OutilsAI News1h

Les agents IA ont besoin d'une infrastructure d'interaction

1 source couvre ce sujet·Source originale ↗·

Band, une startup fondée à Tel Aviv et San Francisco, est sortie de sa phase stealth avec un tour de table de 17 millions de dollars pour résoudre un problème fondamental de l'IA en entreprise : l'absence d'infrastructure dédiée à la coordination entre agents autonomes. Dirigée par le CEO Arick Goomanovsky et le CTO Vlad Luzin, la société part du constat que les réseaux d'entreprise hébergent désormais des dizaines d'agents IA capables de raisonner et d'agir de manière indépendante, qu'il s'agisse de gérer des pipelines d'ingénierie, de traiter des tickets de support client ou de surveiller la sécurité informatique. Mais quand ces agents doivent collaborer, partager du contexte ou opérer ensemble dans des environnements cloud hétérogènes, les intégrations se fragilisent et les opérateurs humains se retrouvent à jouer les intermédiaires manuels entre des systèmes déconnectés.

Le problème n'est pas anodin sur le plan financier. Sans couche de gouvernance centralisée, les workflows multi-agents génèrent des coûts incontrôlés : chaque échange entre agents déclenche des appels API vers des grands modèles de langage coûteux, et une simple erreur de routage ou une boucle entre deux agents peut engloutir des budgets cloud en quelques heures. Band entend imposer des disjoncteurs financiers stricts, capables d'interrompre automatiquement les interactions qui dépassent des seuils prédéfinis en tokens ou en calcul. L'enjeu dépasse le coût technique : une négociation non surveillée entre un agent d'achat interne et un modèle fournisseur externe pourrait déclencher des centaines de cycles d'inférence pour une transaction sans réelle valeur commerciale.

Le timing de Band s'explique par trois évolutions simultanées du marché. Les agents IA ne sont plus des expérimentations : ils opèrent en production dans des grandes entreprises, souvent développés par des équipes différentes, sur des frameworks distincts, hébergés chez des cloud providers concurrents. Cette fragmentation est structurelle et durable. Par ailleurs, des standards émergent, comme le Model Context Protocol (MCP) pour l'accès aux outils externes, ou les initiatives A2A pour standardiser les communications inter-agents. Mais ces protocoles définissent le langage commun, pas l'environnement opérationnel : ils ne gèrent ni le routage, ni la reprise sur erreur, ni les frontières d'autorisation, ni la supervision humaine. Band compare sa position à celle des API gateways face aux microservices dans les années 2010 : quand les systèmes distribués prolifèrent, ajouter de la logique métier ne suffit plus, il faut une infrastructure d'interaction dédiée pour maintenir fiabilité et contrôle à l'échelle.

À lire aussi

1AWS ML Blog

Développer des agents IA pour la gestion des effectifs avec Visier et Amazon Quick

Visier, plateforme d'intelligence des ressources humaines basée dans le cloud, et Amazon Quick, l'espace de travail agentique d'IA d'Amazon, ont annoncé une intégration technique permettant à leurs systèmes de fonctionner de concert via le Model Context Protocol (MCP), un standard ouvert d'interopérabilité pour agents IA. Concrètement, Visier centralise les données RH d'une organisation, SIRH, paie, gestion des talents, suivi des candidatures, et les rend accessibles en temps réel à travers son assistant IA interne appelé Vee. Amazon Quick, de son côté, sert d'interface unifiée où les collaborateurs posent leurs questions, automatisent des processus et construisent des agents travaillant en leur nom. Le MCP joue le rôle d'adaptateur universel entre les deux systèmes, sans nécessiter d'intégration personnalisée. L'intérêt concret de cette connexion est illustré par deux profils types : Maya, Business Partner RH qui prépare un bilan de santé organisationnel pour un comité de direction, et David, responsable financier qui suit l'évolution des effectifs par rapport aux budgets prévisionnels. Avant cette intégration, chacun devait interroger plusieurs outils séparément, recouper manuellement des données issues de sources hétérogènes, et passer d'un tableau de bord à l'autre. Désormais, depuis Amazon Quick, ils peuvent poser une question en langage naturel et obtenir une réponse qui croise simultanément les données live de Visier, les politiques internes de recrutement, les objectifs financiers et le contexte historique, sans changer d'outil. Pour Maya, cela signifie accéder instantanément aux taux d'attrition, aux performances moyennes par département ou à la durée de tenure. Pour David, obtenir les chiffres d'effectifs en temps réel mesurés contre les cibles budgétaires. Cette intégration s'inscrit dans une tendance de fond : la multiplication des architectures dites "multi-agents", où des plateformes spécialisées exposent leurs capacités via des protocoles standardisés plutôt que des connecteurs ad hoc. Le MCP, popularisé depuis fin 2024, est devenu le langage commun qui permet à des outils comme Visier de s'insérer dans des écosystèmes IA plus larges sans friction technique. Visier, qui s'appuie sur des données anonymisées de millions de salariés pour ses benchmarks sectoriels, cherche ainsi à étendre sa portée au-delà des équipes RH vers l'ensemble des décideurs de l'entreprise. Amazon Quick, en agrégeant ces sources d'intelligence métier dans un seul espace conversationnel, parie sur le fait que la valeur de l'IA en entreprise réside moins dans les modèles eux-mêmes que dans leur capacité à connecter des silos de données jusqu'ici cloisonnés.

