# AI Platform : le socle commun qui permet à chaque équipe de construire ses agents

> Sans plateforme, chaque équipe recommence tout : accès aux modèles, sécurité, garde-fous, suivi des coûts. Avec une plateforme, elle se concentre sur son métier et s’appuie sur des briques validées, partagées et gouvernées.

Source : https://dasein-ai.com/fr/articles/ai-platform · Dasein · Mis à jour le 1er octobre 2026

## En bref

- Une AI Platform regroupe ce que chaque équipe referait sinon de son côté : gateway de modèles, opérations, catalogue et gouvernance.
- Chaque équipe choisit son niveau d’autonomie : utiliser des agents existants, assembler les siens sur la plateforme, ou construire en autonomie en respectant les standards communs.
- Dasein aide à concevoir cette plateforme et son organisation : modèle fédéré, centre d’excellence et règles du jeu entre équipe plateforme et équipes métiers.

## 1. Sans plateforme, chaque équipe recommence

Les premiers agents naissent souvent dans des équipes différentes, chacune avec ses outils. Au bout de quelques mois, les mêmes problèmes apparaissent partout :

- des clés d’accès aux modèles dispersées dans le code et les configurations ;
- des garde-fous réinventés par chaque équipe, avec des niveaux de sécurité inégaux ;
- des coûts invisibles jusqu’à la facture, impossibles à attribuer ;
- des agents et des outils introuvables, donc refaits ailleurs ;
- aucune vue d’ensemble pour la sécurité, l’audit ou la conformité.

## 2. Une plateforme, quatre blocs

Une AI Platform met en commun ce qui n’a aucune raison d’être différent d’une équipe à l’autre. Les équipes gardent leur métier, leurs données et leurs choix ; la plateforme fournit le reste.

*Schéma : Les blocs de l’AI Platform et les trois façons dont les équipes s’en servent.*

- **Opérations** : Faire tourner les agents et les équipes : environnements d’exécution, sécurité et identité, arrivée d’une nouvelle équipe, suivi des coûts, observabilité et évaluation.
- **Catalogue** : Tout ce qui peut être réutilisé : agents, outils et serveurs MCP, workflows, prompts et skills, applications. Chaque élément a un propriétaire, une version et un statut de validation.
- **Gateway de modèles** : Un seul point d’accès à tous les modèles, propriétaires, open source ou adaptés à l’entreprise : routage selon le besoin, quotas et coûts par équipe.
- **Gouvernance et standards** : Les règles communes : garde-fous, politiques d’usage, frameworks et patterns recommandés, bonnes pratiques et assets réutilisables.

Ces quatre blocs gouvernent les agents. Ce que les agents comprennent de vos données dépend d’un étage situé juste en dessous : le socle sémantique, c’est-à-dire les concepts, définitions et règles métier que la plateforme rend interrogeables.

À lire aussi : [La sémantique : le pont entre vos données et vos agents](https://dasein-ai.com/fr/articles/couche-semantique), Pourquoi un agent a besoin d’un langage commun entre métiers et tech, et comment le mettre en place.

## 3. Trois populations, une plateforme

Une même plateforme sert trois publics, qui ne se posent pas la même question. Elle doit répondre aux trois à la fois.

|  | Consomme | Assemble | Gouverne |
| --- | --- | --- | --- |
| Qui | L’utilisateur métier | Le porteur de cas d’usage | L’équipe IT et plateforme |
| Sa question | « Est-ce que ça me fait gagner du temps au quotidien ? » | « Est-ce que je peux monter mon cas d’usage sans coder ? » | « Est-ce que je contrôle ce qui sort du SI ? » |
| Ses besoins | Parler à un agent en langage naturel, obtenir un résultat fiable et sourcé, produire des livrables professionnels | Construire un agent pour son métier, tester, itérer, mesurer la valeur, passer en production quand ça marche | Exposer les API en serveurs MCP et les gouverner, assurer sécurité, conformité et audit, opérer la plateforme |
| Ses outils | Front d’IA, Teams, Slack | Studio d’agents, gateway LLM, gestion d’API | VS Code, agents de code, MCP, ligne de commande |

> Une seule plateforme, trois portes d’entrée. La gouvernance IT ne freine pas les métiers : elle les protège.

## 4. Trois façons d’utiliser la plateforme

Toutes les équipes n’ont ni les mêmes besoins ni les mêmes compétences. Une bonne plateforme ne leur impose pas un modèle unique : elle propose plusieurs niveaux d’autonomie.

| Niveau | L’équipe… | La plateforme fournit… | Typiquement |
| --- | --- | --- | --- |
| Utiliser | utilise des agents et des applications du catalogue, et expose ses données sous forme d’outils | tout le reste | Équipes métiers sans développeurs |
| Assembler | construit ses propres agents, outils et applications avec les briques de la plateforme, puis les publie au catalogue | exécution, gateway, sécurité, observabilité, garde-fous, mémoire | Équipes produit ou data avec quelques développeurs |
| Construire en autonomie | construit sa propre pile technique, indépendante du cœur de la plateforme | les standards et la gouvernance à respecter, et le catalogue à alimenter | Équipes d’ingénierie matures, besoins très spécifiques |

> Ce qui ne change pas, quel que soit le niveau : tout passe par le catalogue et respecte la gouvernance commune. C’est ce qui permet à une équipe de réutiliser l’agent d’une autre.

