Laboratoire interactif
L'IA agentique, rendue visible.
SimulationCes démonstrations ne sont connectées à aucun modèle d'IA ni à aucun outil réel : les scénarios sont scriptés, à visée pédagogique, et entièrement exécutés dans votre navigateur.
01
Visualiser un agent IA
Un agent reçoit un objectif, le décompose en étapes, appelle des outils, observe les résultats et ajuste son plan jusqu'à pouvoir répondre. Les actions sensibles (envoi d'un e-mail, montant d'un devis) passent par une validation humaine.
Choisissez un objectif et suivez la trace d'exécution étape par étape.
goal: « Prépare un devis pour la refonte du site de la société Exemple. »
Choisissez un objectif puis lancez l'agent.
02
Orchestrer plusieurs outils
Un orchestrateur répartit une tâche entre plusieurs outils — certains appelés en parallèle pour gagner du temps — puis agrège leurs résultats. C'est le principe des systèmes agentiques connectés aux outils métier.
- 01orchestrateur : découpe la demande en 3 sous-tâches
- 02appels parallèles : crm.lookup() + docs.search()
- 03web.search() : vérifier une information publique
- 04agenda.freeBusy() : 3 créneaux disponibles
- 05email.draft() : brouillon préparé (envoi soumis à validation)
- 06orchestrateur : agrège les résultats → réponse finale
03
Un workflow d'automatisation robuste
Une automatisation fiable ne se limite pas au scénario idéal. Activez la panne simulée pour voir les nouvelles tentatives, puis le repli : le traitement continue et une alerte est envoyée, au lieu d'un échec silencieux.
01en attente
Déclencheur
Nouveau formulaire de contact reçu
02en attente
Validation
Champs obligatoires, format e-mail, anti-spam
03en attente
Enrichissement
API : données publiques de l'entreprise
04en attente
CRM
Création ou mise à jour de la fiche contact
05en attente
Notification
Message à l'équipe + accusé de réception
Journal d'exécution vide — déclenchez le workflow.
04
Le cycle de traitement d'une demande
De la réception à la réponse, une demande adressée à un assistant traverse plusieurs étapes : compréhension de l'intention, récupération dans des sources autorisées, génération, puis vérification par des garde-fous avant d'être livrée avec ses sources.
01Réception
La demande arrive avec son contexte (utilisateur, historique, permissions).
02Compréhension
Le système identifie l'intention et les informations nécessaires.
03Récupération
Recherche dans les sources autorisées (documents, base de connaissances).
04Génération
Le modèle rédige une réponse à partir des seuls passages récupérés.
05Vérification
Garde-fous : réponse fondée sur les sources ? Données sensibles ? Promesse non tenable ?
06Réponse
Réponse livrée avec ses sources, et une option de passage à un humain.
05
Information structurée et réponses générées
Comparez deux versions d'une même page — fictive — face à la même question. Une information explicite, bien titrée et cohérente avec ses données structurées est plus simple à extraire et à citer qu'un paragraphe vague.
Simplification pédagogique : les moteurs réels utilisent de nombreux autres signaux et ne publient pas leurs critères de sélection des sources.
atelier-nova.example/ — HTML structuré + JSON-LD
<h2>Nos services</h2>
reliure artisanale · restauration · ateliers
<h2>Nous trouver</h2> 12 quai X, Lyon
<h2>Notre histoire</h2> fondé par Jeanne Martin
{
"@type": "LocalBusiness",
"name": "Atelier Nova",
"address": { "addressLocality": "Lyon" },
"founder": { "name": "Jeanne Martin" },
"makesOffer": [ 3 × Service ]
}01Exploration de la page
02Extraction des informations
03Réponse générée
Passer de la démo à votre réalité ?
Identifions ensemble les tâches où un agent ou une automatisation peut réellement vous faire gagner du temps.