## 2\. Principes architecturaux fondamentaux
La rationalisation d'une architecture multi-agents commence par projeter les principes architecturaux fondamentaux sur les capacités et la structure des agents. Les architectures multi-agents qui en résultent sont alors une manifestation des principes fondamentaux de conception et d'architecture système alignés sur le « grain » unique des technologies IA.
Les principes clés qui guident cette architecture comprennent :
- Gérer la complexité par la décomposition
- Améliorer la résilience et réduire la fragilité grâce au découplage.
- Amélioration de la fiabilité et de l'efficacité en réutilisant le code
- Améliorer la fiabilité des agents en limitant le champ des préoccupations de chacun.
- Améliorer la maintenance et l'évolution du système grâce à la modularité et à l'extensibilité
- Simplifier la gestion et la responsabilité des agents grâce à la spécialisation.
Contrairement aux architectures agentiques plus primitives (par exemple, celles qui se concentrent sur les grands modèles de langage en tant que construction architecturale principale), _Agentforce a été conçu pour l'orchestration multi-agents dès sa création_. L'orchestration multi-agents sous-tend le moteur de raisonnement Atlas et le raisonnement agentique pour créer des parcours de programmation dynamiques et efficaces dans une réponse agentique afin d'élargir considérablement la capacité à offrir une augmentation large et profonde de l'expérience utilisateur (UX).
Dans Agentforce ce type de coordination est activé par les protocoles ouverts clés, interopérables et les Produits Salesforce suivants :
- **Agentforce** fournit un sous-système Agent pour encapsuler tous les éléments clés d ' un agent : rubriques, instructions, actions, garde-fous, contexte, invocations, sorties, détails d'exécution, journaux, etc.
- **Actions**: fournir des hooks pour accéder aux données, appeler des flux, invoquer des systèmes externes et appeler d'autres agents.
- **Data 360**: fournit une couche de virtualisation des données pour apporter un contexte spécifique et individualisé à l'agent (en exploitant le profil unifié et la chaîne de clés de Data 360 pour extraire des informations spécifiques de toute l'entreprise).
Pour les agents de l'ensemble de l'entreprise ou pour accéder à des agents ou à des ressources, nous prenons en charge :
- **Model Context Protocol (MCP)**: est une couche de communication sécurisée qui connecte les agents aux outils, données et Knowledge de l'entreprise pour garantir la précision contextuelle.
- **Protocole agent à agent (Agent-to-Agent, A2A)**: est une poignée de main standardisée pour la délégation inter-agents qui permet une coordination sécurisée et régie entre les systèmes, les organisations et les fournisseurs.
Ces principes jettent les bases d'un système d'intelligence orchestrée évolutif et gouvernable.
### Considérations supplémentaires
Les solutions agentsiques robustes nécessitent des approches claires des exigences non fonctionnelles qui sous-tendent une livraison efficace de la technologie :
- Sécurité et gouvernance (gestion des identités et des accès, confidentialité des données, sécurité des données et modélisation des menaces).
- Observabilité et surveillance (traçage distribué, consignation centralisée, métriques et tableaux de bord).
- Opérationnalisation et gestion du cycle de vie (spécification, génération de requêtes de test, tests, commentaires, apprentissage continu, dépréciation).
Ce sont des considérations architecturales clés pour élaborer des solutions Enterprise Agentic qui ne sont pas abordées dans ce livre blanc. Elles seront toutefois abordées dans de futures publications.
## 3\. Taxonomie des agents d'entreprise
Pour gérer un paysage agentique à l'échelle de l'entreprise, les architectes doivent classer les agents à travers deux perspectives complémentaires : fonction technique et impact métier.
### 3.1 Classification des rôles fonctionnels
Cette taxonomie catégorise les rôles fonctionnels que les agents peuvent assumer dans une architecture.
- **Rôles Canal/UX**: Définissez la modalité d'interaction (par exemple, Headless, Prompt, Chats et messages, ou Espaces de travail gérés par l'IA).
- **Rôles de spécialistes**: Encapsulez des connaissances approfondies du domaine (par exemple, expert du domaine, Knowledge Minion, Assistant ou Planificateur).
- **Rôles de service utilitaire**: Effectuez des tâches transactionnelles discrètes (par exemple, Génération, Résumé, Transformation ou Configuration).
- **Rôles de maintenance et de service proactif**: Mettez l'accent sur l'intégrité et la qualité des données (par exemple, Curation, Configuration, Qualité des données ou Enrichissement des données).
- **Rôles de longue durée**: Gérez les processus sur de longues périodes (par exemple, Concierge, Chef de projet, Accompagnateur, ou Surveillant/Alerteur).
## 4\. Le modèle de la carte agentique
Pour faciliter la conception et la communication claires, la **carte agentique** est le modèle standard qui décrit les solutions des agents. Il définit les entités, les systèmes et les interactions clés dans un modèle de conception spécifique.
