Architecturer des systèmes multi-agents évolutifs avec Azure AI Foundry

Par Mirko Peters · 2026-08-28

Traduit automatiquement par IA à partir de l'article original. Lire l'original en anglais

Bienvenue sur le blog ! Si vous suivez notre parcours podcast, vous savez que nous observons sans cesse comment l’automatisation moderne s’éloigne des interactions isolées, basées sur une seule invite, pour évoluer vers des cadres multi-agents collaboratifs. Dans cet article, nous plongeons dans les détails techniques de la conception de systèmes multi-agents fiables et évolutifs. Nous verrons comment des plateformes comme Azure AI Foundry fournissent l’architecture de base nécessaire pour gérer les contextes partagés, orchestrer les transferts pilotés par événements et garantir une tolérance aux pannes de niveau entreprise.

Que vous cherchiez à automatiser des opérations complexes d’infrastructure cloud ou à rationaliser la conformité de l’entreprise, comprendre comment faire travailler ensemble plusieurs entités d’IA spécialisées est la clé pour atteindre le niveau supérieur de productivité organisationnelle. Décomposons ensemble les modèles, les modèles de données et les outils exacts que vous devez connaître.

Exigences utilisateur pour les systèmes multi-agents

Besoins des utilisateurs

Connaître les attentes des utilisateurs est essentiel lors de la planification de systèmes multi-agents. Vous devez identifier ce que les utilisateurs attendent de ces systèmes, ce qui permet de s’assurer qu’ils atteignent leurs objectifs. Voici quelques besoins courants des utilisateurs dans un contexte professionnel :

Solutions modulaires et évolutives : les utilisateurs veulent des systèmes capables de grandir avec leurs besoins. Cela permet aux organisations d’ajouter ou de retirer des agents selon les besoins.
Orchestrateur central : un système principal est nécessaire pour gérer les tâches et suivre les agents. Cela aide les agents à bien travailler ensemble et garantit un fonctionnement fluide.
Surveillance continue : les utilisateurs souhaitent des contrôles constants de l’état des agents. Disposer de moyens permettant de corriger rapidement les problèmes est essentiel pour maintenir la robustesse du système.
Cadres de sécurité robustes : protéger les données et respecter les règles est très important. Les utilisateurs doivent avoir confiance dans la protection de leurs systèmes contre les menaces.

Se concentrer sur ces besoins vous aide à construire des systèmes multi-agents plus performants et plus rapides.

Spécifications fonctionnelles

Les spécifications fonctionnelles décrivent le fonctionnement attendu des systèmes multi-agents. Elles influencent leurs performances et leur capacité à évoluer. Voici quelques points importants à considérer :

Adaptabilité : les systèmes multi-agents peuvent évoluer grâce à l’ajout d’agents spécialisés. Cela améliore les performances et permet au système de grandir.
Tolérance aux pannes : la présence de composants de secours rend les systèmes multi-agents plus robustes. C’est essentiel pour continuer à fonctionner correctement dans des conditions variées.
Résolution collaborative de problèmes : les agents travaillent en équipe et mobilisent leurs compétences complémentaires. Ce travail d’équipe optimise l’usage des ressources et permet de résoudre plus rapidement des problèmes complexes qu’avec un système à agent unique.

Pour bien recueillir les spécifications fonctionnelles, essayez ces méthodes :

Méthode	Description	Retour des utilisateurs
Approche multi-agents basée sur l’IA	Utilise des agents IA pour recueillir et analyser les besoins, en créant et en classant des user stories.	Avis mitigés ; les utilisateurs suggèrent d’ajouter des fonctionnalités et d’améliorer les options de recherche.

Le système multi-agents utilise des grands modèles de langage (LLM) pour aider à analyser les besoins. Ces modèles créent des user stories à partir des idées de projet, les améliorent et en classent l’importance. Cette méthode claire vous aide à recueillir efficacement les besoins des utilisateurs.

En connaissant les besoins des utilisateurs et en définissant des spécifications fonctionnelles claires, vous pouvez construire des systèmes multi-agents qui répondent aux besoins actuels et s’adaptent à l’avenir.

