Présentation du service
CBTS Technology Solutions a introduit Forge Agents, une plateforme qui transforme une description en langage naturel d’une tâche en un agent d’intelligence artificielle opérationnel. Le processus repose sur une bibliothèque de 187 artefacts pré‑construits et 34 modèles transversaux couvrant plusieurs secteurs. Selon CBTS, cette combinaison permet de mettre un agent en production en quelques jours, contre plusieurs semaines voire mois dans les approches traditionnelles.
Architecture et composants
Forge Agents s’appuie sur l’infrastructure cloud déjà souscrite par le client. La plateforme peut exploiter les modèles d’Anthropic PBC, Google LLC, Amazon Web Services ou Cisco Systems, ainsi que des déploiements sur site dans le data‑center du client. Cette flexibilité évite tout « ripping out » d’infrastructure existante et maintient la continuité des contrats de licence. Le moteur assemble les artefacts en fonction de la description texte, puis orchestre les appels aux modèles sélectionnés via des API standardisées. Le résultat est un agent capable d’interagir avec les flux de travail internes tout en restant encapsulé dans la tenancy du client.
Sécurité et gouvernance
Le produit intègre des contrôles d’accès, des portes d’entrée (intake gates) et des traces de décision auditable. Chaque exécution génère un journal détaillé, facilitant la conformité aux exigences réglementaires. CBTS propose également une couche d’explicabilité des sorties, ce qui, selon le CTO Mark Giles, assure une « défensabilité au niveau du conseil d’administration ». La gestion des clés de chiffrement et la gouvernance de la lignée des données restent du côté de l’acheteur, même lorsque les modèles sont hébergés chez des fournisseurs tiers. Cette approche répond au constat de Forrester (rapport de juin) selon lequel la responsabilité de gouvernance est répartie sur plus de sept rôles, aucun ne détenant plus de 28 % de la responsabilité.
Analyse des performances et limites
CBTS a testé la solution en interne, déployant des agents dans les fonctions client, finance, opérations et ressources humaines, avec plus de 2 300 employés collaborant avec les agents. Le retour sur investissement a été atteint en trois mois, grâce à la facturation à l’usage et à la visibilité centralisée des métriques de consommation, de précision et de dépenses. Cependant, la dépendance à des modèles externes (Anthropic, Google, AWS) implique des contraintes de latence et de souveraineté des données, surtout pour les organisations soumises à des exigences de résidence des données. De plus, le modèle de facturation à la consommation peut rendre difficile la prévision budgétaire pour des charges de travail très variables. Enfin, l’efficacité de l’agent dépend fortement de la qualité de la description initiale ; des ambiguïtés linguistiques peuvent entraîner des artefacts mal assemblés, nécessitant une supervision humaine supplémentaire.
