WEBVTT

00:00:00.000 --> 00:00:03.440
Le sujet d'aujourd'hui est un terme que presque tout le monde a entendu, mais que peu savent expliquer.

00:00:03.800 --> 00:00:07.980
Le cas AI Agent Harness, vous l'avez probablement croisé dans des articles de blog ou des conférences.

00:00:08.180 --> 00:00:10.000
Mais que signifie-t-il vraiment ? Voici la réalité.

00:00:10.600 --> 00:00:14.080
La plupart des gens pensent que construire un agent IA consiste à rédiger le prompt parfait,

00:00:14.560 --> 00:00:17.360
cette instruction magique qui fait faire au modèle exactement ce que vous voulez.

00:00:18.120 --> 00:00:20.560
Mais c'est comme penser qu'une voiture se résume à son moteur ?

00:00:20.560 --> 00:00:22.180
Certes, le moteur est crucial, mais sans roues.

00:00:22.700 --> 00:00:25.100
Volant, frein et châssis, vous n'irez nulle part.

00:00:26.060 --> 00:00:29.380
A la fin de cet épisode, vous comprendrez ce qu'est vraiment Agent Harness et NU.

00:00:29.380 --> 00:00:36.060
Pourquoi ? C'est l'évolution au-delà du prompt engineering UGR et comment Microsoft et AI Foundry concrétisent cela pour les entreprises.

00:00:37.040 --> 00:00:38.800
Prenez votre café et plongeons dans le sujet.

00:00:39.720 --> 00:00:41.280
Pourquoi le prompting ne suffit plus ?

00:00:41.280 --> 00:00:42.020
Revenons au premier jour.

00:00:42.760 --> 00:00:45.560
Entre 2022 et 2024, travailler avec l'IA était simple.

00:00:45.980 --> 00:00:47.180
Vous écriviez un prompt et obtenez une réponse.

00:00:47.680 --> 00:00:48.860
Besoin d'un brouillon d'email ?

00:00:48.860 --> 00:00:49.360
Écrivez un prompt.

00:00:49.720 --> 00:00:51.240
Besoin d'un résumé d'article ?

00:00:51.240 --> 00:00:51.780
Écrivez un prompt.

00:00:52.120 --> 00:00:54.020
Pour des tâches simples à exécution unique, cela fonctionnait très bien.

00:00:54.500 --> 00:00:55.440
Vous demandiez quelque chose.

00:00:55.720 --> 00:00:57.240
Et le modèle fournissait une réponse raisonnable.

00:00:57.740 --> 00:00:58.800
Les attentes ont fini par augmenter.

00:00:58.800 --> 00:01:01.040
Les gens ont commencé à demander à ces modèles de faire un vrai travail.

00:01:02.300 --> 00:01:04.020
Recherchez un sujet et rédigez un rapport.

00:01:04.420 --> 00:01:06.240
Analyser une base de code et corriger un bug.

00:01:06.400 --> 00:01:08.880
Ou gérez une conversation client complexe du début à la fin.

00:01:09.860 --> 00:01:11.560
Et soudain, un seul prompt ne suffisait plus.

00:01:11.920 --> 00:01:12.560
Voici ce qui s'est passé.

00:01:12.900 --> 00:01:14.680
La fenêtre de contexte du modèle se saturait.

00:01:14.900 --> 00:01:18.700
Il oubliait les instructions précédentes et commençait à inventer des faits ou à donner des résultats incomplets.

00:01:19.220 --> 00:01:21.920
Plus la tâche durait, plus le résultat devenait peu fiable.

00:01:22.560 --> 00:01:24.100
Vous en avez probablement fait l'expérience vous-même.

00:01:24.100 --> 00:01:26.940
Vous demandez à une IA de faire quelque chose de complexe.

00:01:27.100 --> 00:01:29.640
Et à la fin, elle a oublié ce que vous lui aviez demandé au départ.

00:01:30.600 --> 00:01:35.200
Imaginez demander à une seule personne de construire une maison entière d'une traite, sans jamais vérifier son travail.

00:01:35.560 --> 00:01:35.780
Sans.

00:01:35.780 --> 00:01:37.820
C'est ce que nous demandions à ces modèles.

00:01:38.400 --> 00:01:39.760
Les résultats étaient conformes aux attentes.

00:01:40.240 --> 00:01:42.820
Une maison à moitié finie, avec des murs manquants et des portes qui ne s'ouvrent pas.

00:01:43.180 --> 00:01:44.240
La solution n'était pas un meilleur prompt.

00:01:44.580 --> 00:01:48.720
Vous pouviez passer des heures à ajuster la formulation, ajouter des exemples et raffiner les instructions.

00:01:49.200 --> 00:01:53.160
Cela échouerait toujours sur des tâches complexes, car le problème fondamental n'était pas le prompt.

00:01:53.840 --> 00:01:55.280
C'était l'absence de système autour du modèle.

00:01:56.200 --> 00:01:58.820
Ce dont le modèle avait besoin, ce n'était pas de meilleur mot, mais un meilleur soutien.

00:01:59.240 --> 00:02:02.120
C'est là qu'a commencé l'évolution du prompt engineering, UCTO context engineering.

00:02:02.120 --> 00:02:04.420
Les trois phases de l'évolution de l'IA.

00:02:05.080 --> 00:02:06.820
Voici comment je vois l'évolution de l'IA.

00:02:07.380 --> 00:02:09.480
Trois phases, chacune déplaçant l'attention des ingénieurs.

00:02:09.880 --> 00:02:11.760
Ah, la première phase était l'ingénierie de prompt.

00:02:12.120 --> 00:02:14.020
Elle s'est étendue d'environ 2022 à 2024.

00:02:14.600 --> 00:02:17.120
La grande question était simple, que dois-je dire au modèle ?

00:02:17.780 --> 00:02:20.440
On écrivait une instruction, on obtenait une réponse, et c'était tout.

00:02:20.840 --> 00:02:22.600
Tout le travail reposait sur la formulation et le tout.