## 5. Trois gateways, trois gouvernances

Tous les flux passent par une gateway, mais pas par la même. Appels aux modèles, appels aux outils et appels entre agents n’ont ni les mêmes contrats, ni les mêmes règles, ni la même maturité.

*Schéma : Trois gateways : vers les modèles (LLM), vers les outils (MCP) et entre agents (A2A).*

> Pourquoi pas une seule brique ? Des contrats différents, des unités de gouvernance différentes, une observabilité différente et des maturités technologiques différentes. Les regrouper imposerait des compromis inacceptables.

## 6. Le modèle fédéré

Deux écueils guettent. Tout centraliser dans une équipe IA qui construit tout crée un goulot d’étranglement. Tout décentraliser recrée le chaos du départ. Le modèle fédéré partage les rôles : les équipes applicatives gardent leurs applications, leur orchestration et leurs données dans leur propre environnement ; l’équipe plateforme fournit et opère le socle commun.

*Schéma : Le modèle fédéré : une équipe plateforme fournit le socle, les équipes applicatives construisent dessus.*

Deux mondes, un contrat d’interface : les applications consomment les capacités de la plateforme via un contrat stable, sans connaître son organisation interne. Plusieurs équipes plateforme peuvent même coexister, dès lors qu’elles respectent le contrat commun défini par le centre d’excellence. L’autonomie locale accélère, la gouvernance centrale garantit la cohérence.

|  | Centralisé | Décentralisé | Fédéré |
| --- | --- | --- | --- |
| Qui construit les agents | Une équipe IA centrale | Chaque équipe, seule | Les équipes, sur un socle commun |
| Point fort | Cohérence, contrôle | Vitesse, proximité du métier | Les deux à la fois |
| Risque | Goulot d’étranglement | Doublons, coûts, failles | Demande une équipe plateforme solide |

## 7. Le centre d’excellence

À côté de l’équipe plateforme, un petit centre d’excellence porte les règles et le savoir-faire :

- définir les standards : frameworks, patterns, middlewares de contrôle validés ;
- valider les modèles avant leur mise à disposition ;
- porter le cadre d’IA responsable : usages autorisés, données sensibles, validation humaine ;
- produire des assets réutilisables : modèles d’agents, skills, prompts, exemples ;
- accompagner l’arrivée des équipes et mesurer l’adoption et la valeur.

> Un bon centre d’excellence outille plus qu’il ne contrôle : il rend le bon chemin plus facile que le mauvais.

## 8. Et MCP dans tout ça ?

MCP et A2A sont les prises standard qui relient les agents aux outils et aux autres agents. Ils facilitent la vie de la plateforme, mais ils n’en sont qu’une brique : c’est la plateforme qui décide quelles prises sont autorisées, pour qui, et sous quelles règles. Les contrôles se posent à deux endroits complémentaires : dans les gateways, pour tous les agents à la fois, et dans les middlewares de chaque agent, au plus près de ses décisions.

Article : [MCP : le protocole, ses limites, et ce qu’il faut autour](https://dasein-ai.com/fr/articles/mcp), Ce que MCP apporte, ses cas d’usage, ses limites, les quatre schémas d’identité, les protocoles A2A et AG-UI, et les solutions du marché.

## 9. Par où commencer

- Mettre en place la gateway de modèles : un seul point d’accès, avec le suivi des coûts par équipe dès le premier jour.
- Ouvrir un catalogue minimal : quelques agents, outils et prompts validés, avec un propriétaire chacun.
- Brancher l’observabilité centrale et l’évaluation.
- Embarquer une équipe pilote au niveau « utiliser » ou « assembler », puis industrialiser l’arrivée des suivantes.
- Formaliser un centre d’excellence léger : standards, validation des modèles, IA responsable.

## Pour aller plus loin

- [AWS: Generative AI operating models in enterprise organizations](https://aws.amazon.com/blogs/machine-learning/generative-ai-operating-models-in-enterprise-organizations-with-amazon-bedrock/)
- [AWS: Build a multi-tenant generative AI environment for your enterprise](https://aws.amazon.com/blogs/machine-learning/build-a-multi-tenant-generative-ai-environment-for-your-enterprise-on-aws/)
- [AWS: Bedrock AgentCore overview](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/what-is-bedrock-agentcore.html)
- [Microsoft: AI gateway capabilities in Azure API Management](https://learn.microsoft.com/en-us/azure/api-management/genai-gateway-capabilities)
- [Microsoft: Use a gateway in front of model deployments](https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/azure-openai-gateway-multi-backend)
- [Microsoft: Establish an AI Center of Excellence](https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai/center-of-excellence)
- [Google Cloud: Agentic AI architecture guides](https://docs.cloud.google.com/architecture/agentic-ai-overview)
