L'occasion était trop belle. Alors que le partenariat SFEIR x Google Cloud vient une nouvelle fois d’être récompensé par un trophée majeur au Next '26, on voulait dépasser les discours institutionnels. On voulait parler tech, architecture et réalité du terrain.
Alexandre Caussignac, Head of Custom Engineering chez Google Cloud France
Et s'il y a bien un sujet qui secoue toutes les DSI en ce moment, c'est l'évolution fulgurante de l'IA Générative vers l'IA Agentique.
Le paradoxe du "Week-end sur le canapé"
Alexandre a posé un constat ultra-lucide sur la friction actuelle entre les métiers et les équipes IT :
« Les métiers ont des attentes fortes vis-à-vis de la DSI. Et souvent, ils sont assez étonnés de pouvoir faire en un week-end ce que la DSI met du temps à mettre en place. »
C’est le grand retour du Shadow IT, version LLM. Un utilisateur métier peut aujourd'hui orchestrer un agent ou un workflow d'IA Gen sur un coin de table. Mais le rôle de la DSI n’est pas de brider l’innovation ; il est de fournir des plateformes régulées, délimitées et contrôlées. Le fameux One Size Fits All n’existe pas : une entreprise doit pouvoir orchestrer plusieurs modèles selon les cas d'usage.
Pour réussir cette transition sans bloquer l'agilité, Alexandre nous a partagé ses 3 obsessions architecturales.
1. L’APIisation du SI : donner des bras et des jambes aux agents
Pour qu’un agent IA soit utile, il doit agir. Et pour agir, il doit interagir avec le Système d’Information existant. Deux écoles s'affrontent : ré-architecturer via des serveurs MCP (Model Context Protocol) ou s'appuyer sur l'existant.
Pour Alexandre, la réponse est pragmatique : le salut passe par l'API.
- En exposant les composants du SI via des API sécurisées, on évite de tout réinventer.
- Les agents consomment ces API comme n'importe quel autre service.
- Le gain ? La DSI garde le contrôle total de l'accessibilité, de l'identité et des flux qui traversent le SI. L’agent fait ce qu’on lui permet de faire, ni plus, ni moins.
2. La sémantique des données : dompter l’hallucination
On le sait, un LLM sans contexte est un moteur de génération de texte aléatoire. Pour éliminer les hallucinations, l’architecture doit nourrir les modèles avec une donnée irréprochable.
Mais injecter de la donnée brute ne suffit pas. C’est là qu'intervient la notion de couche sémantique. Pour qu'un modèle comprenne réellement la donnée métier qu'il manipule, l'implémentation d'un Knowledge Catalog devient indispensable. Il s'agit de donner aux LLM une grille de lecture sémantique pour traduire la donnée brute en concepts métiers exploitables et exacts.
3. L'identité de l'agent : traiter l'IA comme un collaborateur
C'est sans doute le changement de paradigme le plus fort en matière de sécurité : si un agent agit de manière autonome, il doit posséder une identité propre.
Au même titre qu’un nouveau développeur ou un Key Account Manager reçoit des habilitations spécifiques à son embauche, un agent IA doit être soumis au même niveau de granularité. L'Identity and Access Management (IAM) de l'entreprise doit évoluer pour gérer ces "collaborateurs synthétiques" et s'assurer qu'un agent RH n'ait pas accès aux API de la direction financière.
Le mot de la fin : Human-in-the-loop
Derrière cette automatisation et cette proactivité croissante des agents, la philosophie de Google Cloud rejoint celle de SFEIR : l’humain reste le boss de fin.
L'IA Agentique est là pour décharger, accélérer, et libérer du temps cognitif. Mais à date, la décision finale, le dernier clic de validation et la responsabilité éthique ou légale doivent impérativement rester Human-in-the-loop.
C'est précisément ce pragmatisme qui fait la force du match SFEIR x Google Cloud. Traduire ces visions technologiques en architectures concrètes, sécurisées et prêtes pour la production, tout en créant le pont entre les équipes terrain et le Comex (grâce à nos approches WEnvision et les formations du SFEIR Institute).
Le futur de l'IA se construit maintenant, et on est plutôt bien entourés pour la suite. 🚀