00:02:22.920 --> 00:02:24.460
Pour des tâches de base, cela suffisait.

00:02:24.900 --> 00:02:25.720
La phase 2 a suivi.

00:02:26.220 --> 00:02:28.300
L'ingénierie de contexte 2024 à 2025.

00:02:28.880 --> 00:02:32.100
La question a changé, de quoi dois-je parler à que doit voir le modèle ?

00:02:32.120 --> 00:02:35.940
Les ingénieurs ont découvert que ce que l'on donne au modèle compte plus que la manière de demander.

00:02:36.880 --> 00:02:41.440
Ils ont donc construit des systèmes comme l'appel d'outils, la génération augmentée par récupération et le protocole MCP.

00:02:42.560 --> 00:02:44.840
Cela permet au modèle de saisir les bonnes informations à la volée.

00:02:45.500 --> 00:02:49.300
Au lieu de tout entasser dans un prompt, le modèle pouvait chercher ce dont il avait besoin au moment voulu.

00:02:50.220 --> 00:02:52.440
La phase 3 est là où nous en sommes, l'ingénierie de Harnais.

00:02:52.440 --> 00:02:57.260
Depuis 2026 environ, la question est, quel système dois-je construire autour du modèle ?

00:02:57.260 --> 00:02:58.880
C'est là que ça devient intéressant.

00:02:59.280 --> 00:03:02.800
Car la fiabilité, la mémoire, l'orchestration et les garde-fous ne viennent pas du modèle lui-même,

00:03:03.180 --> 00:03:04.500
mais du système construit autour.

00:03:05.380 --> 00:03:06.740
Voici la manière la plus simple d'y penser.

00:03:07.260 --> 00:03:08.740
Un agent égale un modèle plus un harnais.

00:03:09.180 --> 00:03:10.000
Le harnais, c'est tout le reste.

00:03:10.480 --> 00:03:12.240
Le modèle réfléchit, le harnais fait le reste.

00:03:12.600 --> 00:03:14.460
Ce harnais est l'ingrédient secret qui fait fonctionner le tout.

00:03:14.820 --> 00:03:15.180
Le tout.

00:03:15.620 --> 00:03:16.240
Voyez les choses ainsi.

00:03:16.240 --> 00:03:17.580
Le modèle est un ouvrier qualifié.

00:03:17.960 --> 00:03:19.220
Très talentueux, mais limité.

00:03:19.640 --> 00:03:23.160
Le harnais, l'atelier, les outils, la liste de contrôle, le superviseur et les freins.

00:03:23.920 --> 00:03:25.640
Sans l'atelier, l'ouvrier n'a nulle part où travailler.

00:03:26.120 --> 00:03:27.520
Sans les outils, il ne peut rien construire.

00:03:28.140 --> 00:03:29.620
Sans la liste de contrôle, il oublie des étapes.

00:03:29.940 --> 00:03:31.280
Sans le superviseur, il commet des erreurs.

00:03:31.620 --> 00:03:32.680
Et sans frein, il s'épuise.

00:03:33.080 --> 00:03:34.220
Le harnais apporte toute cette structure.

00:03:34.740 --> 00:03:36.340
Alors qu'y a-t-il exactement dans ce harnais ?

00:03:36.340 --> 00:03:36.800
Ouvrons-le.

00:03:37.660 --> 00:03:38.820
Ce que contient réellement un harnais.

00:03:39.360 --> 00:03:40.840
Donc qu'est-ce qui entre dans un harnais ?

00:03:40.840 --> 00:03:42.280
Passons en revue les éléments un par un.

00:03:42.280 --> 00:03:43.820
Premièrement, la boucle de l'agent.

00:03:44.200 --> 00:03:45.880
C'est le cycle qui maintient l'agent en activité.

00:03:46.240 --> 00:03:47.880
Le modèle réfléchit, puis décide d'appeler un outil.

00:03:48.240 --> 00:03:49.720
L'outil s'exécute et renvoie un résultat.

00:03:50.040 --> 00:03:52.740
Le modèle examine cela, réfléchit à nouveau, et appelle peut-être un autre outil.

00:03:53.200 --> 00:03:55.560
La boucle continue jusqu'à ce que l'agent atteigne son objectif.

00:03:56.580 --> 00:03:59.480
Sans cette boucle, on obtient juste une seule question et une seule réponse.

00:04:00.140 --> 00:04:02.860
Avec elle, vous avez un système qui résout les problèmes étape par étape.

00:04:03.900 --> 00:04:05.180
Ensuite, la gestion du contexte.

00:04:05.180 --> 00:04:08.040
C'est essentiel, car les modèles ont une capacité d'attention limitée.

00:04:08.480 --> 00:04:10.740
Leur fenêtre de contexte finit par déborder s'il y a trop d'informations.

00:04:11.300 --> 00:04:12.120
C'est là qu'intervient le harnais.

00:04:12.680 --> 00:04:16.560
Il compresse la conversation, résume tous les messages et priorise ce qui est important.

00:04:17.580 --> 00:04:19.320
Imaginez cela comme un système de classement pour la conversation.

00:04:19.920 --> 00:04:21.880
Le harnais l'organise pour que le modèle ne voit que ce qui est pertinent.

00:04:22.440 --> 00:04:25.000
Sans cela, les longues sessions échouent car le modèle perd le fil.

00:04:25.860 --> 00:04:27.080
Ensuite, il y a les outils et les compétences.

00:04:27.380 --> 00:04:28.300
Ce sont les mains de l'agent.

00:04:28.620 --> 00:04:30.240
Par lui-même, un modèle ne peut que générer du texte.

00:04:30.560 --> 00:04:33.620
Il ne peut pas lire un fichier, naviguer sur le web, exécuter du code ou interroger une base de données.

00:04:33.700 --> 00:04:35.240
Le harnais lui confère ses capacités.

00:04:35.820 --> 00:04:39.280
Accès au fichier, navigation web, exécution de code, requête de base de données.

00:04:39.280 --> 00:04:41.120
Le harnais fournit tous ces outils.

