Agents IA
Des agents IA qui travaillent dans vos données de développement, avec une piste complète
Les grands éditeurs de PLM ont livré des copilotes en 2026. Siemens, PTC, Dassault et Contact répondent désormais à des questions sur vos données. Un agent est autre chose. Il prépare la variante, calcule la campagne, rédige la demande de modification. Ce travail ne vaut rien si l'agent a utilisé un modèle périmé, a vu des données qu'il n'avait pas le droit de voir, ou n'a laissé aucune piste.
Les conditions
Trois choses qui doivent être vraies d'abord
Des données complètes et à jour au même endroit. Un agent qui lit une exigence dans Polarion, un modèle sur un portable et un résultat sur un lecteur réseau travaille avec trois états différents. Des droits qui valent pour l'agent comme pour la personne qui l'a lancé. Une piste : ce que l'agent a lu, ce qu'il a calculé, ce qu'il a produit, et le fait que c'était l'agent et non un humain.
La propre ligne directrice de PTC sur les agents en développement dit la même chose de l'ancrage dans les données. La différence entre éditeurs tient à ceci : la plateforme impose-t-elle les trois conditions, ou l'équipe les promet-elle ?
Dans Ref
Comment les agents travaillent ici
Ref a été conçu pour les agents dès le départ. Un agent travaille dans le même environnement que l'équipe, selon les mêmes règles que la personne qui l'a lancé. Il lit ce que cette personne a le droit de lire. Ce qu'il produit porte la marque d'une création par machine et entre dans le même relevé que le travail humain, avec sa piste. Il rédige ; un humain décide de ce qui reste.
La dernière phrase est notre décision. Les modèles pourraient davantage. Nous défendrions cette décision devant un évaluateur, et nous nous attendons à devoir le faire. Des chercheurs de Virginia Tech ont constaté en 2025 que les métriques de texte habituelles ne distinguent pas un artefact d'ingénierie système écrit par un modèle de langue du travail d'un expert, alors qu'une lecture attentive y trouve des exigences prématurées, des chiffres non étayés et de la surspécification. C'étaient les modèles du début de 2025, et chaque génération depuis est meilleure. La raison de garder un humain dans la boucle survit à ce progrès : une erreur qu'aucune métrique ne voit reste difficile à voir, même quand les brouillons s'améliorent. C'est justement le brouillon qui sonne juste qui a besoin d'un humain.
Le travail
Ce que les agents font, et ce qu'ils ne font pas
Ils résument une campagne, rédigent une demande de modification à partir d'un essai manqué, dérivent une nouvelle variante d'une autre, passent un post-traitement Python sur des résultats et le déposent avec ses entrées. Ils travaillent aussi en parallèle : un essaim d'agents prépare une douzaine de variantes, les lance comme une seule campagne dans des conteneurs sur Azure Batch et vous présente la comparaison. Ils ne valident aucune modification produit et n'en approuvent aucune.
Débit
Quand la production se multiplie
Les agents multiplient la production. Plus de variantes, plus d'exécutions, plus de brouillons qu'une équipe ne peut en lire. Le rôle de la plateforme est de tenir malgré cela les décisions arrimées aux preuves : chaque brouillon pointe vers ce dont il est issu, chaque comparaison vers ses exécutions. La revue raccourcit, parce que la question de l'origine d'un chiffre est déjà réglée.
Souveraineté
Modèles et données
Les agents tournent sur des modèles hébergés sur Microsoft Azure dans l'UE. Vos données ne servent à aucun entraînement. Le fait qu'un résultat vienne d'un agent est consigné avec le résultat. Quels modèles nous employons, nous le disons en démonstration.
Périmètre
Ce que cela coûte
Le travail des agents consomme des tokens, mesurés par tenant et par sujet ; administrateurs et utilisateurs voient la consommation dans l'application et en décident. Le brouillon d'un agent pour une campagne demande la relecture d'un humain, et c'est pendant ce temps que la valeur se décide ; prévoyez-le. Les agents n'agissent que si un humain les lance.
Questions
Ce que l'on demande en premier
L'agent voit-il tout ?
Il voit ce que voit la personne qui l'a lancé. Pas plus.
Le travail d'un agent est-il marqué ?
Oui. Chaque artefact produit par un agent porte cette marque dans le relevé, de façon durable.
Quels modèles ?
Des modèles hébergés sur Azure dans l'UE. Nous les nommons en démonstration et nous changeons dès qu'un meilleur est disponible.
Pouvons-nous désactiver les agents ?
Ils n'agissent que si un humain les lance. Une équipe qui n'en lance aucun n'en voit aucun.
Pages associées
Si vous voulez voir un agent calculer une campagne et déposer le résultat avec sa piste, demandez une démonstration. Parlez-nous de votre projet.