Eve de Vercel : intégrer un agent IA à votre site web

Eve de Vercel : le framework agent IA open source expliqué

Eve est un framework open source publié par Vercel en juin 2026 pour construire des agents IA destinés à tourner en production, pas seulement en démo. L'idée centrale, c'est qu'un agent est un dossier de fichiers : un fichier Markdown pour les instructions, des fichiers TypeScript pour les outils que l'agent peut appeler, d'autres fichiers Markdown pour des compétences chargées à la demande. Eve compile cette structure et gère automatiquement tout ce qu'il y a autour, sans configuration manuelle à écrire.

Ce qu'eve fait bien

Un agent IA qui survit aux incidents

Chaque session tourne comme un workflow durable : si le processus plante ou si l'utilisateur met du temps à répondre, la session reprend exactement où elle s'était arrêtée, sans perdre le contexte.

Un agent IA dont le code reste isolé

Le code que l'agent génère lui-même (scripts, commandes shell) tourne dans un environnement sandboxé, séparé du runtime de votre application. C'est une précaution nécessaire, puisque le code généré par un modèle ne devrait jamais être traité comme du code de confiance.

Un agent IA qui attend une validation humaine

N'importe quelle action peut être configurée pour nécessiter une approbation avant de s'exécuter, ce qui évite qu'un agent supprime des données ou envoie un message sans supervision.

Un agent IA totalement traçable

Chaque exécution produit une trace détaillée, appel de modèle par appel de modèle, commande par commande, exportable au format OpenTelemetry standard vers des outils comme Datadog ou Honeycomb.

Open source, mais pas vraiment indépendant de Vercel par défaut

C'est le point sur lequel il faut être précis, parce que la communication autour d'eve insiste beaucoup sur le côté open source. C'est vrai sur le plan de la licence. Ça l'est moins sur le plan de l'expérience réelle.

Par défaut, eve s'appuie sur plusieurs briques propriétaires de Vercel : Vercel Sandbox pour l'isolation du code généré, Vercel Workflows pour l'exécution durable, Vercel Connect pour la gestion des connexions OAuth vers des services tiers. Le CTO de Vercel a lui-même reconnu que les adaptateurs pour tourner sur d'autres infrastructures, AWS ou Cloudflare notamment, sont encore en cours de développement, avec une disponibilité visée pour fin 2026.

Rien de scandaleux là-dedans, c'est cohérent avec la stratégie commerciale de Vercel. Mais ça mérite d'être dit clairement plutôt que de prendre l'argument open source pour une garantie de portabilité totale dès aujourd'hui.

Intégrer un agent IA à un projet Next.js avec eve

Oui, c'est possible, et c'est un point sous-estimé dans la plupart des présentations d'eve, qui montrent surtout des projets créés de zéro.

Concrètement, l'intégration se fait avec une fonction withEve() ajoutée à la configuration Next.js existante. Cette fonction cherche un dossier d'agent dans le projet et le monte à côté de votre application, sur le même serveur de développement et dans le même déploiement. Il n'y a pas besoin de repartir d'un projet vierge ni de gérer deux applications séparées.

Autre point qui compte pour un hébergement hors Vercel : eve documente une variable d'environnement dédiée pour indiquer l'origine publique du service quand l'application n'est pas déployée sur l'infrastructure Vercel. La couche de montage dans Next.js est donc pensée pour fonctionner ailleurs, même si la couche d'infrastructure critique (sandbox, durabilité) reste, elle, plus dépendante de l'écosystème Vercel tant que les adaptateurs alternatifs ne sont pas arrivés à maturité.

Cas concret : un agent IA e-commerce pour le support client

Prenons un site e-commerce construit en Next.js, avec un backend Medusa ou une boutique équivalente. Le service client passe un temps disproportionné sur des questions répétitives : où en est ma commande, comment demander un retour, quand serai-je livré. C'est exactement le type de tâche qu'un agent eve peut absorber, sans remplacer la personne qui gère les cas complexes.