00:04:42.160 --> 00:04:44.480
Le modèle décide quand les utiliser et le harnais les fait fonctionner.

00:04:44.880 --> 00:04:47.080
La mémoire et la persistance des sessions sont un autre élément majeur.

00:04:47.380 --> 00:04:48.780
Le harnais se souvient des sessions passées.

00:04:49.340 --> 00:04:51.560
Ainsi, lorsque vous revenez vers un agent le lendemain, il ne repart pas de zéro.

00:04:52.180 --> 00:04:55.200
Il se souvient de vos préférences, du contexte de votre projet et des décisions que vous avez prises.

00:04:55.760 --> 00:04:58.080
L'agent apprend avec le temps car le harnais conserve cet historique.

00:04:58.720 --> 00:05:01.680
Les garde-fous constituent la couche de sécurité et des limites que vous fixez au comportement de l'agent.

00:05:02.120 --> 00:05:03.540
Considérez cela comme le règlement intérêt de l'agent.

00:05:03.540 --> 00:05:08.420
Nombre d'étapes maximales avant arrêt, actions interdites, étapes de validation humaine pour les tâches risquées,

00:05:08.720 --> 00:05:10.740
comme écrire des fichiers ou envoyer des e-mails.

00:05:11.620 --> 00:05:14.760
Sans garde-fous, un agent pourrait tourner indéfiniment ou agir de manière imprévue.

00:05:15.360 --> 00:05:16.560
Le harnais le maintient sous contrôle.

00:05:16.880 --> 00:05:17.820
Enfin, l'orchestration.

00:05:18.480 --> 00:05:21.200
Le harnais peut lancer des sous-agents spécialisés pour différentes tâches.

00:05:22.020 --> 00:05:25.300
L'un s'occupe de la recherche, un autre de la rédaction et un troisième de la vérification.

00:05:25.540 --> 00:05:28.180
Ils travaillent ensemble comme une équipe de spécialistes sur un chantier.

00:05:28.960 --> 00:05:30.100
Chacun fait ce qu'il maîtrise le mieux.

00:05:30.100 --> 00:05:32.500
Et le harnais veille à ce qu'il ne se gêne pas.

00:05:33.280 --> 00:05:34.680
Ses composants ne sont pas que théoriques.

00:05:35.280 --> 00:05:37.920
Microsoft a conçu une plateforme complète qui met tout cela en pratique.

00:05:39.080 --> 00:05:41.760
Voici Microsoft AI Foundry, le harnais pour entreprise.

00:05:42.480 --> 00:05:44.160
Cette plateforme, c'est Microsoft AI Foundry.

00:05:44.820 --> 00:05:48.380
Voyez cela comme un atelier complet pour créer et exécuter des agents IA à grande échelle.

00:05:49.060 --> 00:05:51.680
Quand je parle d'échelle, je veux dire à une échelle réelle, pas une expérience de laboratoire.

00:05:52.660 --> 00:05:54.640
Foundry sert plus de 70 000 clients aujourd'hui.

00:05:55.060 --> 00:05:58.140
Et rien que le trimestre dernier, il a traité 101 milliards de jetons.

00:05:58.140 --> 00:06:00.780
C'est bien 101 milliards, ce n'est pas une erreur de frappe.

00:06:01.160 --> 00:06:03.660
Chaque jour, il aimante 2 milliards de requêtes de recherche en entreprise.

00:06:04.260 --> 00:06:07.160
C'est une plateforme de production gérant certaines des plus lourdes charges de travail au monde.

00:06:07.720 --> 00:06:10.180
Ce que Foundry fait concrètement, c'est vous offrir le harnais en tant que service géré.

00:06:11.140 --> 00:06:14.860
Vous n'avez pas à créer la gestion de contexte, la mémoire, les garde-fous et la coordination à partir de zéro.

00:06:15.020 --> 00:06:15.880
Car tout est intégré.

00:06:16.380 --> 00:06:18.840
Vous apportez votre agent et Foundry fournit l'atelier autour de lui.

00:06:19.400 --> 00:06:20.400
Parlons maintenant de l'identité.

00:06:20.680 --> 00:06:21.260
C'est un point crucial.

00:06:21.260 --> 00:06:26.020
Chaque agent dans Foundry obtient son propre identifiant Antra, en somme une identité numérique.

00:06:26.660 --> 00:06:29.060
Imaginez cela comme le badge d'employé délivré par l'accueil.

00:06:30.020 --> 00:06:34.460
L'agent peut se connecter au service, accéder aux données et agir pour l'organisation comme un employé humain.

00:06:35.260 --> 00:06:37.720
Et comme chaque action est liée à cette identité, elle est entièrement auditable.

00:06:38.220 --> 00:06:39.720
Euh, pourquoi est-ce important ?

00:06:39.720 --> 00:06:41.300
Dans une entreprise, vous devez savoir qui a fait quoi.

00:06:41.820 --> 00:06:43.180
Chaque action est consignée et traçable.

00:06:43.920 --> 00:06:50.020
Foundry se connecte à plus de 1 400 sources de données d'entreprise, de SharePoint et Dynamics 365 à Salesforce et des bases de données personnalisées.

00:06:50.020 --> 00:06:52.980
Si votre entreprise l'utilise, Foundry a probablement un connecteur.

00:06:53.580 --> 00:06:55.200
Ainsi, l'agent ne devine pas et n'invente rien.

00:06:55.660 --> 00:06:59.600
Il extrait des données réelles de système réel, ce qui signifie que les réponses sont fondées sur vos données métier concrètes.

00:07:00.480 --> 00:07:01.220
Vient ensuite la mémoire.

00:07:01.540 --> 00:07:03.160
Foundry inclut des types de mémoire intégrés.

00:07:03.500 --> 00:07:05.680
La mémoire procédurale aide l'agent à apprendre des tâches passées.

00:07:06.140 --> 00:07:08.440
Il s'améliore avec le temps, comme une formation en cours d'emploi.

