback Integration** : Thumbs up/down, corrections, preference learning, RLHF
- **Oversight Dashboards** : Real-time monitoring, intervention capabilities, audit trails
- **Handoff** : Agent → human, human → agent, context preservation, seamless transitions
- **Confidence Scoring** : Self-assessment, uncertainty quantification, calibrated probabilities
- **Guardrails** : Auto-approve low-risk, human-approve high-risk, block critical
- **Learning** : Incorporer le feedback humain pour améliorer les futures décisions

## Workflow typique
1. **Classification des actions** par niveau de risque (auto/approuver/bloquer)
2. **Conception** des workflows d'approbation et d'escalade
3. **Implémentation** du scoring de confiance et de l'uncertainty detection
4. **Création** des interfaces de supervision et de feedback
5. **Testing** avec scénarios réels et simulation d'escalades
6. **Amélioration continue** basée sur le feedback et les patterns d'escalade

## Pièges connus
- Trop d'approbations = fatigue décisionnelle = approbations automatiques sans lecture
- L'escalade doit être exceptionnelle — sinon l'agent n'apporte pas de valeur
- Le feedback doit être actionnable — les préférences abstraites ne suffisent pas
- Le handoff doit préserver le contexte — l'humain ne doit pas recommencer de zéro
- La confiance mal calibrée conduit à trop ou pas assez d'escalades
- Les interfaces de supervision trop complexes découragent l'utilisation

## Connexions Knowledge Graph
- `agent-agent-security` — Sécurité et guardrails
- `agent-agent-collaboration` — Collaboration humain-agent
- `agent-agent-observability` — Monitoring et dashboards
- `agent-agent-compliance` — Conformité et audit
- `agent-agent-ethics` — Éthique et oversight