OutilsOutil

1 source

2Le Big Data

Google Cloud propose un nouvel outil pour organiser les données de votre entreprise

Google Cloud a annoncé le 22 avril 2026, lors de son événement Google Cloud Next, le lancement de Knowledge Catalog, un moteur de contexte unifié intégré à sa plateforme Dataplex. L'outil agrège les métadonnées issues de multiples systèmes, aussi bien natifs comme BigQuery que des plateformes tierces, pour créer une source unique de vérité accessible en temps réel. Au-delà du simple inventaire technique, Knowledge Catalog automatise l'enrichissement des données en analysant schémas, requêtes et contenus non structurés pour générer des descriptions en langage naturel, construire des glossaires métiers et cartographier les relations entre entités. Des agents spécialisés, dont un basé sur LookML, permettent de générer et harmoniser automatiquement les règles métier. Des entreprises comme Bloomberg Media exploitent déjà cette approche pour permettre à des utilisateurs non techniques d'interroger des lacs de données complexes via des requêtes en langage courant. Le problème que Google Cloud cherche à résoudre est structurel : les agents d'IA en entreprise produisent des résultats médiocres non pas par manque de puissance de calcul, mais par manque de contexte fiable. Lorsque les mêmes indicateurs coexistent sous plusieurs définitions selon les équipes, l'automatisation devient fragile et l'analyse peu fiable. En unifiant ce socle sémantique, Knowledge Catalog permet aux agents de raisonner sur des bases cohérentes et partagées, réduisant les erreurs d'interprétation et accélérant l'accès à l'information. L'intégration avec Gemini renforce encore ce dispositif : même des fichiers bruts non structurés deviennent exploitables directement dans l'écosystème data. Google introduit également la notion de "produits de données", des ensembles packagés conçus pour être consommés directement par des agents ou des équipes métier, ce qui marque un changement de paradigme dans la façon dont les organisations distribuent l'accès à la donnée. La sortie de Knowledge Catalog s'inscrit dans une course que se livrent les grands fournisseurs cloud pour devenir la couche d'infrastructure de référence des entreprises qui déploient des agents d'IA à grande échelle. Microsoft, avec son écosystème Fabric et ses connecteurs Copilot, et AWS, avec son offre autour de Bedrock et des catalogues de données Lake Formation, avancent sur le même terrain. Le défi commun est de dépasser la promesse technique pour s'imposer comme le standard de gouvernance des données en contexte agentique. Pour Google Cloud, qui dispose d'un avantage compétitif avec Gemini et BigQuery, ce catalogue universel représente un levier pour verrouiller les grands comptes dans son écosystème. La prochaine étape sera d'observer si l'enrichissement automatique tient ses promesses à l'échelle, là où la curation manuelle a toujours montré ses limites.

UELes entreprises européennes déployant des agents IA sur Google Cloud peuvent améliorer la gouvernance de leurs données métier, sans impact réglementaire ou institutionnel spécifique pour la France ou l'UE.