Voici les composants du modèle de carte agentique :
- Les **couches utilisateur** définissent les acteurs humains du système (par exemple, les clients, les employés authentifiés (SF-Users) et les employés non authentifiés).
- Les **couches d'agents** décrivent les agents requis, les modèles exposés, les relations entre eux et les instructions utilisées pour actualiser des modèles spécifiques.
- **Contexte/Actions** sont les ressources, les capacités ou les actions que l'agent gère ou auxquelles il accède.
- Les **sources** sont les données, applications, bases Knowledge et autres systèmes sous-jacents auxquels les agents se connectent.
Les annexes A et B illustrent les modèles agentiques au niveau du système en démontrant leur composition dans les couloirs (swimlanes) du modèle de carte agentique.
## 5\. Cadres de modèles agentiques
Chez Salesforce, nous utilisons une bibliothèque de modèles d'agent pour organiser et fournir des solutions agentiques fiables et prévisibles. Ces modèles sont nos plans pour résoudre des problèmes architecturaux courants.
Ils sont regroupés en quatre catégories principales :
- **Modèles d'interaction**: Mettez l'accent sur l'engagement agentique et l'expérience utilisateur (UX).
- **Modèles de spécialiste/travailleur**: Encapsuler des connaissances approfondies ou des compétences spécifiques au sein d'un domaine particulier.
- **Modèles d'utilité et de gestion des données**: Exécutez des tâches spécifiques, souvent répétitives, qui prennent en charge d'autres agents ou processus.
- **Modèles de longue durée**: Gérez les processus et les workflows qui se produisent sur de longues périodes, impliquant plusieurs étapes.
Les sections suivantes détaillent les principaux modèles de chaque catégorie. Chaque description de schéma fournit une **Vue d'ensemble**, **un Type de** sortie, **un Guide d'utilisation** du schéma, **des Cas d'utilisation** représentatifs et un **Diagramme de solution**, ainsi qu'un mappage avec la **rubrique de maturité** Salesforce Agentic.
## 6\. Schémas d ' interaction
Les _modèles d'interaction_ sont des conceptions fondamentales qui se concentrent sur l'engagement des agents et l'expérience utilisateur.
### Modèle Greeter
- **Vue d'ensemble**: Le _modèle Greeter_ est un modèle simple et facile à implémenter qui utilise le langage naturel pour déterminer l'intention de l'utilisateur. Il achemine ensuite l'utilisateur vers l'agent humain approprié.
- **Type de sortie**: Transférer ou escalader vers la ressource suivante.
- **Valeur métier**: Facilitez un premier contact transparent et efficace pour les clients tout en maximisant la résolution des intentions et la collecte du contexte pour les fournisseurs de services.
- **Guide d'utilisation**: Configurez l'agent en tant que ressource d'engagement principale pour les canaux de marque. Fournissez des instructions sur la marque, les produits et les services associés à des instructions d'acheminement basées sur l'intention de l'utilisateur. L'agent recueille et résume l'intention pour effectuer un transfert chaleureux.
- **Cas d'utilisation représentatif**: Imaginez une page Web qui utilise un robot de chat pour présenter un menu d'options dans lequel les utilisateurs doivent cliquer sur toutes les options avant d'être dirigés vers un humain. Pour améliorer la productivité et l'efficacité du back-office, les chatbots utilisent souvent des parcours de travail et des interactions complexes et compliquées. Cela entraîne un scénario de fatigue « Remplir, choisir et cliquer » pour les clients, qui entraîne souvent une frustration si leur contexte est extérieur aux options de menu disponibles. En remplaçant les chatbots traditionnels par la _porte d'entrée_ Agentic, qui utilise des interactions en langage naturel, elle allège le fardeau et offre une interaction de type humain.
- **Agentforce Recipe**:
- Agent de service Agentforce : [Assemblez un agent de service avec Agentforce Builder](https://trailhead.salesforce.com/content/learn/modules/quick-start-assemble-a-service-agent-with-agentforce-builder)
- L'agent de service empaqueté a des capacités de transfert configurables qui prennent en charge le transfert:
- Aux agents humains
- Aux agents IA
- Aux agents externes
- Modèles spécifiques au secteur d'activité qui contiennent des exemples de code
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 1 (ou Niveau 0 si vous utilisez l'agent de service prêt à l'emploi avec transfert et escalade intégrés)
### Modèle d'opérateur
- **Vue d'ensemble**: Le _modèle Opérateur_ s'inspire du _modèle Greeter_ en acheminant les demandes vers l'agent spécialisé approprié ou un humain et en négociant l'intention (si nécessaire).
- **Type de sortie**: Transférer ou escalader vers la ressource suivante.
- **Guide d'utilisation**: Associez des instructions spécifiques à la marque et au service à des instructions indiquant où envoyer l'utilisateur en fonction de son intention. Définissez des ressources d'escalade, qui peuvent être humaines ou d'autres agents.
