Des plateformes agentiques, conçues pour la production.
Architecture · Orchestration · Intelligence sémantique · Gouvernance
Voici le détail technique derrière le travail sur l'IA : comment le système est assemblé, comment il passe du prototype à la production, et les préoccupations qui décident si un système autonome est digne de confiance.
Comment une plateforme agentique est réellement assemblée
Chaque couche existe parce que quelque chose casse sans elle. Voici l'architecture de référence que je conçois, construis et exploite.
Entrée
Utilisateur / MétierIntention, contraintes, responsabilité
Interface
Interface agentiqueConversation, tâches, événements
StreamingÉtat de session
Orchestration
OrchestrateurPlanifie, route et supervise le travail
LLM RouterGarde-fousValidation humaineEvent Bus
Agents
Agent de raisonnementDécomposition et analyse
Agent métierLogique spécialisée
Agent d'exploitationAgit sur les systèmes vivants
Capacités
OutilsTool Registry · Passerelle MCP
MémoireMémoire sémantique · Vector Store
ConnaissanceGraphe de connaissances · RAG
Plateforme
Plateforme IAIdentité, RBAC, budgets, évaluation
ObservabilitéTracingMaîtrise des coûtsRegistre de modèles
Réel
CloudKubernetes · AWS
Systèmes d'entrepriseAPIs · Données · Outils métier
Infrastructure physiqueRecharge · Énergie · Équipements
L'ingénierie intéressante n'est pas le modèle. C'est tout ce qui l'entoure : ce que l'agent est autorisé à faire, ce dont il se souvient, ce qu'il peut prouver, et ce qui se passe quand il se trompe.
Comment un système agentique devient un logiciel de production
La distance entre une démo qui marche et un système dont une organisation dépend relève surtout de la discipline d'ingénierie. Voici les étapes qui la comblent.
Cadrer
Définir la décision, pas le modèle
Établir ce que l'agent décide, ce qu'il ne doit jamais décider seul, et comment le succès se mesure — avant de choisir une architecture.
Ancrer
Construire le substrat de connaissance
Récupération, ontologie et mémoire sémantique viennent d'abord. Un agent sans contexte ancré est un générateur de suppositions assurées.
Orchestrer
Rendre le workflow déterministe
Machines à états explicites, état durable et rejeu. L'intelligence peut être probabiliste ; le processus qui l'entoure ne devrait pas l'être.
Contenir
Ajouter garde-fous et validations
Permissions restreintes, validation avant exécution, et approbation humaine sur tout ce qui est conséquent ou irréversible.
Exploiter
Instrumenter, évaluer, maîtriser le coût
Traçage par décision, évaluation sur des cas réels et budgets par tenant. Sans cela, la qualité et la dépense dérivent en silence.
Ce qui décide si un système autonome est digne de confiance
Ce sont les questions que posent réellement les acheteurs en entreprise — et les parties de la plateforme qui y répondent.
- Gouvernance
- Qui a autorisé cet agent à faire cela, sous quelle politique, et peut-on le démontrer après coup.
- Observabilité
- Traçage par décision à travers agents, outils et modèles, pour qu'un mauvais résultat se reconstitue au lieu de se deviner.
- Maîtrise des coûts
- Dépense de tokens et d'inférence attribuée par tenant et par workflow, avec des budgets fermes plutôt que des surprises en fin de mois.
- Sécurité & isolation
- Identifiants restreints, isolation des tenants et moindre privilège sur les outils. Un agent est une nouvelle classe d'appelant privilégié.
- Évaluation
- Suites de régression sur des cas réels, pour qu'un changement de prompt ou de modèle soit un événement mesurable et non un acte de foi.
- Human-in-the-loop
- Validation et escalade conçues dans le workflow, placées là où se situe réellement la responsabilité.
Envie d'aller plus loin sur l'architecture ?
Revue d'architecture, conception de plateforme agentique, stratégie de recherche sémantique ou audit d'un système IA existant — autant de points de départ raisonnables.