Parcours de l'agent IA
Concevez votre agent IA en neuf questions
Nous commençons chaque projet à votre place, pas dans une présentation. Répondez aux questions qu'un forward deployed engineer pose lors du premier rendez-vous et découvrez l'agent, le modèle et l'hébergement que nous construirions pour vous.
Avant de commencer
Comment fonctionne vraiment un agent IA
Un chatbot répond à une question. Un agent termine une tâche. Il lit vos données, décide quoi faire, utilise vos outils pour le faire et vérifie le résultat avant que quiconque ne s'y fie. Chaque tour de cette boucle est journalisé.
Lire
L'agent collecte ce dont il a besoin dans les systèmes que vous avez autorisés : la boîte de réception, la comptabilité, la file de tickets, le dépôt de code. Il ne voit que ce que ses autorisations permettent.
Raisonner
Un grand modèle de langage détermine ce dont la tâche a besoin et planifie les étapes. C'est le seul endroit où l'intelligence est utilisée : elle est donc dépensée là où le jugement compte.
Agir
L'agent utilise de vrais outils via des connecteurs et des serveurs MCP : il rédige la réponse, dépose le rapport, ouvre la pull request. Les étapes fondées sur des règles restent du code simple.
Vérifier
Avant tout envoi, dépense ou suppression, l'agent s'arrête à un point d'approbation. Vous approuvez, ou refusez avec une raison dont il tire des leçons. Chaque étape est tracée.
Trois couches dans chaque agent que nous construisons
Votre savoir
Les sources de données que nous connectons pendant la phase de découverte, limitées aux mêmes autorisations que celles de vos équipes.
Le modèle
Claude, GPT, Gemini, Grok ou un modèle à poids ouverts, choisi selon la tâche, les données et l'endroit où il doit tourner.
Contrôle
Points d'approbation, budgets, conditions d'arrêt et piste d'audit, exécutés sur le framework d'agents Jobshout.
Découverte
Nous nous mettons d'abord à votre place
La plupart des projets d'IA échouent parce qu'ils automatisent la mauvaise étape. Nos forward deployed engineers s'installent auprès des personnes qui font le travail avant d'écrire une ligne de code.
Jour 1
Observer le travail
Nous observons une vraie journée de travail : la boîte de réception, les approbations, les tableurs qui font tenir l'entreprise. Nous notons chaque passage de relais et chaque attente.
Jour 2
Cartographier les sources de données
Pour chaque étape, nous notons où se trouvent les données, qui en est responsable, comment y accéder (API, export, base de données, e-mail) et leur niveau de sensibilité.
Jour 3
Repérer où le jugement est nécessaire
Nous découpons chaque processus en étapes à règles, qui restent de l'automatisation classique, et en étapes de jugement, où un LLM justifie son coût. Les agents ne vont que là où l'intelligence est requise.
Semaines 1–2
Construire et exploiter à vos côtés
Le premier agent tourne sur vos données réelles, avec un point d'approbation sur chaque action risquée. Nous l'ajustons avec ses utilisateurs, puis n'élargissons ses autorisations que lorsqu'ils lui font confiance.
Le parcours
Parlez-nous de votre entreprise
Voici les questions que nous posons lors du premier rendez-vous client. Vos réponses restent dans votre navigateur jusqu'à ce que vous choisissiez de les envoyer.
Scénarios concrets
Ce que nous entendons en rendez-vous client, et ce que nous construisons
Exemples composites inspirés des premiers rendez-vous menés par nos forward deployed engineers. Les noms et chiffres sont donnés à titre d'illustration.
CEO · services professionnels
"Je passe mes deux premières heures de chaque journée sur mes e-mails."
Le FDE a cartographié Outlook, le CRM et le portail du conseil, et constaté que la plupart des réponses suivaient cinq modèles. Un agent assistant de direction rédige désormais réponses et notes de réunion pendant la nuit ; le CEO approuve depuis son téléphone.
- Données : Microsoft 365, HubSpot, portail du conseil
- Modèle : Claude via le tenant Azure de l'entreprise
- Contrôle : chaque réponse approuvée avant envoi
CFO · industrie
"La clôture mensuelle prend neuf jours, et c'est surtout du copier-coller."
La découverte a montré que le jugement n'intervenait que dans les commentaires d'écarts ; le rapprochement et les écritures relevaient de règles. Nous avons automatisé les règles en code et confié à un agent les commentaires et les contrôles de conformité.
- Données : Sage, flux bancaires, tableurs de bons de commande
- Modèle : un modèle local pour l'extraction et un modèle de pointe pour les commentaires
- Contrôle : aucune écriture ni aucun paiement sans approbateur nommé
CTO · éditeur de logiciels
"Mes ingénieurs seniors passent leur semaine à relire le code des autres."