- **Cas d'utilisation représentatif**: Utilisez la _porte d'entrée_ Agentic pour les scénarios où le degré de spécialisation des représentants humains ou IA est élevé.
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 2
### Modèle d'orchestrateur
- **Vue d'ensemble**: Le _modèle Orchestrateur_ gère un « essaim » d'agents IA. Lorsqu'il reçoit une demande de l'utilisateur, il transmet l'énoncé à un ou plusieurs agents spécialisés, puis agrège les réponses pour l'utilisateur. Contrairement au _modèle Opérateur_, il reste le premier point de contact (POC).
- **Type de sortie**: Réunir et préparer les réponses des agents travailleurs.
- **Guide d'utilisation**: Configuré en tant qu'agent principal d'engagement. Fournissez des instructions à chaque agent de support (par exemple, une PME Prioritaire ou Domaine) afin de permettre à l'orchestrateur de leur transmettre les énoncés.
- **Cas d'utilisation représentatif**: Utilisez le _modèle Orchestrateur_ comme porte d'entrée agentique pour assister les clients qui doivent discuter de plusieurs sujets par conversation, ce qui nécessite des solutions multi-agents et des interactions cohérentes. Dans une architecture multi-systèmes, tenez compte du _modèle Orchestrateur_ pour coordonner les réponses entre les systèmes et avec la collaboration d'agents externes.
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 3
### Modèle Listener/Feed
- **Vue d'ensemble**: Le _modèle Écouteur/Fil_ expose le contexte et les connaissances pendant le flux d'une conversation. L'_écouteur_ est déclenché à chaque tour de conversation pour rechercher et afficher des informations pertinentes pour un employé.
- **Type de sortie**: Fournissez un contexte pertinent basé sur la conversation, qui peut être mis en forme pour l'effet (par exemple, faire des comparaisons ou mettre en évidence des points clés).
- **Guide d'utilisation**: Attachez le Listener à un canal basé sur le tour (par exemple, chat, voix ou SMS). Définissez des sujets pour chaque domaine. L'agent consomme la transcription, identifie les rubriques et invoque des actions pour rechercher et publier du contenu pertinent dans un fil actif pour l'employé.
- **Cas d'utilisation représentatif**: Utilisez le _Universal Assistant_ pour assister le service client ou les commerciaux.
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 3
### Modèle Workspace (Radar O'Reilly)
- **Vue d'ensemble**: Le _modèle Workspace (Radar O’Reilly)_ gère une interface utilisateur unique et réactive dans le flux d’une conversation. Il traite chaque énoncé pour mettre à jour des parties de l'UX avec le contenu approprié.
- **Type de sortie**: Fournissez un contexte pertinent situé dans un portlet au sein d'une interface utilisateur unique.
- **Guide d'utilisation**: Un agent _Orchestrateur_ transmet des énoncés à une suite d'agents _Topic_. Chaque agent de rubrique évalue l'instruction afin de déterminer si une mise à jour de l'expérience utilisateur est nécessaire. Dans ce cas, il envoie automatiquement des mises à jour dynamiques aux composants Web Lightning correspondants.
- **Cas d'utilisation représentatif**: Cela fonctionne comme une porte d'entrée agentique avancée.
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 3
## 7\. Modèles spécialisés
Les _schémas spécialisés_ englobent des Knowledge ou des compétences approfondies dans un domaine particulier, et sont généralement orchestrés par _des schémas Interaction_.
### Modèle Answerbot
- **Vue d'ensemble**: Le _modèle Answerbot_ est un modèle efficace pour le libre-service qui utilise GenAI pour déterminer le langage naturel pour la récupération Knowledge, pas seulement des mots-clés.
- **Type de sortie**: Connaissances résumées et références ou citations à des documents de référence.
- **Guide d'utilisation**: Organisez et ingérez des documents sources fiables (par exemple, Knowledge Stores ou FAQ) pour configurer l'agent. Positionnez l'agent sur les sites Web de l'entreprise ou dans des portails internes. Surveillez les questions pour identifier et combler les lacunes de connaissances.
- **Cas d'utilisation représentatif**: Faciliter les recherches en langage naturel sur un site Web d'entreprise, interagir avec un bot des avantages RH, et fournir des composants en libre-service à toutes les parties prenantes.
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 1
### Modèle PME du domaine
- **Vue d'ensemble**: Le _schéma Domaine PME_ est un schéma de base qui fournit un frontal en langage naturel pour un domaine métier (par exemple, Commandes ou Déclarations).
- **Type de sortie**: Fournissez des contenus, des rubriques, des données et des informations mises en forme pertinents sur le domaine.
- **Guide d'utilisation**: Utilisez ce modèle pour encapsuler un sujet ou un domaine métier. Configurez l'agent capable d'effectuer les opérations CRUD appropriées. Rendez ces agents disponibles via [_des modèles Interaction_](/docs/architect/fr-fr/fundamentals/guide/enterprise-agentic-architecture#6-schémas-d--interaction) (par exemple Orchestrateur ou Écouteur).
