Workflows agents

Ce que c'est

Un workflow agent est un logiciel qui surveille un événement métier (un ticket de soutien arrive, une opportunité de vente se met à jour, un déploiement échoue, un client écrit) et décide quoi en faire : rassembler du contexte, appeler des outils, proposer un brouillon ou escalader à un humain. Là où une surface de type Concierge porte la conversation avec le client, le workflow agent tourne en arrière-plan, sur son propre calendrier ou en réponse à des déclencheurs, et laisse une trace de ce qu'il a fait. Cette trace est la différence entre une démo IA et un système IA sur lequel vous pouvez opérer.

Ce que nous construisons

Des workflows déclenchés par des événements (webhooks, planifications, files, change streams) plutôt que par un chat. Un agent qui évalue l'événement, récupère le contexte par retrieval gouverné, appelle des outils via le registre MCP, et complète la tâche ou route vers une boîte d'approbation humaine avec contexte complet. État durable entre les appels de modèle et d'outil pour que les workflows survivent aux redémarrages. Graphes versionnés en gestion de code. Traces de production qui alimentent un jeu d'évaluations. Portes de promotion qui exigent que le jeu reste vert avant qu'un changement ne soit livré.

• Déclencheurs événementiels (webhooks, planifications, files, change streams)
• Routage d'intention et détection de propriétaire
• Exécution d'outils MCP avec portées de permissions
• Nœuds de décision, boucle et sous-workflow ; étapes code et API
• État durable sur les étapes longues
• Boîtes d'approbation humaine avec contexte
• Graphes de workflow versionnés — immuables, brouillon → actif → archivé
• Chemin de promotion conditionné par les évaluations

Comment nous construisons

Nous commençons étroit : un type d'événement, un résultat, une petite surface d'outils, une porte d'approbation humaine généreuse, traces dès le premier jour. Nous retirons progressivement les portes d'approbation à mesure que le jeu d'évaluations prouve la régularité du workflow. Élargir la surface d'outils, retirer une porte ou livrer un changement de prompt exige que le jeu reste vert. LangGraph (LangChain) est notre substrat par défaut. Quand une pile existante utilise l'OpenAI Agents SDK, Mastra, Inngest ou Temporal, nous nous y adaptons. La couche runtime que nous ajoutons reste la même : versionnage, gouvernance, évaluations de régression, promotion conditionnée. Le framework décide de la forme d'exécution locale ; le runtime décide de ce qui est livré.

Ce avec quoi cela travaille

Les Workflows agents s'appuient sur la Plateforme IA : les appels de modèle et d'outil passent par la passerelle et le registre. Ils lisent dans les Fondations de données par retrieval gouverné. Ils écrivent des traces que les Bancs d'évaluation transforment en jeux et que les Agents auto-optimisants utilisent pour proposer des variantes. Quand un workflow touche des canaux clients, l'Intelligence conversationnelle capte le signal et le ramène. Quand un workflow reçoit une correction humaine, la Connaissance en boucle fermée en fait une mise à jour ou un cas d'évaluation.

Où nous traçons la ligne

Chaque action est tracée et chaque décision à fort impact passe par une porte — jamais une boucle autonome non surveillée. Nous étendons les frameworks d'agents (LangGraph, OpenAI Agents SDK, Mastra) avec la gouvernance de runtime qu'ils ne livrent pas, plutôt que de les remplacer. Chaque événement, décision, appel d'outil et issue vit dans la trace.

Points de départ fréquents

Triage de soutien où le routage d'intention, le contexte de compte et une petite surface d'outils permettent à l'agent de résoudre une tranche définie de tickets et de router le reste ; workflows d'ingénierie qui prennent un ticket, rassemblent du contexte à travers le code et les traces, et proposent une PR ou un pas de runbook ; surveillance opérationnelle où un agent lit les alertes, rassemble des signaux corrélés, et résout ou escalade avec une synthèse propre.