00:07:08.720 --> 00:07:11.420
La persistance de session signifie qu'il se souvient des conversations précédentes.

00:07:11.520 --> 00:07:12.800
Il ne repart donc pas de zéro à chaque fois.

00:07:13.360 --> 00:07:15.420
Cela rend les interactions fluides et intelligentes.

00:07:15.940 --> 00:07:17.500
Alors comment cela fonctionne-t-il concrètement ?

00:07:17.500 --> 00:07:20.420
Analysons les composants fournis par Microsoft pour créer des structures personnalisées.

00:07:21.060 --> 00:07:23.540
Le framework d'agent, pour construire des structures sur mesure.

00:07:24.120 --> 00:07:26.460
Alors comment construire réellement une structure ?

00:07:26.460 --> 00:07:29.640
Microsoft fournit un SDK dédié appelé Microsoft Agent Framework,

00:07:29.740 --> 00:07:32.080
que vous connaissez peut-être sous son ancien nom, sémantique Kernel.

00:07:32.880 --> 00:07:34.420
Il a été reconstruit, mais le concept reste le même.

00:07:34.820 --> 00:07:37.800
Il permet aux développeurs de créer des structures d'agents personnalisées en Python et Séchelab.

00:07:38.400 --> 00:07:39.320
Framework comporte trois couches.

00:07:39.320 --> 00:07:43.660
A la base se trouve la boucle de l'agent, le cycle de raisonnement central où le modèle réfléchi appelle les outils,

00:07:43.780 --> 00:07:45.120
obtient des résultats et réfléchit à nouveau.

00:07:46.040 --> 00:07:49.060
Au-dessus, on trouve les workflows, des modèles de coordination qui gèrent plusieurs agents.

00:07:49.780 --> 00:07:53.080
Et enveloppant le tout, la couche de structure elle-même, l'enveloppe, qui maintient le tout ensemble.

00:07:53.780 --> 00:07:56.000
Microsoft propose cinq modèles de coordination intégrés.

00:07:57.000 --> 00:07:59.820
Séquentiel exécute les agents les uns après les autres dans un ordre défini.

00:08:00.440 --> 00:08:01.800
Concurre les exécute tous en parallèle.

00:08:02.260 --> 00:08:05.000
Transfert passe le contrôle d'un agent à un autre selon les besoins.

00:08:05.520 --> 00:08:08.200
Discussion de groupe permet à plusieurs agents d'échanger dans une conversation partagée.

00:08:08.900 --> 00:08:11.400
Puis il y a Malgenti qui est un gestionnaire, issu de Microsoft Research.

00:08:12.300 --> 00:08:16.400
Ici, un agent superviseur génère un plan, puis délègue le travail à des sous-agents spécialisés,

00:08:16.560 --> 00:08:19.220
comme un chef de projet attribuant des tâches aux membres de l'équipe.

00:08:20.040 --> 00:08:21.960
Chaque modèle gère un problème de coordination différent.

00:08:22.360 --> 00:08:23.000
Voici le meilleur aspect.

00:08:23.420 --> 00:08:24.320
Le framework est extensible.

00:08:24.320 --> 00:08:29.860
Vous pouvez connecter le modèle de votre choix, qu'il vienne d'OpenAI, Anthropik, Google Gemini ou Amazon Bedrock,

00:08:30.020 --> 00:08:31.920
et même des modèles locaux sur Wallama.

00:08:32.520 --> 00:08:33.120
On va de même pour les outils.

00:08:33.560 --> 00:08:37.020
Vous vous connectez via OpenAI, le protocole de contexte de modèle ou par code direct.

00:08:37.500 --> 00:08:40.680
Certains craignent que l'utilisation du framework de Microsoft ne vous enferme dans leur écosystème.

00:08:41.100 --> 00:08:41.920
C'est faux ?

00:08:41.920 --> 00:08:44.660
Le framework fonctionne avec n'importe quel stack que vous utilisez déjà ?

00:08:44.660 --> 00:08:47.900
La couche Carness ajoute des capacités telles que l'accès aux fichiers, l'exécution de code,

00:08:48.000 --> 00:08:49.520
le middleware de planification et la télémétrie.

00:08:49.780 --> 00:08:53.200
Ainsi, créer un agent avec ce framework signifie construire un système complet qui lit des fichiers,

00:08:53.200 --> 00:08:56.080
écrit du code, planifie des tâches complexes et enregistre tout pour le débogage.

00:08:56.780 --> 00:08:58.100
C'est bien plus qu'une simple interface de chat.

00:08:58.460 --> 00:08:59.220
Voici à quoi cela ressent.

00:08:59.760 --> 00:09:01.400
Imaginez un agent de codage construit sur ce framework.

00:09:02.080 --> 00:09:05.260
Lui confier une tâche, par exemple, ajouter une nouvelle fonctionnalité à une base de code existante.

00:09:05.980 --> 00:09:08.460
L'agent commence par parcourir la documentation pour comprendre l'API.

00:09:08.960 --> 00:09:09.740
Ensuite, il écrit le code.

00:09:10.200 --> 00:09:11.760
Il exécute des tests pour s'assurer qu'un était cassé.

00:09:12.420 --> 00:09:14.820
Si un test échoui, lit l'erreur, corrige le bug et relance les tests,

00:09:14.880 --> 00:09:15.920
le tout au sein du même Ernest que,

00:09:16.120 --> 00:09:18.980
en boucle dans un cycle réflexion-action-éducation jusqu'à ce que le travail soit terminé.

00:09:18.980 --> 00:09:22.300
Sans ce qu'Arnesque, vous devriez lui transmettre chaque étape manuellement.

00:09:22.760 --> 00:09:24.920
Avec lui, l'agent gère tout le flux de travail de manière autonome.

00:09:25.440 --> 00:09:27.860
Un exemple populaire de Arnesque en action est le modèle Clo-Uke.

00:09:28.640 --> 00:09:30.060
Microsoft l'a rendu disponible sur Farnry,

00:09:30.120 --> 00:09:32.400
c'est une excellente démonstration de la façon dont ces éléments s'assemblent.

