Les architectures de l’agence

1. La désintégration du modèle divin

L’histoire de l’informatique d’entreprise est en fait l’histoire d’un mouvement de pendule entre centralisation et désintégration. Pour comprendre le pivot architectural actuel vers les frameworks Model Context Protocol (MCP), Agent-to-Agent (A2A) et Agent Communication Protocols (ACP), il faut d'abord situer ces technologies dans le calendrier plus large de l'intégration.

Nous assistons à la fin de l’ère du « modèle divin » dans l’IA générative – une brève période pendant laquelle l’industrie hallucinait qu’un ensemble unique et monolithique de paramètres pourrait servir de système d’exploitation universel pour toutes les connaissances et exécutions humaines – et au début du « maillage agent ». Cette transition reflète le passage du mainframe au modèle client-serveur, et plus tard, de l'application monolithique à l'architecture de microservices. L'Intégrateur, rôle souvent relégué à la plomberie des services informatiques, est revenu à la pointe de l'innovation, car l'enjeu de la prochaine décennie n'est pas la création de l'intelligence, mais son câblage.

1.1 L'anomalie monolithique

Aux premiers stades du boom de l’IA générative, qui s’est étalé approximativement entre 2022 et début 2024, le modèle architectural dominant était monolithique. Un utilisateur a interagi avec une entité singulière, qu'il s'agisse de GPT-4, Claude ou Llama, en s'attendant à ce que cette entité singulière possède simultanément des capacités de raisonnement, de codage, des compétences en écriture créative et des connaissances spécifiques dans un domaine spécifique de la biologie, du droit et de la finance.

Cette approche du « modèle divin » était séduisante car elle minimisait la complexité de l'intégration. Il y avait un point de terminaison d'API, une invite et une fenêtre contextuelle. Cependant, à mesure que l’adoption par les entreprises s’approfondissait, les fissures de ce monolithe sont devenues des fissures structurelles :

• Coût : Le coût de l'inférence pour un modèle suffisamment massif pour « tout savoir » était prohibitif.
• Latence : la latence de génération de jetons à partir d'un modèle de paramètres 70B ou 1T rendait les applications interactives en temps réel lentes.
• Attention : La « fenêtre contextuelle » est apparue non seulement comme une limitation de la mémoire, mais aussi comme une limitation de l'attention. Le regroupement d'un schéma SQL, d'une base de code et d'un contrat légal dans une seule invite a abouti au phénomèn...
  [Courte citation de 8% de l'article original]