Concepts clés
Avant de plonger dans les détails du framework, il est essentiel de comprendre les bases de l’automatisation, des agents et de l’IA.
À l'ère moderne, l'intelligence artificielle s'est infiltrée dans presque tous les secteurs : santé, éducation, transport, finance, communication, et bien d’autres encore.
Ces technologies promettent une transformation profonde de notre manière d’interagir avec le monde et d’optimiser notre efficacité au quotidien.
Des applications invisibles mais omniprésentes
Dans notre quotidien, nous utilisons l’IA, parfois, sans même nous en rendre compte :
Dans la communication → Les outils de traduction automatique brisent les barrières linguistiques et facilitent la compréhension entre cultures.
Dans la finance → Les algorithmes analysent des millions de transactions pour détecter les fraudes bancaires et sécuriser les comptes.
Dans les transports → Les GPS intelligents optimisent les itinéraires en fonction du trafic en temps réel, évitant les embouteillages.
Dans nos emails → Les filtres anti-spam bloquent les menaces potentielles en triant les messages suspects.
L’IA ne se contente pas d’exécuter des tâches, elle apprend, s’adapte et optimise nos processus.
Mais une question fondamentale se pose : comment ces systèmes sont-ils organisés pour gérer des tâches de plus en plus complexes ?
Automatiser et orchestrer : quelle différence ?
L’automatisation et l’orchestration sont deux concepts fondamentaux en intelligence artificielle et en informatique. Bien qu'ils soient souvent confondus, ils ont des rôles distincts :
Automatiser, c’est exécuter une tâche prévisible
L’automatisation repose sur des règles fixes. Par exemple, si tu configures une boîte mail pour classer automatiquement les factures, tu viens de créer une automatisation simple.
Mais que se passe-t-il quand les tâches deviennent complexes, interconnectées et doivent s’adapter aux événements extérieurs ?
C’est là qu’intervient l’orchestration.
Orchestrer, c’est gérer des processus dynamiques
L’orchestration va au-delà de l’automatisation en permettant :
La gestion de plusieurs processus simultanément.
L’adaptation en fonction du contexte (exécution conditionnelle).
La coordination entre différents systèmes et services.
Exemple :
Automatisation → Une notification de paiement est envoyée après un achat.
Orchestration → Vérification du stock → Validation du paiement → Expédition → Mise à jour de la base de données → Envoi d’une confirmation au client.
@ai.ntellect/core est un framework d’orchestration : il ne se contente pas d’automatiser une action unique, il connecte et synchronise plusieurs processus intelligents.
Les agents
L’automatisation repose souvent sur des règles fixes, tandis qu’un agent peut réagir et s’adapter à son environnement.
Qu’est-ce qu’un agent ?
Un agent, c’est une entité autonome qui prend des décisions en fonction des informations qu’il reçoit et des objectifs qu’il doit atteindre. Contrairement à un simple programme automatisé, un agent peut :
Évaluer une situation.
Prendre une décision adaptée.
Interagir avec d’autres agents ou services.
Mémoriser et apprendre de ses expériences passées.
Dans @ai.ntellect/core, un agent est défini sous forme de graphe, où chaque nœud représente une action, une décision ou une interaction avec un service externe.
Différences entre automatisation et agent
Suit des règles prédéfinies
Peut adapter ses actions selon le contexte
Exécute des tâches simples et répétitives
Gère des processus évolutifs et complexes
Dépend entièrement de ses paramètres initiaux
Peut apprendre ou s’appuyer sur des modèles d’IA
Qu’est-ce qu’un graphe et comment il structure un agent ?
Un agent intelligent doit pouvoir exécuter plusieurs actions de manière dynamique, avec des décisions conditionnelles et des interactions complexes.
C’est ici que les graphes entrent en jeu.
Un graphe est une structure de données qui représente des relations entre différentes entités.
Dans @ai.ntellect/core, les agents sont modélisés comme des graphes d’exécution, où :
Chaque nœud est une action, une décision ou un événement.
Les liens entre les nœuds définissent l’ordre et la logique d’exécution.
Exemple : Exécution d’un paiement sur la blockchain
[ Vérifier le solde ]
↓
[ Décision : Solde suffisant ? ] → Non → [ Fin ]
↓ Oui
[ Exécuter la transaction ] Ce modèle permet de structurer intelligemment les workflows et les agents, en permettant :
L’ajout de nouvelles actions sans casser le système.
L’exécution conditionnelle et parallèle.
Une orchestration fluide et évolutive.
Pourquoi utiliser un graphe pour structurer un agent ?
Il peut représenter une manière de raisonner (logique conditionnelle, prise de décision).
Il permet d’exécuter une liste de tâches (workflow intelligent, automatisation flexible).
Chaque nœud peut réagir à des événements (attente d’un signal avant d’agir, adaptation en fonction du contexte).
Un graphe permet donc non seulement d’exécuter des tâches, mais aussi de structurer une logique décisionnelle.
Mis à jour