00:09:33.160 --> 00:09:34.560
Les agents de style Clo, les Hermès.

00:09:35.140 --> 00:09:36.240
Parlons des agents de style Clo.

00:09:37.100 --> 00:09:39.180
Le nom vient de projets open source comme OpenClo.

00:09:39.740 --> 00:09:41.020
Ces agents résident sur votre machine,

00:09:41.340 --> 00:09:42.080
attendent des instructions,

00:09:42.440 --> 00:09:43.960
puis exécutent de longues tâches par eux-mêmes.

00:09:44.500 --> 00:09:46.380
Sont toujours là, prêts à intervenir quand vous en avez besoin.

00:09:47.000 --> 00:09:49.520
Considérez-les comme un assistant personnel qui ne prend jamais de jour de congé.

00:09:50.180 --> 00:09:51.500
La version de Microsoft s'appelle Hermès.

00:09:52.100 --> 00:09:54.200
Elle s'exécute dans le bac à sable d'agents hébergés de Farnry

00:09:54.200 --> 00:09:56.120
et dispose de capacités impressionnantes.

00:09:56.760 --> 00:09:58.440
Hermès possède son propre système de fichiers,

00:09:58.520 --> 00:09:59.660
sa propre mémoire et son propre ensemble.

00:09:59.920 --> 00:10:01.960
Il peut mettre en place ses propres routines de maintenance,

00:10:02.160 --> 00:10:04.200
nettoyer les vieux fichiers et organiser son espace de travail.

00:10:04.680 --> 00:10:06.600
Et s'il réalise qu'il a besoin d'une nouvelle compétence qu'il n'a pas,

00:10:06.980 --> 00:10:07.740
il peut la créer à la volée.

00:10:08.220 --> 00:10:09.460
Voici ce qu'il faut savoir sur les agents Clo.

00:10:09.920 --> 00:10:12.240
Les Architects Cloud, les appels des animaux de compagnie, pas du bétail.

00:10:12.660 --> 00:10:13.420
Les animaux de compagnie sont...

00:10:13.420 --> 00:10:15.940
Vous leur donnez un nom, vous vous en occupez, vous ne pouvez pas les remplacer facilement.

00:10:16.240 --> 00:10:17.220
Le bétail est interchangeable.

00:10:17.560 --> 00:10:19.160
Donc, si l'un tombe en panne, vous en relancez un autre.

00:10:19.640 --> 00:10:21.140
Les agents Clo sont assurément des animaux de compagnie.

00:10:21.380 --> 00:10:23.860
Chacun possède son propre état, son historique et ses comportements inquiétés.

00:10:24.480 --> 00:10:25.580
Cette singularité les rend puissant,

00:10:25.640 --> 00:10:27.900
mais complique aussi la récupération et la mise à l'échelle.

00:10:28.820 --> 00:10:31.560
En cas de problème, vous ne pouvez pas simplement supprimer l'instance et recommencer,

00:10:31.680 --> 00:10:33.460
car vous perdriez toutes les connaissances accumulées.

00:10:34.100 --> 00:10:35.720
La solution de Microsoft s'appelle les routines.

00:10:36.360 --> 00:10:38.580
Il s'agit de tâches planifiées qui permettent à l'agent de se réveiller,

00:10:38.920 --> 00:10:40.440
d'effectuer sa maintenance puis de se rendormir.

00:10:40.440 --> 00:10:44.220
Au lieu de maintenir le bac à sable actif 24h34 et c'est J77,

00:10:44.580 --> 00:10:46.840
ce qui coûte cher, l'agent s'étapre une période d'inactivité.

00:10:47.700 --> 00:10:50.860
Le système de routine le réveille quand il doit agir pour nettoyer d'anciennes compétences,

00:10:50.960 --> 00:10:53.180
effectuer une sauvegarde ou vérifier de nouvelles tâches.

00:10:54.020 --> 00:10:54.840
Ensuite, il se rendort.

00:10:55.460 --> 00:10:58.380
Cela permet d'économiser tout en gardant l'agent disponible quand vous en avez besoin.

00:10:58.760 --> 00:10:59.940
Le bac à sable isole chaque session.

00:11:00.720 --> 00:11:03.320
Les fichiers, la mémoire et la configuration de votre agent

00:11:03.320 --> 00:11:05.200
restent confinés dans son propre environnement.

00:11:05.840 --> 00:11:07.720
L'infrastructure gère cet état entre les sessions

00:11:07.720 --> 00:11:10.120
pour que les données d'un agent ne fuient pas vers un autre.

00:11:10.440 --> 00:11:12.940
Il est possible de construire sa propre infrastructure,

00:11:13.160 --> 00:11:14.660
mais la plupart des entreprises n'en ont pas besoin.

00:11:15.540 --> 00:11:17.040
Fondry vous offre une plateforme prête à l'emploi

00:11:17.040 --> 00:11:18.440
avec toutes ses fonctionnalités intégrées.

00:11:19.080 --> 00:11:22.440
La vraie question est, que voulez-vous que votre agent fasse ?

00:11:22.440 --> 00:11:25.060
Publication et collaboration, là où l'infrastructure rencontre les humains.

00:11:25.320 --> 00:11:26.240
Vous avez donc créé votre agent,

00:11:26.320 --> 00:11:28.440
lui avez donné des outils, une mémoire, une orchestration et un bac à sable.

00:11:28.820 --> 00:11:30.080
Maintenant, comment les gens l'utilisent-ils ?

00:11:30.080 --> 00:11:31.580
C'est là que Fondry facilite les choses.

00:11:32.400 --> 00:11:33.720
Une fois votre agent créé et déployé,

00:11:33.720 --> 00:11:36.100
vous pouvez le publier dans Microsoft 365 Copilot

00:11:36.100 --> 00:11:37.480
sur Microsoft Teams en un clic.

