Recherche interne continue · Depuis 2021
AI-Enabled Generic Integration System
Connecter les systèmes dont les entreprises dépendent déjà aux possibilités de l'IA — sans perdre le contrôle de la manière dont le travail est réalisé.
Nous recherchons, développons et testons nos propres systèmes, en révisant continuellement l'architecture à mesure que les technologies IA évoluent.
AEGIS est notre activité de recherche interne. Ce n'est ni un service payant ni un produit proposé à la vente.
La question de recherche
Le projet AEGIS étudie une architecture générique permettant aux systèmes logiciels existants de participer à des processus métier assistés par IA grâce à des définitions d'interface sémantiquement enrichies, ne nécessitant que des modifications minimales des applications existantes et préservant une exécution déterministe des processus.
En termes simples : décrire ce que vos systèmes savent faire et ce que signifient leurs opérations, les connecter à l'IA, et garder claires les règles métier, les permissions et les responsabilités. Il s'agit d'un objectif de recherche — pas d'une affirmation que tous les défis d'intégration sont déjà résolus.
Nous étudions comment les applications existantes, les systèmes IA et les workflows métier peuvent collaborer via une architecture réutilisable, plutôt qu'une connexion sur mesure distincte pour chaque nouveau cas d'usage.
Une interface doit décrire plus que la manière d'appeler un système. Nous explorons des définitions qui expliquent aussi ce que signifie une opération, les informations dont elle a besoin, ses contraintes et ce que représente son résultat — afin que l'IA travaille plus justement avec les systèmes métier.
L'objectif est d'exposer les capacités des logiciels existants avec un minimum de modifications. Les entreprises doivent pouvoir explorer l'intégration de l'IA sans reconstruire chaque application ni abandonner les systèmes dont elles dépendent déjà.
Les réponses de l'IA peuvent varier. Nous étudions une orchestration déterministe : le workflow environnant suit des règles explicites, des contrôles et des étapes validées, même quand un composant IA ne produit pas la même réponse à chaque fois.
Nous développons nous-mêmes l'architecture et le framework Java central, implémentons des systèmes expérimentaux et les testons. Le travail s'appuie sur Java, Python, C++, Spring Boot, les API REST et LLM, l'intégration d'entreprise et les systèmes distribués.
La validation à l'exécution contrôle les résultats pendant le déroulement d'un processus. Le prompting adaptatif et les mécanismes automatisés de correction d'erreurs sont étudiés aux côtés des limites et de la gestion des échecs — pour identifier où ces techniques aident et où la révision humaine reste indispensable.
Les années 2010 · Les fondations
Notre travail exploratoire a débuté avec les réseaux de neurones et les premières recherches sur les modèles de langage, aux côtés d'un intérêt de longue date pour l'intégration d'entreprise — bien avant la récente vague d'outils d'IA générative largement adoptés.
Début 2021 · Recherche continue
AEGIS est devenu une activité de recherche continue de l'entreprise, centrée sur une approche générique de l'intégration de l'IA dans les systèmes d'entreprise et les processus métier existants.
Aujourd'hui · Construire, tester, affiner
Nous développons des systèmes fonctionnels, testons des approches d'intégration et révisons nos hypothèses à mesure que modèles, protocoles et outils évoluent. La recherche reste active, plutôt que de s'arrêter à une démonstration.
Les manières dont l'IA et les logiciels coopèrent
Notre recherche suit un large éventail évolutif d'approches d'intégration. Ce sont des briques complémentaires — certaines sont des protocoles, d'autres des modèles d'architecture ou des façons d'organiser le travail. Il n'existe pas de méthode de connexion unique qui convienne à toutes les entreprises.
Un logiciel envoie une requête définie à un modèle d'IA et reçoit une réponse. REST est une manière courante, basée sur le web, de réaliser ces appels et de connecter les applications métier existantes.
L'IA propose une action précise, comme consulter une commande. L'application vérifie la requête et les permissions, exécute l'action et renvoie le résultat. L'IA ne reçoit pas d'accès illimité.
Un agent combine un modèle avec des outils et un workflow pour mener une tâche sur plusieurs étapes. Nous étudions comment garder ces étapes bornées, observables et soumises à validation si nécessaire.
Un protocole partagé pour connecter les applications d'IA à des outils, des données et des prompts réutilisables. Il peut réduire le besoin d'un connecteur différent pour chaque application, même si les règles d'accès doivent toujours être appliquées.