OutilsOutil

1 source

3Le Big Data

Clutch dévoile la première app marketplace B2B sur ChatGPT

Clutch, plateforme américaine de référencement de prestataires B2B utilisée chaque année par des millions d'acheteurs, a lancé la première application marketplace de services professionnels intégrée directement à ChatGPT. Concrètement, un acheteur qui interroge le chatbot d'OpenAI sur les « meilleures agences marketing pour SaaS » ou souhaite « comparer des prestataires web selon la satisfaction client » obtient désormais une réponse structurée tirée de la base de données Clutch : profils qualifiés, avis clients authentiques, indicateurs de prix et éléments de différenciation. L'annonce a été diffusée via Business Wire et positionne Clutch comme le premier acteur à transformer ChatGPT en canal de sourcing B2B opérationnel. L'enjeu est considérable parce que le parcours d'achat professionnel se déplace rapidement des moteurs de recherche classiques vers les interfaces conversationnelles pilotées par l'IA. Plutôt que de naviguer entre plusieurs sites, de comparer manuellement des prestataires et de recouper des informations parfois contradictoires, les décideurs formulent désormais leurs besoins directement dans ChatGPT et attendent une réponse immédiatement exploitable. En injectant des données propriétaires vérifiées dans ce flux, Clutch répond à une limite structurelle des modèles génératifs : leur tendance à produire des réponses plausibles mais pas toujours exactes, construites à partir de corpus publics hétérogènes. Pour des décisions B2B impliquant des budgets élevés et des risques opérationnels, la fiabilité de l'information est critique. L'application promet donc des données contrôlées plutôt que probabilistes, réduisant le risque d'erreurs ou d'informations obsolètes. Pour les prestataires de services référencés sur Clutch, le changement de logique est profond. Jusqu'ici, être visible signifiait optimiser sa présence sur les moteurs de recherche ou les marketplaces traditionnelles. Désormais, il s'agit d'être intégré dans les recommandations générées par l'IA dès l'émergence du besoin, bien avant qu'une recherche active ne commence. Les profils vérifiés deviennent des actifs stratégiques qui pèsent sur la décision dès les premières interactions conversationnelles. Cette évolution s'inscrit dans une tendance plus large : OpenAI a ouvert son écosystème d'applications tierces pour enrichir les capacités de ChatGPT, et plusieurs acteurs cherchent à y ancrer leur offre en données structurées. Clutch, fort de sa position d'intermédiaire de confiance dans le monde B2B, parie que cette intégration précoce lui permettra de capter une part croissante d'un marché où la prescription algorithmique remplace progressivement la navigation humaine.

OutilsOutil

1 source

4The Verge AI

Claude se connecte directement à vos applications personnelles comme Spotify, Uber Eats et TurboTax

Anthropic élargit les capacités de son assistant Claude en lui permettant de se connecter directement à des applications personnelles du quotidien. Parmi les nouveaux connecteurs annoncés figurent Spotify, Audible, Uber, Instacart, AllTrails, TripAdvisor et TurboTax. L'intégration fonctionne de façon proactive : une fois une application connectée, Claude propose lui-même d'y recourir dans la conversation, par exemple en suggérant AllTrails pour planifier une randonnée ou Instacart pour commander des courses. Cette expansion marque un tournant dans la stratégie d'Anthropic, qui s'était jusqu'ici concentré sur les usages professionnels avec des intégrations comme Microsoft 365. En ciblant désormais les applications grand public, l'entreprise cherche à ancrer Claude dans la vie quotidienne des utilisateurs et non plus uniquement dans leur environnement de travail. L'enjeu est de taille : transformer un assistant de productivité en véritable interface personnelle, capable de coordonner achats, voyages, musique et finances depuis une seule conversation. La bataille des connecteurs d'applications s'accélère dans tout le secteur. OpenAI proposait déjà des intégrations similaires dans ChatGPT, notamment avec Spotify, ce qui place Anthropic en position de rattrapage sur ce terrain précis. En multipliant les partenariats avec des plateformes populaires, les deux entreprises cherchent à capter les habitudes numériques des utilisateurs et à devenir le point d'entrée central de leur vie connectée, une position stratégique dont dépendra en grande partie l'adoption massive des assistants IA dans les prochains mois.

UELes connecteurs Spotify et Uber bénéficieront aux utilisateurs européens de Claude, mais la majorité des intégrations annoncées (TurboTax, Instacart, AllTrails) sont exclusivement américaines et sans équivalent en France/UE.

OutilsOutil

Aussi sur Blog du Modérateur