Modèles dans Azure AI Foundry

Modèles disponibles

Azure AI Foundry propose de nombreux modèles pour différentes tâches dans les systèmes multi-agents. Vous pouvez choisir des agents spécialisés qui travaillent ensemble pour résoudre rapidement des problèmes complexes. Voici quelques agents importants :

Agent « Triage » principal : utilise ConnectedAgentTools pour traiter les tâches entrantes et les affecter correctement.
Agent de priorité : évalue l’urgence des tâches afin de repérer celles qui nécessitent une prise en charge rapide.
Agent d’équipe : transmet les tâches à l’équipe appropriée pour qu’elle les résolve.
Agent d’effort : estime l’ampleur et la difficulté des tâches afin d’utiliser les ressources à bon escient.

Outre ces agents, Azure AI Foundry propose des modèles d’IA performants pour différents usages :

gpt-5.1 : idéal pour les tâches exigeant une réflexion approfondie et de nombreuses étapes.
claude-sonnet-4-6 : fournit des solutions astucieuses pour le codage et le travail d’équipe.
claude-opus-4-6 : le meilleur choix pour le code de production, la sécurité et les tâches métier.
gpt-5.1-codex : axé sur le travail front-end et les tâches interactives.
claude-haiku-4-5 : rapide et économique, tout en offrant une intelligence solide.
DeepSeek-V3.1 : améliore l’utilisation des outils et prend en charge différents modes de réflexion.

Ces modèles vous permettent de constituer une équipe d’agents qui collaborent efficacement, ce qui améliore le système dans son ensemble.

Critères de sélection du modèle

Choisir le bon modèle pour votre système multi-agents est essentiel. Tenez compte de ces points clés pour faire un bon choix :

Critère	Description
Adéquation à la tâche	Faites correspondre les points forts du modèle à vos besoins, comme le dialogue, le raisonnement ou les tâches multimodales.
Stratégie de routage des modèles	Utilisez une sélection intelligente pour acheminer les requêtes vers le meilleur modèle, en fonction du coût, de la qualité ou du type de tâche.
Contraintes budgétaires	Assurez-vous que le modèle correspond à votre budget d’utilisation et de déploiement.

Le choix des modèles dans les systèmes multi-agents est très important. Différents modèles conviennent à différentes tâches. Les modèles orientés instructions traitent rapidement de nombreuses requêtes. Les modèles orientés raisonnement sont particulièrement adaptés à la planification et à la correction des erreurs. Confier les tâches au modèle approprié peut réellement améliorer les performances et la fiabilité de votre système.

Azure AI Foundry vous permet également de personnaliser la solution selon vos besoins spécifiques. Des fonctionnalités comme Connected Agents aident à décomposer les tâches complexes en rôles plus simples. Multi-Agent Workflows offrent une gestion structurée, avec contrôle de l’état et correction des erreurs. Vous pouvez utiliser des outils sans code ou des frameworks open source pour créer et gérer vos agents facilement.

En connaissant les modèles disponibles et en appliquant ces critères de sélection, vous pouvez créer un système multi-agents performant, adapté aux besoins de votre organisation.

Architecture du système multi-agents

Multi-Agent System Architecture

Composants clés

Une architecture solide de système multi-agents repose sur des éléments importants qui permettent aux agents de collaborer et de bien communiquer. Voici un aperçu de ces éléments :

Composant	Description
Contexte partagé	Cette couche permet à chaque agent de voir le même état principal. C’est essentiel pour travailler ensemble.
Transferts pilotés par événements	Cette fonctionnalité garde les agents faiblement couplés tout en conservant un historique clair des actions.
Définitions cohérentes	Cela garantit que tous les agents prennent leurs décisions de la même manière, ce qui améliore les performances du système.
Propriété en écriture unique	Cela définit qui peut écrire, ce qui garantit des résultats clairs produits par les agents.
Service de fonctionnalités en temps réel	Cela permet de mieux utiliser les ressources en évitant les travaux répétés entre agents.
Détection des conflits	Cela met en place des mécanismes pour repérer et corriger les problèmes lorsque plusieurs agents agissent sur le même élément.
Observabilité	Élément clé pour corriger les problèmes, elle permet de suivre les décisions et les données de l’ensemble des agents.
Gestion des points de contrôle	Cela permet de suivre l’avancement de chaque pipeline dans le traitement, ce qui facilite la correction des problèmes en cas de défaillance des agents.

