Contexte et enjeux

Les agents d'intelligence artificielle déployés dans les entreprises doivent accéder à des données enrichies du contexte métier pour éviter les réponses incohérentes ou les actions non autorisées. Selon Jesús Barrasa, CTO de Neo4j, un knowledge graph agit comme couche unique de vérité, offrant à la fois la cohérence des réponses et la traçabilité nécessaire à l'explicabilité des décisions d'IA.

Gouvernance runtime avec Neo4j et Collibra

Collibra a intégré le moteur de graphe Neo4j dans plusieurs de ses solutions – Live Map, Maestro, Guardian Agents et Agent Contracts – pour créer un système de contrôle en temps réel. Maestro, par exemple, permet d'automatiser jusqu'à 80 % du travail de gouvernance, en générant des agents de gouvernance capables de valider les actions d’autres agents à la vitesse requise par les charges de travail IA. Les Agent Contracts définissent des limites opérationnelles et bloquent immédiatement toute action qui contrevient aux règles préétablies, réduisant ainsi le risque d’exécution non autorisée.

Sécurisation des modifications grâce aux graphes de connaissances

Blitzy exploite un graphe de connaissances pour cartographier les dépendances logicielles lorsqu’elle déploie des milliers d’agents de codage. Cette cartographie permet aux agents de déterminer l’impact potentiel d’une modification avant de l’appliquer, évitant les ruptures inattendues dans des systèmes complexes. Le processus inclut des plans d'action approuvés par des humains et des tests automatisés qui garantissent que chaque changement respecte les spécifications initiales, limitant ainsi le phénomène de « drift » ou d’« hallucination » des agents.

Fiabilité des flux financiers via les graphes de connaissances

Raymond James utilise Neo4j pour consolider les sources de données qualifiées de « golden sources ». Les agents IA accèdent à ces sources via le graphe, puis effectuent des évaluations comparatives (« evals ») afin de vérifier que les résultats sont 100 % exacts avant toute mise en production. Cette approche renforce la confiance dans les workflows pilotés par IA, notamment pour l’assistant interne « Raimond », qui bénéficie d’une adoption croissante grâce à la capacité du graphe à fournir un contexte fiable et à réduire les erreurs humaines dans les tâches répétitives.