Agents en production
Chaînes observables, idempotentes, reprises sur erreur
- n8n · Make · Temporal
- MCP · connecteurs métier
- OpenTelemetry · trace bout-en-bout
- Garde-fous humains aux étapes critiques
Agents observables, infrastructures souveraines, produits web IA-natifs. AI.telier construit les systèmes que les ETI et scale-up déploient — et opèrent au quotidien.
1// Intake agent — déployé · trace OTel · garde-fou humain 2import { createAgent } from "@ai-telier/runtime" 3 4const intake = createAgent({ 5 model: "claude-opus-4-7", 6 tools: [search, crm, calendar], 7 memory: pgvector("intake-fr"), 8 trace: otel("obs.ai-telier.fr"), 9 guard: "human-in-the-loop", 10}) 11 12await intake.run({ 13 from: "contact@scale-up.fr", 14 intent: "cadrage agent commercial", 15})
Chaînes observables, idempotentes, reprises sur erreur
Interfaces conçues autour du modèle, pas l'inverse
GPU, vecteurs, observabilité — chez vous
Cartographie, prototype, mise en production
La méthode est lisible parce qu'elle est limitée. Chaque étape a une durée bornée, un livrable nommé, un critère de sortie défendable. Pas de phase « découverte » qui dure six mois.
Trois ateliers terrain. Lecture des flux, des outils, des frictions. Note d'opportunité courte et signée — pas un slide deck.
Preuve démontrable en environnement réel. Évaluée sur cas d'usage spécifiques. Vos équipes l'utilisent dès J1.
Mise en production, monitoring, garde-fous. Documentation, formation, transferts. Un système que vous maîtrisez.
Revues trimestrielles, dérives, nouveaux usages, mises à jour. Quelques jours par mois — assez pour rien casser.
Pas de stack à la mode. Pas de framework qui change tous les six mois. Des choix techniques défendables un par un, devant votre équipe d'ingénierie — la seule mesure qui compte.
Atelier à taille humaine. Pas d'intermédiaire entre vous et la personne qui écrit le code. Réponse directe, code revue à quatre yeux.
Conception des systèmes : modèles, vecteurs, agents, observabilité. Quinze ans à mettre des systèmes complexes en production sans casser ceux qui marchent déjà.
Surfaces, parcours, code. Conviction : une bonne interface rend visible ce que le modèle fait, et invisible ce qu'il ne sait pas faire.
Décrivez le contexte de l'équipe, le problème pressenti, les contraintes connues. Réponse sous 48h ouvrées avec une lecture, des questions précises, et une proposition de cadrage si la pratique s'y prête.