- **Cas d'utilisation représentatif**: Garantir un domaine de données métier, fournir un « Agent de commande » ou un « Agent d'inventaire » et fournir une interface agentique pour un domaine métier.
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 2
### Modèle d'interrogateur
- **Vue d'ensemble**: Le _modèle Interrogateur_ est un agent de PME qui peut être interrogé sur une rubrique afin d'assembler le contexte de plusieurs sources pour répondre à des questions. La capacité agentique clé exploitée est la capacité d'extraire le contexte et de connecter des concepts à travers un ensemble de contenus, de la même façon qu'un humain le ferait après avoir lu et internalisé le contenu. Ce modèle atténue le besoin d'une « intégration en chaise pivotante ».
- **Type de sortie**: Fournissez des réponses aux questions.
- **Guide d'utilisation**: Il est souvent configuré en tant que widget de console connecté au contexte actuel de l'utilisateur pour lui permettre de poser des questions directement. Il est également utilisé conjointement avec des ressources Knowledge telles que des FAQ, des Polices et des catalogues de produits. Associez le _modèle Interrogateur_ à des invites standard pour adapter les réponses communes aux questions courantes.
- **Cas d'utilisation représentatif**: Utilisez-le en tant qu'agent d'assistance contractuelle, assistant pour les demandes de renseignements sur les avantages ou agent spécialisé dans les modèles multi-agents (par exemple, Écouteur ou Workspace).
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 2
### Modèle de prioriseur
- **Vue d'ensemble**: Le _modèle Priorizer_ est utilisé pour organiser une série de tâches ou d'objets de travail en fonction d'un objectif défini. Il exploite GenAI pour l'analyse qualitative, l'analyse de données non structurées ou l'analyse intégrative dans plusieurs domaines de données.
- **Type de sortie**: Fournissez un aperçu génératif.
- **Guide d'utilisation**: Utilisez le langage naturel pour décrire les qualités souhaitées pour la priorisation. Ancrez l'agent en utilisant une série d'options sélectionnables. Combinez-le avec le modèle Écouteur pour créer une « Next Best Action » réactive dans le flux de travail.
- **Cas d'utilisation représentatif**: Utilisez-le en tant que générateur _Next Best Action_ ou agent spécialisé dans les modèles à long terme ou multi-agents.
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 2
## 8\. Modèles utilitaires et de données
Les _modèles d'utilitaires_ exécutent des tâches spécifiques et répétitives qui prennent en charge d'autres agents ou processus.
### Modèle de générateur
- **Vue d'ensemble**: Le _modèle Générateur_ est un modèle de base pour créer du contenu (par exemple, des résumés de requête ou des brouillons d'e-mails) à partir d'entrées et de normes existantes. Elle est souvent implémentée en tant qu'invite et peut être incorporée à d'autres agents.
- **Type de sortie**: Fournissez un contenu généré qui respecte le format et l'intention demandés.
- **Guide d'utilisation**: Le _modèle Générateur_ peut être utilisé dans la plupart des autres modèles ou en tant que modèle autonome. Le contexte peut être fourni par la demande, l'hydratation pendant l'exécution ou des étapes d'enrichissement supplémentaires.
- **Cas d'utilisation représentatif**: Fournissez des résumés de cas, des brouillons d'e-mails, des articles Knowledge ou des propositions/réponses aux QBR.
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 1
### Modèle Data Steward
- **Vue d'ensemble**: Le _modèle Data Steward_ est un modèle autonome en arrière-plan qui introduit une étape agentique dans les opérations de données pour garantir la qualité, la conformité et l'enrichissement cohérents des données.
- **Type de sortie**: Saisissez des champs d'enregistrement et de données mis à jour avant l'enregistrement.
- **Guide d’utilisation**: Incorporez la qualité des données au point de création des données en ajoutant des gestionnaires de données qui enregistrent les flux déclencheurs avant d'enregistrer les données. Aide à garantir une application cohérente des données de catégorie, de résumé et d'état.
- **Cas d’utilisation représentatif**: Garantir des mises à jour cohérentes du style « Pizza-Tracker », enrichir les données des comptes et éliminer les codes postaux et les adresses non concordants.
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 2
### Modèle Zen Data Gardener
- **Vue d'ensemble**: Le _modèle Zen Data Gardener_ est un modèle planifié en arrière-plan utilisé pour toiletter et standardiser les données, en exploitant un raisonnement peu coûteux pour valider, enrichir et conformer les données dans des domaines de données autrement non connectés.
- **Type de sortie**: Fournissez des enregistrements mis à jour et/ou des tâches de gestion des données.
- **Guide d’utilisation**: Utilisez le modèle pour activer l'examen et la validation réguliers et périodiques des données. Pour des données à évolution lente, planifiez l'agent sur une cadence lente (par exemple mensuelle). Combinez-le au [modèle Data Steward](/docs/architect/fr-fr/fundamentals/guide/enterprise-agentic-architecture#modèle-data-steward) pour fournir des opérations prospectives et rétrospectives de qualité des données.
