Orchestration d’agents IA

Nous concevons et mettons en production des systèmes qui s’appuient sur des modèles de langage : agents conversationnels, automatisations de tâches métier, extraction et structuration d’information, orchestration de plusieurs modèles et outils au service d’un même parcours.

Le travail commence rarement par le choix d’un modèle. Il commence par une question plus ennuyeuse et bien plus déterminante : quel usage précis doit fonctionner de bout en bout, et comment saura-t-on qu’il fonctionne ? La réponse sépare un agent utile d’une démonstration impressionnante.

Nous intervenons ensuite sur toute la chaîne : découpage des tâches confiées au modèle et de celles qui n’ont rien à y faire, choix et enchaînement des outils, gestion du contexte, garde-fous sur les sorties, traitement des cas d’échec, observabilité, et évaluation continue sur des cas réels plutôt que sur une intuition.

L’IA n’est pas un sujet que nous avons découvert avec les modèles de langage. Nous avons été formés au Machine Learning au sein d’une licorne française, et nous travaillons sur ces problématiques depuis plusieurs années, à travers des projets clients comme à travers nos propres produits.

Quatorze projets intégrant des modèles d’IA sont aujourd’hui en production. Nous avons aussi construit Naaro, notre propre expérience conversationnelle, celle qui vous permet de découvrir Vezero en dialoguant avec un agent plutôt qu’en lisant un site. Le vivre de l’intérieur change ce qu’on sait des angles morts.

Nous savons donc où les projets d’agents échouent : un périmètre décidé avant l’usage, une évaluation absente ou purement qualitative, un coût par requête découvert trop tard, une latence incompatible avec le parcours, et surtout un agent à qui l’on confie une décision que personne n’assume ensuite.

Une équipe de quatre personnes couvrant la stratégie, le design, le frontend, le backend, la data et l’infrastructure. Pas de délégation, pas de sous-traitance, pas de couche intermédiaire : les personnes qui discutent des arbitrages sont celles qui écrivent le code et en assument les choix dans la durée.

Cette proximité compte particulièrement sur un projet d’IA, où les décisions produit et les contraintes techniques sont indissociables. Le niveau d’autonomie qu’on accorde à un agent, ce qu’on accepte de lui laisser inventer, ce qu’on verrouille : ce sont des arbitrages qui se prennent avec le design et l’infrastructure dans la même conversation, pas dans deux réunions séparées.

Un agent ne se valide pas au ressenti. Nous constituons avec vous un jeu de cas représentatifs tirés de vos usages réels, y compris les cas tordus dont personne ne parle en réunion de cadrage. Ce jeu devient la référence contre laquelle chaque modification est évaluée.

Cela permet de répondre à des questions qui restent sinon des opinions : cette nouvelle version est-elle meilleure ou juste différente ? Quelle proportion des demandes l’agent traite-t-il seul, et lesquelles doit-il savoir refuser ? Quel est le coût par requête, et comment évolue-t-il quand le trafic double ?

Nous instrumentons également ce qui se passe en production : ce que les utilisateurs demandent réellement, là où l’agent échoue, ce qui déclenche une reprise humaine. C’est cette boucle, plus que le choix du modèle, qui fait progresser un système au fil des mois.