Le webinaire est terminé.
Le travail, lui, ne fait que commencer.

Une automatisation suit un chemin fixe défini à l’avance : un déclencheur, des étapes, une sortie. Elle est fiable, peu coûteuse et prévisible, parfaite quand le process est stable et les cas connus. Sa limite, elle casse dès que l’imprévu arrive. Un agent IA, lui, raisonne : il choisit ses outils et son chemin selon le contexte, et gère l’imprévu. Sa force, l’adaptabilité sur des tâches complexes ou variables. Ses faiblesses, un coût supérieur, de la latence et un besoin réel de supervision. En pratique, on combine les deux. Le bon choix part toujours du problème métier, jamais de la tendance.

Hermes Agent (Nous Research, open source) est l’une des technologies qu’on utilise chez DIRUPT pour déployer nos agents en production. C’est la base d’exécution qui donne à un agent sa mémoire, son outillage et sa capacité à travailler vraiment, pas seulement à répondre. Mémoire long terme persistante, plus de 40 outils intégrés avec le protocole MCP, lancement de sous-agents en parallèle, compatibilité avec plus de 200 modèles sans verrouillage fournisseur, et un déploiement souple qui nous permet de tout héberger en France.

On les structure en cinq pôles métier (administratif, ingénierie, marketing et sales, assistance, juridique), chacun composé d’agents nommés pour simplifier les prompts. Au-dessus, John, l’orchestrateur, connaît tous les agents, distribue les tâches et gère les passations. Chaque lead de pôle peut déployer ses propres sous-agents selon la charge. Ce n’est pas figé, ça évolue au rythme de nos besoins réels.

Trois leviers. D’abord le contexte : plus l’agent connaît votre entreprise, vos règles et vos exemples de livrables réussis, moins il produit de surface à corriger, c’est le rôle de la mémoire long terme. Ensuite le contrôle ciblé : on place des points de contrôle humains sur les étapes à risque et on laisse l’agent itérer seul sur le reste. Enfin l’observabilité : on mesure le taux de reprise par type de tâche. Chez nous, près de la moitié du backlog initial n’est pas passée sur agents, précisément pour cette raison.

Deux couches dédiées. Le contrôle d’accès partitionne la mémoire : chaque agent n’accède qu’aux données strictement nécessaires à sa mission. Le masquage automatique remplace les informations sensibles avant tout appel au modèle, qui voit la structure mais jamais le contenu. Le tout est hébergé en propre à Toulouse et Bordeaux, sans transit par un fournisseur tiers, compatible avec une exigence de souveraineté.

Oui, et c’est précisément ce qui ressort de vos retours : l’envie de plus de profondeur sur les cas concrets et l’architecture. C’est l’objet du vote ci-dessus. Dites-nous le cas d’usage que vous voulez voir démonté en détail, et on construit la prochaine session autour.