- **Cas d’utilisation représentatif**: Garantissez l'alignement entre les prestations vendues et le système de réclamations, ainsi que la validation périodique des licences de courtier par rapport aux registres nationaux.
- **Diagramme**:
- **Maturité Salesforce Agentic**: Niveau 4
### Modèle Configureur
- **Vue d'ensemble**: Le _modèle Configureur_ génère des artefacts de configuration (par exemple, SQL/SOQL, JSON et CSV) à partir des exigences en langage naturel. Il peut également être exécuté à l'envers pour valider une configuration existante par rapport aux exigences.
- **Type de sortie**: Fournissez des enregistrements mis à jour, des tâches de gestion des données ou créez des problèmes/erreurs pour les corrections.
- **Guide d'utilisation**: Ancrez l'agent en utilisant des normes, des consignes ou des exemples spécifiques. Configurez des exigences d'élaboration en utilisant des sources telles que des contrats ou des spécifications produit. Connectez le _modèle Configureur_ au système cible pour envoyer automatiquement la configuration générée.
- **Cas d'utilisation représentatif**: Générez des enregistrements de configuration de produits pour l'assurance maladie et validez les conditions de contrat/paiement pour les prestataires de soins.
- **Diagramme**:
- **Maturité agentique Salesforce**: Niveau 4
### Modèle Juge et Jury
- **Vue d'ensemble**: Le _modèle Juge et Jury_ est conçu pour minimiser les hallucinations en utilisant un ensemble d'agents « jurés » et un agent « juge » qui évalue la congruence des réponses pour s'assurer qu'elles sont matériellement cohérentes et fondées.
- L ' _approche intégrée_ est intégrée à Agentforce et au moteur de raisonnement Atlas pour vérifier la véracité et la pertinence des réponses. Le _schéma Juge et Jury_ s'appuie sur cette capacité lorsque des niveaux élevés de précision sont essentiels.
- La combinaison de l'_ancrage des données_ (par exemple, « recherchez votre réponse dans ces enregistrements/documents ») et de l'_ingénierie des invites_ (par exemple, « renvoyez une réponse uniquement si elle se trouve dans ces enregistrements » ou « validez votre réponse par rapport à cette source externe ») est également efficace pour réduire les hallucinations.
- **Type de sortie**: Fournissez un aperçu génératif.
- **Guide d'utilisation**: À utiliser lorsqu'il y a un fort besoin de résultats génératifs cohérents et ancrés. Un _agent juge_ compile une invite ancrée et la transmet à deux ou plusieurs _jurés_, puis le juge évalue les réponses. Pour de meilleurs résultats, utilisez différents modèles (par exemple, un modèle OpenAI et un autre modèle Anthropic) pour chaque agent Juré.
- **Cas d'utilisation représentatif**: Fournissez des réponses de haute fidélité, ancrées dans les faits, pour minimiser les hallucinations.
- **Diagramme**:
- **Maturité agentique Salesforce**: Niveau 2
### Modèle de modèles
- **Vue d'ensemble**: Le _modèle des modèles_ exploite plusieurs agents experts pour générer un large éventail de perspectives, puis extrait le consensus. Contrairement au [modèle Juge & Jury](/docs/architect/fr-fr/fundamentals/guide/enterprise-agentic-architecture#modèle-juge-et-jury), ce modèle embrasse plusieurs points de vue pour augmenter la richesse.
- Ce modèle peut également être appelé le modèle du panel d'experts lorsqu'il existe des modèles experts présentant différents points de vue (POV) qu'il peut être utile d'exploiter.
- Contrairement au schéma Juge et Jury où l'intention est de s'assurer que la réponse de l'agent converge vers une « vérité » accessible à tous, le _modèle de modèles_ élargit la portée de la réponse en tirant parti de la diversité dans l'environnement de l'agent.
- Ce modèle suppose que d'autres agents ont un point de vue distinct. Par exemple, dans un environnement multi-organisations, multi-agents ou avec plusieurs agents fournis par des fournisseurs à travers des piles technologiques, le _modèle de modèles_ fournit une structure pour intégrer plusieurs POV.
- Lors de l'examen de ce modèle, tenez également compte d'autres approches, souvent plus légères :
- Au lieu de définir plusieurs agents experts, spécifiez plusieurs invites et faites fonctionner le système comme un ensemble d'invites.
- Tirez parti de l'« ancrage » à l'aide d'actions qui accèdent aux données adaptées au contexte.
- **Type de sortie**: Fournissez un aperçu génératif.
- **Guide d'utilisation**: Le rôle d'un agent _agrégateur_ est de former et de renvoyer un POV enrichi basé sur les concepts clés renvoyés par les agents Modèle. Les agents modèle déterminent une réponse en fonction de leur POV unique.