Ces éléments fonctionnent ensemble pour construire une architecture robuste, favorable à la croissance et à la fiabilité des systèmes multi-agents.

Modèles d’interaction entre agents

La manière dont les agents interagissent influence fortement l’efficacité des systèmes multi-agents. Les modèles courants sont les suivants :

Modèle collaboratif : les agents travaillent ensemble et partagent les tâches pour atteindre des objectifs communs. Cela permet de mutualiser les ressources et de réduire la charge de travail supplémentaire.
Modèle de commandement et de contrôle : ce modèle définit des règles claires de prise de décision et des structures de gestion. S’il peut accélérer les processus, il risque de les ralentir dans des situations en évolution.
Communication par messages : les agents échangent des messages structurés contenant des demandes, des commandes ou des informations. Cela favorise un couplage faible entre eux et permet des échanges asynchrones, ce qui est essentiel à un bon travail d’équipe.

Ces modèles d’interaction améliorent la collaboration entre agents, ce qui se traduit par de meilleures performances et une plus grande robustesse dans les systèmes complexes. En les appliquant, vous rendez l’architecture de vos systèmes multi-agents plus efficace.

Outils dans Azure AI Foundry

Tools in Azure AI Foundry

AI Foundry Agent Playground

AI Foundry Agent Playground est un excellent outil pour créer et tester des systèmes multi-agents. Cet espace sans code simplifie considérablement la démarche. Vous pouvez choisir des modèles, configurer des agents et leur attribuer des tâches et des connaissances spécifiques. Le playground propose également des outils de contrôle des performances, comme le traçage et les métriques d’évaluation. Vous voyez ainsi en temps réel la qualité du travail de vos agents.

Dans le playground, vous pouvez tester différentes configurations et différents workflows. Cette souplesse vous aide à comprendre comment les agents collaborent et réagissent aux tâches. Vous pouvez modifier rapidement vos conceptions en fonction de leurs résultats. Le playground vous permet de créer des systèmes multi-agents efficaces sans connaissances approfondies en programmation.

Intégration de Semantic Kernel

L’ajout de Semantic Kernel à Azure AI Foundry améliore considérablement vos systèmes multi-agents. Semantic Kernel vous fournit un SDK souple, qui permet de créer, gérer et utiliser des agents IA fiables et adaptables. Cette intégration facilite les workflows complexes impliquant une collaboration entre agents et fonctionne bien avec différentes API.

Pour ajouter Semantic Kernel, suivez ces étapes :

Connectez-vous à Microsoft Foundry.
Ouvrez le projet dans lequel le modèle est configuré.
Accédez à Models + endpoints et sélectionnez le modèle déployé.
Copiez l’URL du point de terminaison ainsi que la clé.
Définissez les variables d’environnement correspondant à l’URL du point de terminaison et à la clé.
Créez un client pour vous connecter au point de terminaison à l’aide du code fourni.

Cette intégration vous aide à créer des agents capables de rechercher des informations et de traiter plus efficacement des tâches complexes. Semantic Kernel vous permet d’organiser des opérations métier complexes. En utilisant ce framework, vous vous assurez que vos agents travaillent bien ensemble, ce qui améliore les performances de l’ensemble du système.

Azure AI Foundry propose également de nombreux outils pour faciliter le développement de systèmes multi-agents. Voici un récapitulatif de certaines fonctionnalités clés :

Outil/Fonctionnalité	Description
Connected Agents	Aide les agents à collaborer en décomposant les tâches complexes.
Concurrent Orchestration	Permet aux agents de s’exécuter simultanément, ce qui accélère les workflows.
Capacités de journalisation	Essentielles pour suivre et gérer les interactions entre agents et les résultats qu’ils produisent.

