Pourquoi Open Cradle

Presque toutes les entreprises construisent aujourd'hui leurs propres agents d'IA. Dans quelques années, ils seront des millions.

D'où une question à laquelle l'industrie n'a guère commencé à répondre. Non pas comment construire un agent — ce problème est résolu par des dizaines d'équipes, de plus en plus simplement, chaque trimestre. La question est : qui les gouverne ?

Pas des modèles isolés. Pas des workflows isolés. Mais l'ensemble du système d'interactions entre agents, connaissances, politiques de sécurité, processus d'entreprise et les humains qui restent responsables du résultat.

Une forme déjà connue

Nous avons déjà vu ce motif.

Les applications avaient besoin d'un lieu d'exécution, avec isolation, planification et une interface stable avec le matériel. C'est devenu le système d'exploitation. Les conteneurs avaient besoin d'un lieu d'exécution, avec planification, identité, réseau et gestion des défaillances sur de nombreuses machines. C'est devenu Kubernetes.

Dans les deux cas, le runtime ne semblait pas intéressant quand la technologie était jeune. D'abord, tout l'intérêt était dans les applications, et le runtime ressemblait à de la plomberie. Il est devenu le centre de gravité plus tard, quand le nombre de choses exécutées a franchi le seuil où la gestion manuelle cesse de fonctionner.

Les agents tendent vers ce seuil. Dix agents, on les gouverne à la main. Mille agents — écrits par des équipes différentes, certains fournis par des éditeurs, d'autres assemblés par une direction métier sans revue d'ingénierie, appelant les outils les uns des autres, touchant des données qui se recoupent sous des obligations juridiques distinctes — non. Il faut une couche où l'identité, les permissions, la validation, l'escalade et l'audit existent une fois, pour tous.

Ce que Open Cradle n'est pas

Ce n'est pas un autre framework d'IA. Les frameworks aident à écrire un agent ; le difficile commence une fois l'agent fonctionnel.

Ce n'est pas un builder d'agents. L'assemblage d'étapes en workflow est la partie la plus visible et la moins durable du problème.

Ce n'est pas une AI Factory. Documents en entrée, index, modèle, assistant en sortie — le premier article de cette série explique pourquoi ce pipeline s'arrête à la démonstration.

C'est un harness system pour systèmes intelligents : un environnement d'exécution où les agents proposent, le modèle du domaine valide, les politiques décident du permis, les outils exécutent, la vérification confirme, et l'humain possède les décisions qui doivent avoir un propriétaire.

Ce que cela change en pratique

Pour une organisation, le changement va de « nous avons déployé un assistant IA » à quelque chose d'une autre forme.

On peut énoncer ce qu'un agent a le droit de faire, et l'imposer autrement que dans un prompt. On peut répondre au pourquoi d'une décision par une chaîne de preuves plutôt qu'un paragraphe plausible. On peut placer l'humain aux points qui portent des conséquences, au lieu de tout relire ou de ne rien relire. On peut ajouter un deuxième agent, puis un dixième, sans que le coût de gouvernance croisse avec chacun. Et on peut le faire sur son propre infrastructure — ce qui, pour beaucoup de nos utilisateurs, n'est pas une préférence mais une obligation légale.

Ce dernier point mérite sa place, mais pas le titre. L'hébergement local importe : la plateforme tourne entièrement sur votre matériel, dans votre réseau, sous votre contrôle, et peut être isolée d'Internet. Mais l'exécution locale ne rend pas un système sûr à elle seule. Une hallucination sur votre propre serveur reste une hallucination. La souveraineté concerne l'endroit où le système tourne ; le harness concerne la manière dont il tourne. Les deux sont nécessaires, et l'on en propose généralement un seul.

Où nous en sommes, sans fard

Cradle, aujourd'hui, couvre la partie exécution : orchestration de modèles locaux, routage d'agents, ancrage dans vos documents, filtrage du risque à deux niveaux, validation humaine avant toute sortie du périmètre. Cela fonctionne, on-premise, maintenant.

Le reste de ce que cette série décrit — moteur de politiques, environnement de validation, ontologies et packs métier comme composants de première classe — est l'architecture vers laquelle nous construisons, documentée et marquée comme cible dans le guide d'architecture. Nous préférons être mesurés sur un design déclaré par écrit plutôt que vendre un système achevé qui n'existe pas encore.

Le pari

Notre pari est qu'ici quelques années, la question intéressante sur l'IA d'entreprise ne sera pas de savoir quel modèle une entreprise utilise. Les modèles deviendront interchangeables et globalement assez bons.

La question intéressante sera de savoir ce qui s'interpose entre le modèle et le réel — et si une organisation peut expliquer, borner et assumer ce que ses agents font.

Cette couche doit exister. Nous pensons qu'elle devrait être ouverte, auto-hébergeable et conçue pour les organisations qui portent une véritable responsabilité, plutôt que pour les démonstrations.

Voilà pourquoi Open Cradle.

---

Dernier article d'une série en cinq parties : AI Factory · RAG · Harness system · Environnement neuro-symbolique · Pourquoi Open Cradle.