- **Cas d'utilisation représentatif**: Utilisez-le dans des situations pouvant bénéficier de la réunion de points de vue différents pour améliorer la qualité des réponses.
Par exemple, un environnement agentique multisystème dans lequel les agents privilégiés (par exemple, un _agent ERP_) peuvent avoir un POV précieux et inaccessible.
- **Diagramme**:
- **Maturité agentique Salesforce**: Niveau 2
## 9\. Modèles de processus longue durée
Les _modèles de processus longue durée_ gèrent les processus qui se produisent sur de longues périodes et impliquent plusieurs étapes et acteurs.
### Modèle de gestionnaire de projet
- **Vue d'ensemble**: Le _modèle de gestionnaire de projet_ est un modèle complexe qui supervise un projet à long terme. Il coordonne les activités, suit la réalisation, notifie les utilisateurs et représente le statut du projet pour les parties prenantes.
- **Type de sortie**: Il existe plusieurs sorties (par exemple, requêtes, tâches, mises à jour de statut et notifications).
- **Guide d'utilisation**: Utilisez-le comme modèle générique pour prendre en charge des activités régulières, répétées et à plusieurs étapes. Le _modèle Gestionnaire de projet_ reprend un modèle d'entrée/plan d'un projet (y compris des tâches, des rôles et des dépendances), puis instancie les requêtes et les activités et les attribue aux utilisateurs.
- **Cas d'utilisation représentatif**: Utilisez-le pour la gestion des installations de comptes et l'engagement commercial d'entreprise.
- **Diagramme**:
- **Maturité agentique Salesforce**: Niveau 4
## 10\. Archétypes d’orchestration d’entreprise
Alors que les schémas décrivent les rôles des agents, les _archétypes d'orchestration_ définissent les schémas au niveau du système pour la collaboration d'une flotte d'agents. Ces archétypes précisent les rôles d'_Agentforce_ comme cerveau d'orchestration et _de MuleSoft_ comme connecteur et adaptateur universels.
**Archétype 1: SOMA (organisation unique, agents multiples)**
- **Définition**: Plusieurs agents collaborent au sein d'une organisation Salesforce qui utilise une gouvernance et des données partagées.
- **Flux architectural**: Dans Agentforce, un _agent superviseur_ joue le rôle d ' une porte d ' entrée unique, acheminant les requêtes vers _des agents spécialisés_ au sein de l ' organisation. Pour les fonctionnalités externes, les agents utilisent le _client Agentforce MCP_, MuleSoft servant d ' enveloppe MCP pour les API non activées par MCP.
- **Considérations clés**: Ce schéma centralise la logique d'orchestration dans Salesforce (de la même façon que le contexte CRM et Data 360) afin de préserver la gouvernance, l'identité, les autorisations et l'observabilité unifiées.
**Archétype 2: MOMA (organisations multiples, agents multiples)**
- **Définition**: Les agents collaborent entre plusieurs organisations Salesforce, ce qui nécessite une coordination sécurisée entre les limites en données et en autorisations.
- **Flux architectural**: Un _agent superviseur_ d'une organisation délègue une tâche à un agent d'une autre organisation via le protocole standardisé _agent à agent_ (A2A). Cette poignée de main garantit la confiance au niveau de l'organisation, le flux d'identité utilisateur et le contexte de conversation partagé.
- **Considérations clés**: Ce schéma préserve l'autonomie de l'organisation tout en activant les workflows à l'échelle de l'entreprise, qui constituent une base pour des opérations agentiques cohérentes dans des domaines complexes et multi-organisations.
**Archétype 3 : A2A multi-fournisseurs (orchestration pilotée par Salesforce)**
- **Définition**: Un _agent superviseur_ dans Salesforce coordonne le travail entre un mélange d'agents natifs de Salesforce et d'agents d'autres fournisseurs (par exemple, Google/Vertex ou LangGraph) via le protocole A2A.
- **Flux architectural**: L'_agent superviseur_ traite la demande et orchestre un plan, en invoquant des agents fournisseurs internes et externes via le protocole A2A. Pour les systèmes externes qui ne sont pas compatibles A2A, _MuleSoft_ peut exposer une «façade d'agent léger» qui enveloppe l'outil existant et communique avec l'A2A.
- **Considérations clés**: Cet archétype maintient le cerveau d'orchestration proche de CRM et Data 360 en utilisant A2A pour produire une composition propre et gouvernable sans niveau d'orchestration séparé.
**Archétype 4: A2A multi-fournisseurs (orchestration pilotée par MuleSoft)**
- **Définition**: L'orchestration est initiée à partir d'un point d'entrée non-Salesforce, qui nécessite un orchestrateur externe neutre pour effectuer le raisonnement et l'acheminement.