00:11:38.280 --> 00:11:40.140
Pas 10 clics, pas un pipeline de déploiement de 3 jours,

00:11:40.140 --> 00:11:40.780
juste un clic.

00:11:41.700 --> 00:11:43.460
Et votre agent apparaît là où les gens travaillent déjà,

00:11:43.580 --> 00:11:45.660
dans leurs emails, leurs messageries et leurs documents.

00:11:46.160 --> 00:11:47.660
Fondry prend en charge deux modes de déploiement.

00:11:48.120 --> 00:11:49.160
D'abord, les agents d'assistance.

00:11:49.540 --> 00:11:51.040
Travaillent en votre nom pour rédiger des emails,

00:11:51.180 --> 00:11:52.860
planifier des réunions ou récupérer des documents.

00:11:53.480 --> 00:11:54.600
Ils agissent comme votre extension,

00:11:55.040 --> 00:11:57.240
tel un assistant ultra rapide qui exécute vos demandes.

00:11:58.620 --> 00:11:59.840
Ensuite, les agents en pilote automatique.

00:12:00.260 --> 00:12:01.320
Sont plus récents et plus intéressants.

00:12:01.320 --> 00:12:02.520
Ils agissent en leur nom propre,

00:12:02.640 --> 00:12:04.280
avec leur propre adresse email et leur propre identité.

00:12:04.800 --> 00:12:06.220
Ils n'ont pas besoin que vous les sollicitez à chaque fois.

00:12:06.620 --> 00:12:07.200
Prennent des initiatives.

00:12:07.700 --> 00:12:09.500
Les agents en pilote automatique possèdent un compte utilisateur.

00:12:09.880 --> 00:12:11.400
Vous pouvez les ajouter à une discussion de groupe Teams,

00:12:11.480 --> 00:12:12.520
comme vous ajouterez à un collègue humain.

00:12:12.980 --> 00:12:14.880
Ils suivent la conversation et interviennent pour aider,

00:12:15.040 --> 00:12:16.020
assurer le suivi des tâches,

00:12:16.160 --> 00:12:17.860
répondre aux questions sur le travail de l'équipe,

00:12:18.020 --> 00:12:19.680
et même intégrer les nouveaux membres

00:12:19.680 --> 00:12:20.840
en leur envoyant les documents

00:12:20.840 --> 00:12:22.940
et en les présentant aux bonnes personnes.

00:12:23.440 --> 00:12:24.860
Et voici un exemple concret.

00:12:25.320 --> 00:12:27.260
Imaginez que vous ayez un agent responsable de flux de travail.

00:12:27.720 --> 00:12:28.780
Vous l'ajoutez à votre discussion de groupe Teams.

00:12:28.920 --> 00:12:29.420
Quelqu'un dit

00:12:29.420 --> 00:12:31.620
« Hey, j'ai besoin du rapport du T3 pour vendredi ».

00:12:31.620 --> 00:12:33.320
L'agent identifie qu'il s'agit d'une tâche à accomplir.

00:12:34.180 --> 00:12:34.880
Il crée une tâche,

00:12:35.240 --> 00:12:36.140
l'assigne à la bonne personne

00:12:36.140 --> 00:12:37.420
et ajoute un rappel pour jeudi,

00:12:39.500 --> 00:12:39.920
de faire cela.

00:12:40.280 --> 00:12:41.780
Il a simplement vu ce qui devait être fait et l'a fait.

00:12:42.780 --> 00:12:44.600
Le harness qui gère toutes les autorisations en arrière.

00:12:45.120 --> 00:12:46.300
Seuls les utilisateurs autorisés

00:12:46.300 --> 00:12:48.000
peuvent interagir avec l'agent dans une discussion de groupe.

00:12:48.200 --> 00:12:49.840
L'agent ne voit que les messages auxquels il a accès

00:12:49.840 --> 00:12:50.520
et ignore les autres.

00:12:50.920 --> 00:12:52.140
Il respecte les mêmes contrôles d'accès

00:12:52.140 --> 00:12:53.180
que les membres humains de votre équipe.

00:12:53.820 --> 00:12:55.520
Voici pourquoi l'ingénierie du harness est vraiment payant.

00:12:55.900 --> 00:12:56.920
L'agent cesse d'être un chatbot

00:12:56.920 --> 00:12:58.280
que vous ouvrez dans un onglet de navigateur.

00:12:58.640 --> 00:12:59.760
Il devient un membre productif de l'équipe.

00:13:00.440 --> 00:13:01.220
Il vit là où vous vivez,

00:13:01.340 --> 00:13:02.520
travaille comme votre équipe travaille.

00:13:03.220 --> 00:13:04.500
Et il fait tout cela parce que le harness,

00:13:04.580 --> 00:13:05.640
le système entourant le modèle,

00:13:05.640 --> 00:13:06.420
gère l'identité,

00:13:06.700 --> 00:13:07.160
les permissions,

00:13:07.520 --> 00:13:08.940
le déploiement et l'intégration.

00:13:09.660 --> 00:13:10.100
Sans le harness,

00:13:10.220 --> 00:13:11.800
vous auriez juste une autre fenêtre de chat vérifiée.

00:13:12.420 --> 00:13:13.880
Mais tout outil puissant nécessite des protections.

00:13:14.340 --> 00:13:16.080
Parlons des garde-fous qui rendent tout cela sûr.

00:13:16.980 --> 00:13:18.660
Il y a responsable et la gouvernance dans le harness.

00:13:19.160 --> 00:13:19.800
Voici le point essentiel.

00:13:20.120 --> 00:13:21.520
L'ingénierie du harness ne consiste pas seulement

00:13:21.520 --> 00:13:22.520
à rendre les agents plus performants.

00:13:22.880 --> 00:13:24.480
Il s'agit de les rendre sûrs et fiables.

00:13:25.180 --> 00:13:26.540
Un agent capable d'envoyer des emails,

00:13:26.660 --> 00:13:27.420
de modifier des fichiers

00:13:27.420 --> 00:13:28.980
et d'agir dans des discussions de groupe est puissant.