Un protocole permettant à des agents de systèmes différents d'échanger des informations sur leurs capacités, de déléguer des tâches et de suivre leur avancement. La coopération ne supprime pas le besoin de responsabilité ni de contrôles.
Des paquets réutilisables d'instructions, de ressources de support et parfois de scripts qui guident un agent dans un type de travail particulier. Ils apportent un savoir-faire spécifique à la tâche, plutôt qu'un canal de communication en soi.
Des informations pertinentes sont récupérées depuis une source de connaissance approuvée avant que l'IA ne réponde. Cela peut ancrer une réponse dans les documents de l'entreprise, sans pour autant garantir que chaque réponse est correcte.
Un événement métier — un document entrant ou une commande modifiée, par exemple — peut déclencher une étape assistée par IA. Files d'attente et notifications permettent aux systèmes de coopérer sans attendre une seule longue conversation.
L'IA peut traiter du texte, des images, des documents, de l'audio et, lorsque c'est pris en charge, de la vidéo. Le streaming et les connexions temps réel permettent aux résultats ou aux interactions vocales d'arriver progressivement plutôt qu'à la toute fin.
L'IA renvoie l'information dans un format convenu que le logiciel peut valider. Un workflow décide ensuite de la suite possible, y compris validation, nouvelle tentative ou escalade. Une réponse bien formée ne prouve toujours pas qu'elle est correcte.
Nous testons les principaux fournisseurs d'IA et écosystèmes de modèles dans le cadre de la recherche, en allant au-delà d'une réponse convaincante pour observer leur comportement au sein de logiciels et de workflows métier réels.
Le paysage inclut OpenAI, Anthropic (Claude), Google (Gemini), Microsoft (Azure AI), Amazon Web Services (Amazon Bedrock), Meta (Llama), Mistral AI, Cohere et DeepSeek. Certains fournissent des modèles directement ; d'autres proposent des plateformes d'accès à plusieurs familles de modèles. Notre couverture évolue à mesure que les technologies et les options d'accès changent.
Usage des outils, réponses structurées, gestion du contexte et coopération avec les applications existantes.
Validation, gestion des échecs, reproductibilité du workflow environnant et validation humaine.
Qualité, sécurité, confidentialité, temps de réponse, coût d'exploitation et contraintes de déploiement.
Les noms de fournisseurs identifient le paysage technologique, et non des partenariats ou des soutiens. Les capacités dépendent du modèle, de la version et du déploiement.
AEGIS nous donne une base pratique pour aider les entreprises dans leurs tâches, projets et décisions liés à l'IA : comprendre les options, connecter les systèmes existants, examiner une solution proposée ou développer et tester une implémentation.
Cette expérience nourrit aussi bien la livraison de projets complets que le travail de nos professionnels seniors au sein des équipes clientes. Toute mission client a son propre périmètre convenu ; AEGIS reste notre recherche interne continue.
Notre façon de travailler avec l'IA
Quelle que soit la façon dont vous travaillez avec nous — un professionnel senior intégré à votre projet, ou un projet complet que nous prenons en charge — nos professionnels utilisent sans exception l'IA et des outils basés sur l'IA pour améliorer la qualité, l'efficacité et l'exhaustivité de leur travail. Ils suivent tous en permanence les dernières évolutions du domaine.
Mais ils ne confient jamais leur travail à l'IA. Ils le réalisent eux-mêmes — et ils en assument la responsabilité.
L'IA est l'un de nos domaines — pas notre domaine principal. Le développement et l'intégration de systèmes IT sont notre métier, avec ou sans IA. Et dans l'IA elle-même, notre sujet n'est pas de développer notre propre service d'IA ou notre propre modèle : de nombreux chercheurs et entreprises de grande valeur le font déjà dans le monde entier, et nous apprécions leur travail. Notre sujet, c'est ce que vous et nous pouvons faire avec ces services d'IA, et comment — en pratique, et de façon réaliste.
« Celui qui ne sait pas faire quelque chose sans l'IA ne saura pas le faire avec l'IA non plus. L'IA peut seulement améliorer, pas remplacer. »
Dans toutes nos activités, l'humain est la composante principale. Non pas parce que les capacités de l'IA ne seraient pas fiables — mais parce que les capacités humaines sont irremplaçables.