- **Flux architectural**: Un _agent de l'_interface utilisateur d'un système externe transmet la requête à un service d'orchestration (conceptualisé en tant que _MuleSoft Conductor_), qui interprète l'intention et planifie la tâche. Le chef de train utilise ensuite l'A2A pour acheminer les appels vers les agents fournisseurs, y compris les agents Agentforce pour des actions CRM ou de service.
- **Considérations clés**: Ce modèle est destiné aux points d'entrée non-Salesforce dans lesquels un orchestrateur neutre est préférable sur le plan architectural. Il garde l'UX dans le système de domaine tout en centralisant le raisonnement, la gouvernance, la politique et l'observabilité dans MuleSoft.
## 11\. Assemblage de solutions: Composition de modèles
Ces modèles individuels et archétypes d'orchestration sont des blocs de construction architecturaux conçus pour être composés en solutions de bout en bout. La Carte de solution agentique est utilisée pour visualiser comment ces composants sont câblés ensemble.
- Une _solution Member Services_ pour un prestataire de soins est une implémentation standard de l'archétype SOMA. Il utilise un Answerbot pour les utilisateurs anonymes, un _Orchestrateur_ pour les membres authentifiés et plusieurs _agents de PME_ (par exemple, Requête, Réclamations et Avantages) pour gérer des demandes spécifiques.
- Un _portail B2C Broker_ est une composition complexe qui utilise un agent _Orchestrateur_ de portail pour invoquer un _agent Gestionnaire de projet_ de longue date dans le cadre d'un processus de demande de propositions, lequel utilise à son tour _Headless_, _Data Steward_ et _Interrogator_ pour les opérations de back-office sur les données.
## 12\. Conclusion
Une méthodologie de schéma de conception agentique fournit la discipline architecturale requise pour élaborer des systèmes d’IA d’entreprise robustes, évolutifs et maintenables. En réduisant la complexité et en favorisant la modularité, ces modèles permettent aux architectes de fournir des solutions agentiques fiables et prévisibles.
Le choix d'un archétype d'orchestration est une décision stratégique basée sur l'endroit où les utilisateurs travaillent, le contexte et comment l'entreprise régit l'interaction entre les humains, les agents et les systèmes. En comprenant la distinction entre les agents d'élaboration et leur orchestre, et en exploitant des protocoles ouverts tels que _MCP_ et _A2A_, les architectes peuvent dépasser la création de robots isolés pour concevoir un système de raisonnement d'entreprise cohérent, gouverné et distribué. Cette approche fournit un langage partagé et une série de plans réutilisables pour élaborer une architecture agentique durable.
## Annexe : Cartes de solutions et architectures système
L'annexe ci-dessous présente des exemples concrets de la composition des schémas agentiques en solutions au niveau du système.
### Annexe A : Exemple de composition de schéma de base
Ce diagramme illustre comment cinq modèles de base peuvent être connectés ensemble pour créer un workflow de service client commun.
1. **Answerbot**: Un utilisateur anonyme pose une question, qui est traitée par un agent basé sur Knowledge.
2. **Opérateur**: La question d'un employé est triée par un Opérateur, qui consigne la conversation et la transmet à un agent plus spécialisé.
3. **Orchestrateur**: Un utilisateur authentifié (Utilisateur SF) interagit avec un Orchestrateur qui coordonne plusieurs agents pour gérer une demande à facettes multiples.
4. **Expert du domaine**: Des agents spécialisés (par exemple, des agents RH ou des agents des avantages sociaux) sont invoqués par l'orchestrateur pour effectuer des mises à jour sur le sujet et récupérer des données spécifiques.
5. **Générateur**: Les agents utilitaires sont utilisés pour résumer les détails du compte ou conclure une requête une fois l'interaction terminée.
### Annexe B : Carte des solutions Agentic - Services aux membres
Cette carte de solution détaille une architecture agentique pour un cas d'utilisation des Services des membres, en montrant la composition de plusieurs modèles.
- **Profils utilisateur**: La solution sert trois types d'utilisateur distincts : Utilisateur anonyme, Membre authentifié et Utilisateur SF (par exemple, un RSE).
- **Modèles d'interaction**: Un _Answerbot_ gère les requêtes anonymes « Find-A-Doc », tandis qu'un Orchestrateur (Agentic Front Door) gère les requêtes des utilisateurs authentifiés. Un _modèle Listener/Feed_ assiste l'utilisateur SF.
- **Réutilisation de l'agent de domaine**: Les agents spécialisés _experts du domaine_ (par exemple, Agent de dossiers, Agent de réclamations ou Agent de prestations) sont réutilisés dans différents flux d'interaction.
- **Autonomes et assistifs**: Le système combine des _agents autonomes_ (pour diriger l'interaction des utilisateurs) et _des agents d'assistance_ (pour augmenter les RSE humains).
- **Sources de données**: L'architecture intègre une combinaison de sources de données publiques et d'entreprise, avec une utilisation intensive de _Data 360_ et _MuleSoft_ pour la connectivité.