Un agent de revue de PR vérifie chaque pull request selon les standards de l'équipe et un second agent rédige des synthèses d'incident à partir de Sentry et des logs. Les seniors relisent les notes de l'agent, pas tout le diff.
- Données : GitHub, Jira, Sentry, Slack
- Modèle : Claude Code pour la revue, avec un modèle à poids ouverts pour le tri des logs
- Contrôle : commentaires uniquement ; le merge reste humain
Cabinet d'avocats · hors ligne
"Rien de confidentiel ne doit jamais quitter le bâtiment."
Nous avons dimensionné des stations de travail IA avec Workstation et fait tourner des modèles à poids ouverts entièrement hors ligne. Un agent contrats compare les documents au playbook du cabinet et rédige les modifications ; les associés approuvent chacune.
- Données : système de gestion documentaire, base de précédents
- Modèle : modèles à poids ouverts sur des stations de travail GPU locales
- Contrôle : isolé du réseau (air gap), journaux d'audit conservés sur site
Forward deployed engineers
Un expert dans votre équipe, pas un ticket dans une file
Chaque projet bénéficie d'un forward deployed engineer (FDE). Il participe à vos réunions, comprend le fonctionnement réel de votre entreprise et construit et déploie les agents avec vous, rapidement.
Pose les bonnes questions
Où se trouvent les données, qui en est responsable, que se passe-t-il quand elles sont fausses et quelle étape exige vraiment du jugement.
Construit dans vos systèmes
Les agents résident dans votre dépôt de code et dans votre cloud ou sur votre matériel, connectés aux outils que votre équipe utilise déjà.
Reste jusqu'à ce que ça fonctionne
Il ajuste l'agent avec ses utilisateurs et remet les runbooks, pour que votre équipe puisse l'exploiter sans nous.
Certifiés sur les plateformes que vous pourriez choisir
- Claude Code (Anthropic)
- OpenAI
- Google Cloud et Gemini
- Microsoft Azure AI
- xAI Grok
Framework
Construit sur Jobshout, notre framework d'agents et gestionnaire de tâches
Jobshout est le framework open source sur lequel tourne chaque agent TenthMatrix. Chaque agent a son propre couloir, utilise ses propres outils et s'arrête au même point d'approbation. Chaque exécution arrive sur un tableau de tâches avec son coût et sa trace.
- Tableau de tâches avec projets et sprints
- Workflows multi-agents sous forme de graphe de dépendances
- Tâches planifiées pour le travail quotidien et hebdomadaire
- Skills, plugins et connecteurs MCP
- Apportez votre propre modèle, y compris des modèles locaux
- Coût, latence et traces OpenTelemetry par exécution
IA auto-hébergée
Vous voulez une IA sans aucune connexion internet ?
Certaines données ne doivent jamais quitter le bâtiment. Nous faisons tourner des modèles à poids ouverts sur des stations de travail IA au sein de votre réseau, entièrement hors ligne, et construisons les mêmes agents par-dessus. Le matériel est fourni par notre société sœur Workstation.
Questions fréquentes
Quelle est la différence entre un chatbot et un agent IA ?
Un chatbot répond. Un agent accomplit une tâche : il lit vos systèmes, planifie, utilise des outils pour faire le travail et s'arrête pour approbation avant toute action risquée. Vous obtenez un brouillon, un rapport ou une mise à jour finalisés, pas un paragraphe de conseils.
Devons-nous choisir un seul fournisseur d'IA ?
Non. Beaucoup de nos clients utilisent un modèle de pointe pour les étapes les plus difficiles et un petit modèle à poids ouverts pour les tâches courantes. Jobshout permet à chaque agent d'utiliser un modèle différent, et vous pouvez changer plus tard sans tout reconstruire.
Les agents peuvent-ils fonctionner sans aucune connexion internet ?
Oui. Avec des modèles à poids ouverts sur des stations de travail IA de Workstation, tout le système, y compris les modèles, le framework et les journaux, tourne hors ligne dans vos locaux.
Que fait concrètement un forward deployed engineer ?
Il s'installe avec votre équipe, cartographie vos processus et sources de données, décide où un LLM vaut la peine d'être utilisé, puis construit et déploie les agents dans votre environnement. Il reste jusqu'à ce que les utilisateurs de l'agent lui fassent confiance.
Que deviennent les réponses que je donne dans ce parcours ?
Rien, tant que vous n'appuyez pas sur envoyer. Le plan est établi dans votre navigateur. Si vous l'envoyez, il parvient à notre équipe sous forme de demande pour qu'un ingénieur prépare le premier rendez-vous.
Vous préférez en parler ?
Réservez un appel de découverte et un forward deployed engineer passera en revue les mêmes questions avec vous, en direct, sur vos propres processus.