VkusVill a lancé des agents AI comme employés numériques sur la plateforme OpenClaw

VkusVill a partagé comment elle construit une équipe d'agents IA en suivant le principe d'embauche d'employés : chaque agent reçoit un rôle, subit une formation et est conservé dans le système — comme un spécialiste ordinaire, mais numérique.

Agent comme Unité de Travail

Le Centre d'Expertise en IA de VkusVill a déployé des agents IA sur la plateforme OpenClaw. L'approche diffère fondamentalement de l'application ponctuelle de modèles : au lieu d'appels uniques à un LLM, l'équipe construit un "onboarding" complet — chaque agent reçoit un rôle clair, un champ de responsabilité et un contexte structuré sur l'entreprise, ses produits et ses processus.

OpenClaw permet d'assembler des agents à partir d'outils, de couches de mémoire et de prompts système, puis de les lier dans des chaînes de travail. Pour un détaillant avec des milliers de SKU, c'est critique : les tâches vont du traitement des demandes clients à la surveillance de l'assortiment et de la chaîne d'approvisionnement, et chacune nécessite un agent spécialisé avec sa propre expertise.

Le principe architectural que l'équipe considère comme clé : un agent ne travaille pas isolément. Il doit pouvoir déléguer des tâches à d'autres agents quand il dépasse sa compétence, et recevoir correctement les résultats de "collègues" voisins — sinon toute la chaîne s'effondre.

Trois Défis Principaux

Selon Sabina, responsable produit du Centre d'Expertise en IA de VkusVill, lancer des employés numériques se résume à trois tâches :

• Embauche — sélectionner la bonne architecture d'agent pour une fonction spécifique. Une erreur ici conduit à une complexité excessive et un comportement instable déjà en production

• Formation — fournir à l'agent un contexte vivant sur l'entreprise : non pas simplement un ensemble de documents, mais une mémoire structurée et régulièrement mise à jour sur les produits, processus, exceptions

• Rétention — préserver le comportement accumulé et l'"expérience" lors des mises à jour du modèle de base ou des changements de configuration de l'environnement

Le dernier point s'est avéré être le plus non-évident. Quand un fournisseur sort une nouvelle version du modèle, le comportement de l'agent change — parfois imperceptiblement pour les développeurs, mais significativement pour les processus métier réels. La solution de VkusVill : versionnage des configurations d'agents et un ensemble de tests de régression qui s'exécutent automatiquement à chaque mise à jour de dépendance.

Étape Suivante — Agents Clients

Tandis que les agents travaillent au sein de l'entreprise comme collègues, VkusVill conçoit déjà un scénario externe : agent en tant que client. Fin 2025, l'équipe a publié du matériel sur un serveur MCP expérimental — une couche API à travers laquelle un agent externe pourrait indépendamment parcourir le catalogue, comparer les articles et former une commande.

"Tandis que nous nous préparons aux clients-agents, nous raconterons comment les agents deviennent nos collègues", —

Sabina, responsable produit du Centre d'Expertise en IA de VkusVill.

Une version mise à jour du serveur MCP est attendue au printemps 2026. Cela fait partie d'une tendance plus large : le commerce de détail commence à concevoir des interfaces non seulement pour les humains, mais aussi pour les agents autonomes. Pour l'entreprise, cela signifie la nécessité de préparer à l'avance des API machine-à-machine : structure du catalogue, formats de données de produits, protocoles d'autorisation pour les clients-agents.

Ce que Cela Signifie

VkusVill démontre une vision mature de la mise en œuvre industrielle de l'IA : un agent n'est pas un script ou un chatbot, mais une unité de travail avec son propre cycle de vie. La terminologie RH — embauche, formation, rétention — s'applique maintenant aux systèmes logiciels. Les entreprises qui construisent ces processus maintenant occuperont une position forte quand les architectures d'agents deviendront une norme industrielle.