Ces outils s’intègrent bien à vos systèmes informatiques existants et garantissent le bon fonctionnement de vos systèmes multi-agents au sein de votre organisation. Azure AI Foundry facilite l’orchestration grâce aux workflows et aux agents hébergés, ce qui renforce la collaboration entre les systèmes.

En combinant AI Foundry Agent Playground et Semantic Kernel, vous pouvez créer des systèmes multi-agents performants qui améliorent l’efficacité et l’innovation de votre travail.

Azure AI Foundry vous aide à créer des systèmes multi-agents performants. Ces systèmes améliorent l’automatisation et l’efficacité. Vous pouvez bénéficier notamment des avantages suivants :

37,6 % de précision supplémentaire avec des agents spécialisés
Temps d’exécution jusqu’à 33 % plus rapides
Coûts de supervision réduits et moins d’erreurs
Des conceptions évolutives, capables de faire face aux imprévus

Conseil : utilisez Connected Agents and Multi-Agent Workflows. Ils vous aident à créer des systèmes flexibles qui fonctionnent comme des équipes humaines. Ces fonctionnalités vous permettent de suivre l’avancement, de gérer les tâches et de vous connecter facilement à de nombreux outils.

À l’avenir, Azure AI Foundry améliorera la collaboration entre les agents et l’organisation des tâches. Votre automatisation gagnera en intelligence et en fiabilité. En utilisant cette plateforme, vous aidez votre organisation à innover et à gagner en productivité grâce à un travail d’équipe intelligent.

Questions fréquentes

Qu’est-ce qu’un système multi-agent ?

Un système multi-agent regroupe plusieurs agents qui travaillent ensemble pour résoudre des problèmes ou mener à bien des tâches. Chaque agent a son propre rôle, ce qui favorise la coordination et améliore les résultats.

Comment Azure AI Foundry prend-il en charge les systèmes multi-agents ?

Azure AI Foundry fournit des outils et des modèles pour concevoir, gérer et améliorer des systèmes multi-agents. Il aide les agents à collaborer sans friction et automatise les tâches complexes.

Peut-on personnaliser les agents dans Azure AI Foundry ?

Oui, vous pouvez modifier les agents dans Azure AI Foundry. Vous pouvez définir leur rôle, leurs compétences et leurs modes d’interaction en fonction des besoins de votre organisation. Cela leur permet de donner le meilleur d’eux-mêmes.

Quels sont les avantages des systèmes multi-agents ?

Les systèmes multi-agents améliorent l’automatisation, optimisent le fonctionnement des processus et accélèrent l’exécution des tâches. Ils contribuent également à la précision et à une meilleure gestion des ressources dans différents processus.

Faut-il savoir coder pour utiliser Azure AI Foundry ?

Non, vous n’avez pas besoin de coder pour utiliser Azure AI Foundry. La plateforme propose une configuration sans code, ce qui vous permet de créer et de gérer facilement des systèmes multi-agents sans grandes connaissances en programmation.

🎧 Écoutez cet épisode

Vous souhaitez une explication claire sur Build Reliable Intune and Entra ID Agents ? Cet épisode présente le sujet simplement et montre pourquoi il compte pour Microsoft 365, Azure, Power Platform, la sécurité, l’IA et le travail moderne. Pour une analyse approfondie de ces concepts, consultez l’épisode de podcast associé : Build Reliable Intune and Entra ID Agents with Azure AI Foundry.

Écoutez cet épisode si vous souhaitez :

Comprendre les concepts clés derrière Build Reliable Intune and Entra ID Agents
Voir comment cela s’inscrit dans l’écosystème technologique plus large de Microsoft
Découvrir où cela peut apporter une valeur concrète à votre organisation

Vous aimerez peut-être aussi ces épisodes connexes de M365 FM :

Découvrez d’autres échanges pratiques sur Microsoft sur M365 FM.