### Annexe C : Architecture système - Centre de contact
Ce diagramme illustre une architecture logique pour une solution d'IA d'assistance dans un Centre de contact, organisée en couches fonctionnelles.
- **Agents orchestrateurs**: Gérez les expériences utilisateur pour différentes personnes (par exemple Anonyme, Membre externe ou RSE) et orchestrez le flux d'interaction global.
- **Agents travailleurs**: Les agents spécialisés _experts du domaine_ sont focalisés sur des domaines métiers essentiels tels que Knowledge, Dossiers/Réclamations/Avantages et Provider Directory. Un agent _Next Best Action_ est également inclus.
- **Agents utilitaires**: Effectuez des tâches spécifiques et réutilisables telles que la traduction, la clôture d'un dossier et le résumé d'un appel.
Intégration et systèmes de base : L'ensemble du système agentique est connecté via une couche d'intégration multi-plate-forme à des ressources de données non structurées, des ressources de données structurées et des systèmes d'entreprise de base.
- **Gouvernance**: Une couche de gouvernance fournit l'observabilité, l'évaluation et la gestion des LLM/SLM utilisés par les agents.
### Annexe D : Carte des solutions Agentic - Portail courtier
Cette carte des solutions présente une interaction agentique complexe et de longue durée pour un portail de courtiers en assurance santé B2B. Le modèle comprend un _agent du portail_ (_Orchestrateur_) qui facilite le parcours du courtier à travers plusieurs étapes (par exemple, soumettre une RFP et recevoir une proposition). Cet orchestrateur invoque un agent _Chef de projet_, qui coordonne ensuite plusieurs agents headless pour la qualité et les transformations des données back-office, par exemple un extracteur de DP, une transformation de recensement et un délégué aux données.
### Annexe E : Architecture système - Agents courtiers B2C
Ce diagramme présente une architecture logique pour une solution de courtage B2C, qui montre une approche similaire à celle du Centre de contact. Il comprend les _agents orchestrateurs_ pour différents types d'utilisateurs, _les agents travailleurs_ réutilisables pour des domaines clés (par exemple, Knowledge, Services aux membres ou Commissions) et les _agents des services_ publics pour des fonctions spécifiques telles que la traduction et le résumé.
### Annexe F : Architecture système - Contractualisation des fournisseurs
Le diagramme ci-dessous montre une architecture logique pour une solution de Contrat de fournisseur. Les agents _d'orchestre_ gèrent les interactions complètes, _les agents travailleurs_ gèrent des intentions spécifiques dans un domaine (par exemple, un agent PME contractante) et les agents _des services publics_ exécutent des tâches discrètes telles que la comparaison de contrats ou la génération de connaissances.
### Annexe G : Tableau récapitulatif des modèles d'interaction
Le tableau ci-dessous récapitule plusieurs modèles d'interaction clés, des expériences utilisateur typiques et des objectifs architecturaux principaux.
| Modèle | Expérience utilisateur (UX) | Objet |
|---|---|---|
| Greeter | Texte tour par tour (Chat, Voice, SMS, etc.) qui se termine par le transfert de l'interaction à un humain par le répondeur | Il s'agit d'un schéma simple utilisé pour déterminer l'intention de l'utilisateur, puis l'acheminer vers l'agent humain approprié. |
| Opérateur | Texte tour par tour (Chat, Voice, SMS, etc.) qui se termine par le transfert de l'interaction à un agent humain ou spécialiste. | Il est utilisé pour acheminer les requêtes vers les agents hybrides appropriés. En s'appuyant sur le Greeter, c'est un schéma simple qui négocie l'intention, puis transfère l'interaction à un agent humain ou IA spécialisé. |
| Orchestrateur | Texte tour par tour (Chat, Voix, SMS, etc.) avec le répondeur qui collecte et agrège les réponses des agents spécialisés et les livre à l'UX | Il est utilisé pour coordonner un « essaim » IA-agent géré qui répond à une conversation pendant sa progression. Un agent Orchestrateur transmet le texte de chaque tour à un ou plusieurs agents spécialisés, puis agrège les réponses de chacun. |
| Answerbot | Invite et réponse | Il s'agit d'une interface en langage naturel qui utilise des ressources Knowledge, des FAQ, des stratégies, etc. pour former des réponses. |
| Interrogateur | Invite et réponse | Cette interface en langage naturel est utilisée pour poser des questions dans un domaine ou une zone spécifique. |
| Écouteur / Fil | Texte tour par tour (Chat, Voix, SMS, etc.) qui se termine par le modèle Orchestrateur alimentant un Fil linéaire | Il est utilisé pour mettre en évidence le contexte et fournir des éclairages dans le flux de conversation. |
| Espace de travail (Radar O'Reilly) | Texte tour par tour (Chat, Voix, SMS, etc.) qui se termine par un affichage tête haute adaptatif à panneau unique | Il est utilisé pour gérer une UX à panneau unique réactive dans le flux de conversation. |