Nous concevons avec vos équipes des agents mono-tâche et des agents coordinateurs, extraits de vos applicatifs métier existants. Chaque comportement est d'abord écrit comme un test, puis observé en sandbox : l'agent ne reçoit que les autorisations qu'il a prouvé savoir utiliser.
Un agent désaligné ne se corrige pas en production : il se prévient à la conception. Nous appliquons aux agents la discipline qui a fait ses preuves pour le logiciel : spécifier par les tests, construire en binôme, livrer par petites tranches.
Le découpage se décide à partir de votre process réel, pas d'une préférence technique. Une tâche nette mérite un agent simple ; un process qui traverse plusieurs services mérite un coordinateur.
Il fait une chose, bien, avec un nombre minimal d'outils et de droits. Facile à tester exhaustivement, facile à auditer, rapide à mettre en production.
Il enchaîne plusieurs agents mono-tâche et sollicite l'humain aux points de décision. Chaque sous-agent garde son propre cadre : le coordinateur n'hérite d'aucun droit supplémentaire.
Vos applicatifs métier — ERP spécifique, application maison, macros, workflows — contiennent déjà vos règles de gestion. Nous les lisons dans le code source pour en extraire règles, invariants et cas limites : ils deviennent les tests que l'agent doit respecter.
Event Storming, découpage par tranches, pair programming, TDD : les pratiques de modernisation applicative de Pivotal Labs, adaptées à un logiciel qui décide. La différence : ici, le test définit aussi ce que l'agent a le droit de faire.
Avec vos équipes, nous cartographions les événements métier, les décisions et les irritants. On repère où un agent apporte de la valeur.
Nous extrayons de vos applicatifs les règles de gestion, les invariants et les cas limites, souvent jamais documentés ailleurs.
Nous fixons les frontières de responsabilité de chaque agent et priorisons les tranches à livrer en premier.
Avant tout développement, nous écrivons les scénarios : ce qui est attendu, ce qui est interdit, quand escalader à l'humain.
L'agent s'exécute en environnement isolé. Son cadre d'autorisations est déduit de son comportement observé, jamais supposé.
Mise en production avec son cadre, ses tests de non-régression et sa documentation. Vos équipes en gardent la maîtrise.
Vos équipes savent déjà livrer du logiciel fiable. Nous gardons ces repères et ajoutons l'étape qui change tout pour un agent : l'observation de son comportement avant de lui accorder des droits.
Le cadre d'un agent est défini par ses tests et son comportement observé, pas par le modèle qui l'exécute. Vous choisissez le modèle selon vos contraintes de coût, de souveraineté et de performance, et vous pouvez en changer.
Changer de modèle, c'est rejouer la même suite de tests en sandbox : si le comportement reste dans le cadre, l'agent peut migrer. Pour les données sensibles, un modèle open source local garde tout chez vous.
Un agent bien conçu reste un logiciel qui agit. Pour la production, nous vous accompagnons avec un socle d'exécution pensé pour les agents, qui prolonge le cadre défini pendant la conception.
Rejouer les scénarios à chaque changement de modèle, de prompt ou d'outil.
Livrer chaque agent avec son cadre, comme un artefact versionné.
Savoir qui a autorisé quoi, pour quel agent, et pourquoi.
Appliquer le cadre à l'exécution : une action hors périmètre n'a pas lieu.
Isoler chaque exécution, limiter réseau et secrets au strict nécessaire.
Suivre le comportement réel, comparé au comportement validé en test.
Conserver une trace lisible par un auditeur de chaque intention et action.
Suspendre ou révoquer un agent instantanément en cas de dérive.
Parce que le cadre est écrit avant le développement, la livraison est courte et prévisible. Le délai dépend de la nature du process, pas d'un chantier à rallonge.
Une tâche nette, des règles connues, peu d'outils.
Règles extraites d'un applicatif existant, plusieurs sources de données.
Un process complet qui orchestre plusieurs agents et l'humain.
Délais indicatifs, confirmés à l'issue de la Discovery. Parlons de votre cas →
Fondateur de Goodcause AI
Je conçois des agents IA avec les dirigeants et les équipes de PME et d'ETI, avec la rigueur des pratiques Labs : comprendre le process, spécifier par les tests, observer avant d'autoriser. Je travaille en binôme avec vos équipes, jusqu'à ce qu'elles n'aient plus besoin de moi.
30 minutes pour comprendre votre contexte et vos applicatifs, et identifier une première tranche à fort impact. Sans engagement.