Complément à Expérience
Ingénierie en IA
Jugement d’ingénierie derrière une IA d’entreprise fiable: architecture multiagent, ancrage, évaluation, supervision humaine et intégration aux logiciels existants. Lire le cas manufacturier →
Ancrage et connaissances d’entreprise
Un système interne utile a besoin d’accéder à des connaissances propriétaires qui ne sont pas dans les poids du modèle. L’ancrage est traité comme un problème d’ingénierie: quoi indexer, comment le rechercher pour une tâche donnée, et comment montrer à l’utilisateur ce que le système a utilisé.
Architecture multiagent et exécution contrainte
Les modèles de langage sont des composantes à l’intérieur d’un logiciel contrôlé, pas des systèmes autonomes. Le travail dans ce domaine comprend la coordination des responsabilités des agents, la conservation d’un état structuré, et le renvoi de sorties qui peuvent être révisées, plutôt que de traiter chaque étape comme une génération libre.
La fiabilité vient de limites claires, de la validation, de la supervision humaine et d’une gestion explicite des échecs. Des chemins de repli existent lorsque le système ne doit pas poursuivre.
Architecture multiagentUn logiciel coordonné, avec des responsabilités définies.
AncrageDes connaissances d’entreprise hors des poids du modèle.
État structuréUne logique applicative inspectable et contraignable.
Supervision humaineRevue, approbation et repli au besoin.
ÉvaluationAchèvement de la tâche, cohérence et analyse des échecs.
Intégration d’entrepriseDéploiement infonuagique aux côtés des logiciels existants.
Évaluation, analyse des échecs et itération
Les contrôles au niveau de la tâche demandent si le système a mené le travail assigné, respecté les contraintes, géré les échecs et produit quelque chose qu’un expert du domaine peut utiliser. Les échecs sont examinés plutôt que dilués dans une moyenne.
Des contrôles de régression et une revue avec les utilisateurs ferment la boucle. C’est plus proche d’une validation d’ingénierie que d’une démonstration ponctuelle.
Déploiement et intégration
Le travail agentique actuel comprend le déploiement infonuagique et l’intégration aux systèmes d’entreprise existants. Une partie de l’intégration est encore en cours; cette page ne revendique pas un déploiement complet en production de chaque flux.
L’apprentissage automatique en production antérieur chez CAE comprenait la prévision, la maintenance prédictive, l’inférence planifiée et la surveillance à l’intérieur de flux opérationnels. Ces systèmes correspondent à une étape différente du travail agentique actuel.
Technologies choisies
Liées à un travail vérifié, et non utilisées partout: Python, PyTorch, Azure, Databricks, PySpark, FastAPI, Docker, SQL. OneClick utilise Django, PostgreSQL, des conteneurs Azure, Stripe et AWS SES. React apparaît en ingénierie produit lorsqu’une interface web est nécessaire.
Revue humaine
Les flux sensibles conservent une revue explicite, une approbation et des chemins de repli. Les contraintes de confidentialité et d’accès sont traitées comme des limites de conception, pas comme des ajouts tardifs.