Ce que fait l'agent concrètement (H3)

• Un outil get_order_status.ts qui interroge la base de commandes, scopé aux droits du client connecté, pour répondre directement sur le statut d'une commande
• Une compétence "politique de retour" chargée à la demande, qui donne à l'agent le contexte nécessaire pour répondre correctement sans le surcharger sur chaque échange
• Un outil initiate_return.ts qui crée la demande de retour dans le système

Pourquoi l'approbation humaine change tout

C'est ici que le human-in-the-loop devient concret plutôt que théorique. Un remboursement sous un certain montant peut être traité automatiquement. Au-delà d'un seuil défini, l'action se met en pause et attend une validation d'un membre de l'équipe, avec la trace complète de la conversation pour prendre la décision en connaissance de cause. Le client n'a pas l'impression d'attendre dans le vide, la conversation continue normalement pendant que l'approbation se fait en arrière-plan.

Le gain n'est pas de remplacer le service client, c'est de ne garder l'intervention humaine que là où elle a vraiment de la valeur.

Un agent IA pour la qualification de leads sur un site vitrine

Sur un site vitrine, en particulier pour une activité de service, l'agent peut jouer un rôle différent : qualifier une demande avant qu'elle atterrisse dans une boîte mail. Un visiteur pose une question sur les prestations, l'agent l'interroge sur son besoin, son budget, son échéance, puis propose un créneau si le profil correspond, ou transmet directement à un humain si la demande sort du cadre standard. Le tri se fait avant le premier contact humain, pas après.

Un agent IA pour interroger les données d'une plateforme B2B

Sur une appli ou un dashboard interne construit en Next.js, un agent peut servir d'interface en langage naturel vers vos propres données. Plutôt que de creuser dans des filtres et des tableaux, un membre de l'équipe pose une question directement et obtient une réponse scopée à ses droits d'accès.

• Un outil query_metrics.ts qui interroge la base ou l'API interne, avec des permissions calées sur le rôle de la personne connectée
• Une compétence "définitions métier" qui explique à l'agent comment calculer un taux de conversion ou un panier moyen selon vos propres règles, pas des définitions génériques
• Une réponse en langage naturel, avec un graphique généré à la volée si la question s'y prête

C'est le genre d'usage interne que Vercel documente elle-même avec son agent d0, qui répond à plus de 30 000 questions par mois sur les données de l'entreprise, chaque requête restant scopée aux permissions de la personne qui la pose. L'intérêt pour une équipe non technique, c'est de ne plus dépendre d'un outil BI à apprendre pour obtenir une réponse simple.

Un agent IA pour un commerce ou une entreprise de service

Sur le site d'un commerce ou d'une entreprise de service, un agent peut remplacer une partie du temps passé au téléphone ou à répondre aux mêmes questions par mail : horaires, disponibilités, prise de rendez-vous, informations sur une prestation. Ce n'est pas un chatbot scripté qui boucle sur trois réponses toutes faites, l'agent comprend la question posée et répond avec le contexte réel de l'activité.

• Un outil check_availability.ts connecté à l'agenda pour proposer directement un créneau disponible
• Une compétence "prestations et tarifs" qui donne à l'agent le contexte nécessaire pour répondre sans inventer d'information
• Une prise de rendez-vous qui se fait dans la conversation, sans renvoyer le visiteur vers un formulaire séparé

Pour une petite structure sans personne dédiée à l'accueil en continu, c'est un temps réel à récupérer sur des tâches répétitives, pas un gadget technologique.

Comment on aborde eve chez Nualt

Sur ce genre de sujet, on ne fonctionne pas différemment que sur l'hébergement ou le choix d'un CMS, c'est la même logique que sur notre stack Payload CMS : on choisit l'infrastructure en fonction du projet, pas l'inverse.

Pour un client déjà hébergé sur Vercel, intégrer un agent IA eve dans un Next.js existant se fait dans le cadre prévu par défaut, sans complexité ajoutée. Pour un client sur une infrastructure auto-hébergée, l'intégration reste possible, mais elle demande de configurer soi-même les adaptateurs qui remplacent les briques Vercel par défaut, en particulier pour le sandboxing du code généré. C'est un travail d'intégration réel, pas une case à cocher, et c'est précisément le genre de sujet technique qu'on creuse avant de le proposer à un client plutôt que de vendre une promesse marketing telle quelle.