Orchestration IA : la couche de contrôle qui manque à tes agents

Le modèle est rarement le goulot d’étranglement aujourd’hui. Le passage de relais, si. Un agent rédige la recherche, un autre touche au CRM, un troisième tourne dans un terminal de code, et l’humain joue en silence le rôle d’API entre les trois. Copier. Coller. Réexpliquer. Et prier pour que personne n’ait agi sur un contexte périmé.

C’est exactement le problème que l’orchestration IA est censée résoudre. Pas en collant une grande métaphore de chef d’orchestre sur une slide, mais en donnant aux modèles, aux outils, à la mémoire, aux workflows et aux humains une seule couche de contrôle.

Ce que veut vraiment dire orchestration IA

L’orchestration IA, c’est la logique qui décide ce qui s’exécute, dans quel ordre, avec quel contexte, sous quelles permissions, et ce qui se passe quand le résultat est incertain. IBM distingue la catégorie large de son sous-ensemble dédié aux agents : l’orchestration IA peut coordonner des modèles, des pipelines de données et des API, tandis que l’orchestration d’agents IA se concentre sur des agents qui prennent des décisions et passent à l’action.

La nuance compte. Pas besoin de douze agents qui se disputent dans un groupe pour avoir un problème d’orchestration. Un seul agent compétent qui utilise l’email, un agenda, une base de données et un navigateur a déjà besoin de routage, d’état, de relances et d’une règle d’arrêt. Le guide pratique d’OpenAI pour construire des agents fait la même distinction utile : les systèmes à un agent exécutent des outils en boucle, les systèmes multi-agents répartissent l’exécution entre des agents coordonnés. Commence par le plus simple tant que le travail n’exige pas vraiment des spécialistes.

Les cinq rôles d’une couche d’orchestration

1. Capter l’intention là où elle apparaît

Une couche de contrôle ne devrait pas se soucier de savoir si la demande est arrivée dans une app Desktop, un fil d’emails, un message WhatsApp ou un vocal. Le canal est une surface d’entrée, pas le cerveau. Notis prend en charge des surfaces de messagerie et d’email distinctes, documentées dans sa comparaison des canaux, plus un mode vocal et une Inbox unifiée sur Desktop et sur le web.

Ça paraît cosmétique jusqu’au jour où tu diriges une boîte. L’échec coûteux, ce n’est pas un prompt faible. C’est la bonne demande qui n’atteint jamais le bon agent parce qu’elle est arrivée pendant que tu marchais, que tu conduisais ou que tu vidais tes emails.

2. Router le travail vers le bon agent et le bon outil

Certaines tâches ont leur place dans ChatGPT. D’autres dans Claude. D’autres encore dans un appel d’intégration déterministe. Et certaines dans un environnement de code capable de lire le dépôt et de lancer les tests. Une orchestration agnostique vis-à-vis des agents, c’est une couche de routage qui ne force pas chaque tâche à passer par un seul fournisseur juste parce qu’il possède l’interface.

C’est là que le Model Context Protocol entre en jeu. MCP donne aux hôtes une façon standard de découvrir et d’appeler des outils, tout en recommandant explicitement que l’utilisateur puisse voir et refuser les actions sensibles. Ça ne rend pas les agents fiables par magie, mais ça rend la connexion entre l’agent et ses capacités assez portable pour être gouvernée.

3. Préserver l’état utile

Les agents ont besoin de plus que la conversation en cours. Il leur faut la décision du mois dernier, le format préféré, le vocabulaire du projet et le fait qu’un client précis ne doit jamais recevoir d’envoi automatique. La mémoire à long terme de Notis transporte les préférences et le contexte utiles d’un canal à l’autre, pour qu’une demande vocale et une relance sur Desktop ne démarrent pas comme deux inconnues.

La mémoire n’est pas une permission. Une bonne couche d’orchestration retient assez pour aider, tout en donnant à chaque intégration et à chaque action un périmètre borné.

4. Séparer les workflows répétables du jugement

Le système le plus fiable est rarement totalement déterministe ou totalement autonome. Les dates, les filtres et la validation de schéma doivent être ennuyeux. L’orientation d’une recherche, la gestion des exceptions et la rédaction peuvent être confiées à un agent. Les automatisations Notis peuvent partir d’un planning, d’un webhook ou d’un événement d’intégration ; les Skills encapsulent ensuite des instructions répétables sur la façon dont l’agent doit travailler.

Le schéma pratique est simple : des workflows pour ce que tu sais spécifier, des agents pour ce qui demande du jugement, et une vérification entre les étapes qui ont des conséquences.

5. Donner à l’humain un seul endroit pour intervenir

Le human-in-the-loop ne sert à rien si la demande de validation se cache dans le mauvais terminal. La couche de contrôle a besoin d’une seule Inbox visible pour les questions, les exceptions et les résultats. Le Manager de Notis, sur Desktop et sur le web, sert de surface de conversation unifiée, et sa timeline d’agent montre ce que l’agent a fait. C’est bien plus proche d’un vrai contrôle opérationnel qu’un joyeux « terminé » sans la moindre preuve.

Orchestration IA ne veut pas forcément dire multi-agent

C’est le malentendu le plus coûteux de la catégorie. Les équipes se jettent sur un essaim d’agents parce que ça ressemble à du passage à l’échelle. En réalité, chaque agent en plus ajoute une frontière de contexte, un endroit de plus où dupliquer le travail et un résultat de plus à évaluer.

Le retour d’Anthropic sur son système de recherche multi-agent est d’une franchise rafraîchissante : les agents en parallèle marchent bien pour une recherche qui ratisse large, mais ils consomment beaucoup plus de tokens et conviennent mal quand les tâches partagent beaucoup de contexte ou de dépendances. Leur modèle d’agent principal fonctionne parce que l’orchestrateur définit des sous-tâches bornées, des outils et des formats de sortie. L’essaim n’est pas le produit. La discipline de coordination, si.

La place de Notis

Notis n’est pas un modèle de plus qui prétend être le meilleur partout. C’est la couche agnostique autour des modèles et des environnements d’agents que tu utilises déjà. Tu peux connecter les workflows compatibles adossés à tes abonnements ChatGPT et Claude, joindre le système par messagerie, email, Desktop ou voix, réutiliser les intégrations et les outils MCP, appliquer des Skills, lancer des automatisations, conserver la mémoire et traiter les exceptions dans l’Inbox Desktop. La même couche opérationnelle peut s’étendre aux workflows d’agents de code via la CLI et MCP, au lieu d’enfermer le travail dans une seule fenêtre de chat.

La thèse est volontairement ennuyeuse : garder le meilleur spécialiste, supprimer les passages de relais manuels.

Si tu as un agent et trois outils, commence par un état explicite et des règles de validation. Si tu as plusieurs agents, ajoute du routage et un contexte partagé avant d’en ajouter un autre. Et si ton schéma d’orchestration impressionne mais que l’humain recopie encore la réponse finale dans un email, tu n’as pas encore d’orchestration. Tu as du théâtre.