СВОЙ Тех construit une plateforme interne d'agents IA : 200 outils et 5 chats

L'équipe de СВОЙ Тех, une fintech, a publié sur Habr une analyse de sa plateforme interne d'agents IA. Le titre met en avant deux chiffres : environ 200 outils et 5 chats. Les auteurs construisent leur propre assistant IA au sein de l'infrastructure de l'entreprise, et non une surcouche posée sur une API tierce. L'annonce met en avant trois thèmes : l'architecture « sous le capot », l'ensemble des outils connectés et la gestion du contexte. L'analyse proprement dite se trouve dans l'article complet ; ce qui suit se limite donc à ce que l'on peut lire avec certitude dans l'annonce, et à la logique d'ingénierie qui l'entoure.

Prototype contre plateforme

Le point de départ des auteurs est simple : intégrer l'IA aux processus de travail n'étonne plus personne aujourd'hui, mais l'écart entre un prototype rapide et un système déployé dans l'entreprise est énorme. Un prototype sur une API externe se monte en quelques jours. Il répond aux questions, rédige des brouillons et fait bonne figure en démo. Mais dès que l'agent a besoin de données internes, de droits d'accès et de véritables processus métier, un autre travail commence : intégrations, isolation des données, contrôle des actions, reproductibilité des réponses.

Les chiffres du titre indiquent où se situe la principale difficulté. Deux cents outils, ce sont deux cents descriptions de fonctions, schémas de paramètres et scénarios d'erreur. Si on les fournit tous d'un coup au modèle, leurs descriptions consomment une part notable de la fenêtre de contexte, et le choix du bon appel devient moins fiable. L'annonce ne précise pas comment les cinq chats sont répartis. Mais la logique se devine : un chat dédié à une classe de tâches restreint l'ensemble des outils et des données accessibles, et avec lui l'espace des erreurs possibles.

Ce que l'on sait de l'annonce

Le teaser contient peu de faits, mais ils sont concrets :

• Développeur : СВОЙ Тех, branche fintech.
• Format : assistant IA maison et plateforme interne d'agents spécialisés.
• Échelle de connexion : de l'ordre de 200 outils.
• Interface : 5 chats, chacun dédié à ses propres tâches métier.
• Environnement : infrastructure d'entreprise, travail avec des données internes.
• Volet distinct de l'article : la gestion du contexte.

Ce dernier point est sans doute le plus intéressant. Dans les systèmes agentiques, le contexte est une ressource limitée. L'historique de la conversation, les résultats des appels d'outils, les extraits de documents et les instructions système s'en partagent l'espace. Qui décide de ce qu'on garde, de ce qu'on évince ou de ce qu'on compresse, et comment, détermine souvent la qualité du système plus que le choix du modèle.

Que vérifier si vous construisez un système similaire

En l'absence de détails, l'annonce fait office de liste de questions à poser à son propre projet. Mieux vaut se les poser avant d'ouvrir l'article complet.

1. Combien d'outils le modèle voit-il dans une même requête ? S'il les voit tous à la fois, il est judicieux de les regrouper par tâche ou de les charger à la demande.

2. Existe-t-il une séparation par rôles et par scénarios ? Plusieurs chats spécialisés sont plus faciles à tester et à restreindre par droits qu'un seul chat universel.

3. Comment le contexte est-il géré ? Il faut des règles explicites : ce qui est conservé, ce qui est compressé, ce qui est transmis entre agents.

4. Où résident les données ? Pour une fintech, la question de savoir si elles restent dans le périmètre de l'entreprise conditionne toute l'architecture.

5. Comment mesure-t-on le résultat ? Sans jeu de tâches de test ni métriques de qualité, la multiplication des outils se transforme facilement en multiplication du chaos.

L'essentiel dans la publication de СВОЙ Тех n'est pas la taille de la plateforme, mais le fait que l'entreprise montre les coulisses d'ingénierie : comment un ensemble d'intégrations devient un système qui fonctionne. Le texte complet dira si les détails sont convaincants, mais la direction est claire. Dans le secteur financier, les agents IA d'entreprise s'éloignent du chat universel pour se tourner vers un ensemble de périmètres étroits et contrôlés, dotés de leur propre gestion du contexte.