00:13:29.240 --> 00:13:30.280
Mais ce pouvoir nécessite des contrôles.

00:13:30.700 --> 00:13:31.940
Imaginez que vous donniez à un employé

00:13:31.940 --> 00:13:32.620
les clés du bâtiment.

00:13:32.620 --> 00:13:33.840
Vous voulez qu'il fasse son travail

00:13:33.840 --> 00:13:35.280
mais vous établissez également des règles

00:13:35.280 --> 00:13:36.600
sur ce à quoi il peut accéder et quand.

00:13:37.560 --> 00:13:40.220
L'approche de Microsoft repose sur la norme d'irresponsable.

00:13:41.380 --> 00:13:42.260
Six principes guident tout.

00:13:42.380 --> 00:13:42.680
Équité.

00:13:43.340 --> 00:13:45.160
Fiabilité, sécurité, confidentialité

00:13:45.160 --> 00:13:46.140
et protection des données,

00:13:46.560 --> 00:13:49.020
inclusivité, transparence et responsabilité.

00:13:49.620 --> 00:13:51.380
Ce ne sont pas juste de belles idées écrites sur une affiche.

00:13:51.800 --> 00:13:52.800
Ce sont les fondations réelles

00:13:52.800 --> 00:13:55.040
sur lesquelles toute la plateforme est conçue dès le départ.

00:13:55.980 --> 00:13:58.160
Le harness est l'endroit où ces principes deviennent du code réel.

00:13:58.760 --> 00:14:00.140
Les garde-fous limitent ce que l'agent peut faire.

00:14:00.260 --> 00:14:01.540
Les points d'ancrage du cycle de vie

00:14:01.540 --> 00:14:02.600
permettent d'appliquer des politiques.

00:14:02.620 --> 00:14:04.120
à chaque étape de l'exécution de l'agent.

00:14:04.520 --> 00:14:05.500
Avant que l'agent ne s'exécute,

00:14:05.680 --> 00:14:07.040
après, avant qu'il n'appelle un outil

00:14:07.040 --> 00:14:08.200
après avoir obtenu un résultat

00:14:08.200 --> 00:14:10.640
et vous pouvez injecter vos propres vérifications à tout moment.

00:14:11.280 --> 00:14:12.280
Vous voulez empêcher l'agent d'accéder

00:14:12.280 --> 00:14:13.780
à certaines bases de données ?

00:14:13.780 --> 00:14:14.180
Vous pouvez le faire.

00:14:14.660 --> 00:14:15.860
Vous voulez exiger une approbation humaine

00:14:15.860 --> 00:14:17.400
avant que l'agent n'envoie un email ?

00:14:17.400 --> 00:14:17.940
Vous pouvez le faire aussi.

00:14:18.460 --> 00:14:19.880
Ces deux actions sont simples à configurer.

00:14:20.120 --> 00:14:21.700
Le cadre où l'Architected Framework d'Azure

00:14:21.700 --> 00:14:23.540
inclut des conseils dédiés aux charges de travail IA.

00:14:23.920 --> 00:14:24.420
Il couvre tout,

00:14:24.480 --> 00:14:25.200
du chiffrement des données

00:14:25.200 --> 00:14:26.120
à la réponse aux incidents.

00:14:27.060 --> 00:14:28.500
L'idée est que construire un système d'IA

00:14:28.500 --> 00:14:29.680
n'est pas fondamentalement différent

00:14:29.680 --> 00:14:31.400
de construire tout autre système d'entreprise.

00:14:31.900 --> 00:14:32.860
Vous avez toujours besoin de sécurité,

00:14:32.980 --> 00:14:34.260
de fiabilité et d'excellence opérationnelle.

00:14:34.900 --> 00:14:36.340
Le cadre ou l'Architected

00:14:36.340 --> 00:14:37.560
que vous offre une méthode structurée

00:14:37.560 --> 00:14:38.920
pour aborder tout cela sans vous perdre.

00:14:39.440 --> 00:14:41.080
Au-delà, il existe le Cloud Option Framework Nord.

00:14:41.500 --> 00:14:42.760
Il fournit un processus en quatre étapes

00:14:42.760 --> 00:14:43.520
pour la gouvernance de l'IA.

00:14:44.060 --> 00:14:45.180
Premièrement, identifier les risques.

00:14:45.640 --> 00:14:46.620
Qu'est-ce qui pourrait mal tourner ?

00:14:46.620 --> 00:14:47.460
Deuxièmement, mesurer l'impact.

00:14:47.700 --> 00:14:48.680
Quelle en serait la gravité ?

00:14:48.680 --> 00:14:49.960
Troisièmement, atténuer avec des contrôles.

00:14:50.300 --> 00:14:52.080
Que pouvez-vous mettre en place pour l'empêcher ?

00:14:52.080 --> 00:14:53.360
Quatrièmement, opérer avec une surveillance.

00:14:53.360 --> 00:14:55.360
Comment détecter les problèmes lorsqu'ils surviennent ?

00:14:55.360 --> 00:14:56.780
C'est une approche pratique étape par étape

00:14:56.780 --> 00:14:58.160
qui transforme des préoccupations abstraites

00:14:58.160 --> 00:14:59.900
en actions concrètes, en actions concrètes.

00:15:00.300 --> 00:15:01.560
Pour les harnais d'agents spécifiquement,

00:15:01.740 --> 00:15:02.920
cela implique quelques points clés.

00:15:03.380 --> 00:15:04.500
Des limites d'étapes maximales

00:15:04.500 --> 00:15:06.080
pour que l'agent ne tourne pas indéfiniment.

00:15:06.520 --> 00:15:07.280
Des restrictions d'outils

00:15:07.280 --> 00:15:08.880
pour qu'il n'accède qu'à ce qu'il est censé utiliser.

00:15:09.220 --> 00:15:10.200
Des étapes d'approbation humaine

00:15:10.200 --> 00:15:10.980
pour les actions à haut risque.

