Rejeu de traces
Réexécuter de façon déterministe un workflow IA à partir de sa trace stockée — la primitive de débogage qui fait de « pourquoi l'agent a-t-il fait ça » une question qui a une réponse.
L'IA de production est un système : contexte, outils, permissions, traces, évaluations et boucles de rétroaction autour du modèle.
Ce que c'est
Le rejeu de traces est la capacité de prendre une exécution de workflow de mardi dernier — avec toutes ses entrées capturées, son contexte récupéré, ses sorties de modèle et ses résultats d'outils — et de la réexécuter de façon déterministe en développement. Le développeur peut avancer étape par étape, changer un prompt ou un modèle, et voir comment le résultat aurait différé.
Pourquoi c'est important
Les agents sont non déterministes. Sans rejeu, déboguer une mauvaise sortie relève de la devinette : on demande à l'utilisateur ce qu'il a tapé, on devine ce qui a été récupéré, on ne peut pas reproduire. Avec le rejeu, la mauvaise exécution devient un test unitaire.
Concepts liés
Observabilité, Rejeu de traces (cas d'usage), Runtime de workflow, Évaluations de workflow.
Ressources connexes
Une visibilité au niveau des traces sur les appels de modèle, le retrieval, les outils, les décisions, les approbations, les coûts et les échecs — le substrat opérationnel que toute autre discipline (évaluations, optimisation, gouvernance) consulte.
Le moteur d'exécution qui transforme un graphe de workflow versionné en processus tournant, observable et reprenable — la différence entre une démo d'agent et un déploiement d'agent.
Suites d'évaluation qui testent prompts, modèles, politiques de retrieval, code généré et structure de workflow contre des seuils de qualité, latence, coût, mémoire et sécurité avant promotion.
Comment ça fonctionne
Les traces capturent chaque entrée qui pourrait changer le comportement : charge utile de l'événement, chunks récupérés, entrées et sorties d'outils, paramètres du modèle et graines quand elles sont disponibles, réponse du modèle. Le rejeu réexécute le workflow contre les entrées capturées ; les écarts avec la production sont eux-mêmes un signal suivi. Des outils comme Langfuse, Pydantic Logfire, Arize Phoenix et les piles basées sur OpenTelemetry soutiennent ce patron.