ML et IA générative dans le lac de données (French Edition)

Chapitre 9. AgentsIA dans le Lakehouse

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Dans les chapitres précédents,, tu as travaillé avec des modèles, des prompts et des pipelines de récupération en tant qu’éléments constitutifs individuels. Ce chapitre fait passer l’unité de conception d’un simple appel de modèle à un système plus vaste et avec état. Dans un système agentique, le modèle n’est qu’un composant parmi d’autres. Il est entouré d’une mémoire, d’interfaces d’outils, d’une logique d’exécution et de politiques de contrôle qui permettent au système de poursuivre un objectif en plusieurs étapes.

Cette distinction est importante dans le Lakehouse. De nombreuses tâches d’entreprise ne peuvent pas être accomplies avec un seul prompt, aussi bien écrit soit-il. Répondre à une question métier peut nécessiter de récupérer de la documentation, d’interroger des données gouvernées, d’effectuer des calculs, de vérifier les résultats et de formuler une explication finale. Ces tâches tirent parti d’un système capable de décomposer le travail, de choisir des actions et de s’adapter à mesure que de nouvelles informations arrivent.

Un agent IA s’apparente donc davantage à une application orchestrée construite autour d’un modèle qu’à un modèle isolé. Le Lakehouse fournit les ingrédients dont ces systèmes ont besoin en production : données régulées, métadonnées, puissance de calcul évolutive, stockage durable ...