00:15:11.280 --> 00:15:11.800
Des pistes d'audit

00:15:11.800 --> 00:15:13.540
pour que chaque décision soit enregistrée et révisable.

00:15:14.140 --> 00:15:15.200
Des files de sécurité de contenu

00:15:15.200 --> 00:15:16.480
qui interceptent les sorties problématiques

00:15:16.480 --> 00:15:17.160
avant qu'elles ne soient vues.

00:15:17.960 --> 00:15:18.740
Chaque élément collabore

00:15:18.740 --> 00:15:20.300
pour maintenir votre agent sous contrôle strict.

00:15:20.600 --> 00:15:22.620
Microsoft fournit une sécurité de contenu intégré

00:15:22.620 --> 00:15:23.960
et des évaluateurs au sein de Foundry.

00:15:24.420 --> 00:15:25.300
Vous pouvez tester votre agent

00:15:25.300 --> 00:15:26.220
par rapport à une série de critères

00:15:26.220 --> 00:15:26.880
avant de le déployer.

00:15:27.360 --> 00:15:28.560
Reste-t-il sur le sujet ?

00:15:28.560 --> 00:15:30.300
Gère-t-il correctement les données sensibles ?

00:15:30.300 --> 00:15:31.060
Refuse-t-il les demandes

00:15:31.060 --> 00:15:32.500
qu'il ne devrait pas honorer ?

00:15:32.500 --> 00:15:34.440
Vous pouvez exécuter ces évaluations automatiquement

00:15:34.440 --> 00:15:35.460
et obtenir un score

00:15:35.460 --> 00:15:37.100
avant de publier l'agent à votre équipe.

00:15:37.820 --> 00:15:39.060
Ainsi, vous détectez les problèmes tôt

00:15:39.060 --> 00:15:40.480
et non après qu'un incident se soit produit.

00:15:40.900 --> 00:15:41.820
C'est une vision globale

00:15:41.820 --> 00:15:42.980
allant d'un simple prompt

00:15:42.980 --> 00:15:44.780
à un agent autonome sûr de qualité production.

00:15:44.780 --> 00:15:46.460
Le modèle assure la réflexion,

00:15:46.540 --> 00:15:47.540
le harnais s'occupe du reste,

00:15:47.940 --> 00:15:48.520
la coordination,

00:15:48.840 --> 00:15:49.360
les garde-fous,

00:15:49.460 --> 00:15:50.020
la gouvernance,

00:15:50.440 --> 00:15:51.280
tout ce qui le rend fiable.

00:15:52.240 --> 00:15:53.400
Récapitulons donc cette transformation.

00:15:54.060 --> 00:15:55.360
Nous avons commencé par le one-shot printing.

00:15:55.860 --> 00:15:56.380
Écrire un prompt,

00:15:56.480 --> 00:15:57.180
obtenir une réponse.

00:15:57.740 --> 00:15:58.740
Cela fonctionnait pour les tâches simples.

00:15:59.140 --> 00:15:59.760
Ensuite, nous sommes passés

00:15:59.760 --> 00:16:00.780
à l'ingénierie de contexte.

00:16:00.900 --> 00:16:01.740
Gérer ce que le modèle voit,

00:16:02.020 --> 00:16:03.080
charger les bonnes informations

00:16:03.080 --> 00:16:03.680
au bon moment.

00:16:04.180 --> 00:16:05.560
Cela fonctionnait pour des tâches plus complexes.

00:16:05.920 --> 00:16:06.220
Et maintenant,

00:16:06.280 --> 00:16:06.760
nous sommes arrivés

00:16:06.760 --> 00:16:07.820
à l'ingénierie complète du harnais.

00:16:08.320 --> 00:16:09.380
Construire un système complet

00:16:09.380 --> 00:16:10.560
autour du modèle avec mémoire,

00:16:10.700 --> 00:16:12.340
outils, coordination, garde-fous et gouvernance.

00:16:14.780 --> 00:16:16.180
Dans la mesure où le système qui l'entoure l'est.

00:16:16.680 --> 00:16:17.600
Le modèle compte absolument,

00:16:17.800 --> 00:16:18.960
mais le harnais est ce qui conditionne

00:16:18.960 --> 00:16:19.660
la réussite en production.

00:16:20.260 --> 00:16:21.640
Vous pouvez avoir le meilleur modèle au monde.

00:16:22.060 --> 00:16:22.800
Sans un bon harnais,

00:16:22.980 --> 00:16:24.220
il échouera sur des tâches réelles.

00:16:25.480 --> 00:16:26.840
Et vous pouvez avoir un modèle correct

00:16:26.840 --> 00:16:27.800
avec un excellent harnais.

00:16:27.940 --> 00:16:29.160
Il surpassera les attentes à chaque fois.

00:16:30.220 --> 00:16:30.780
Voici votre défi.

00:16:31.720 --> 00:16:32.720
Dans votre prochain projet d'IA,

00:16:33.100 --> 00:16:33.980
voyez au-delà du prompt.

00:16:34.580 --> 00:16:35.160
Ne vous demandez pas

00:16:35.160 --> 00:16:35.940
ce que vous devez dire au modèle,

00:16:36.280 --> 00:16:36.860
mais quel système

00:16:36.860 --> 00:16:37.980
vous devez construire autour.

00:16:38.880 --> 00:16:39.640
Ce changement de perspective

00:16:39.640 --> 00:16:40.180
est ce qui sépare

00:16:40.180 --> 00:16:41.460
les démonstrations des systèmes de production.

00:16:42.020 --> 00:16:42.760
Dans le prochain épisode,

00:16:42.860 --> 00:16:44.300
nous approfondirons un composant essentiel,

00:16:44.300 --> 00:16:44.880
la mémoire.

00:16:45.420 --> 00:16:46.680
Comment les agents apprennent avec le temps,

00:16:46.760 --> 00:16:47.600
se souviennent de leurs actions

00:16:47.600 --> 00:16:50.080
et comment cela transforme leur capacité ?

00:16:50.080 --> 00:16:51.700
Abonnez-vous pour ne pas le manquer.
