On demande beaucoup aux agents IA : lire un ticket, trouver la bonne information, proposer une action. Quand le résultat déçoit, le réflexe est d’accuser le modèle. Sur le terrain, le modèle est souvent le moins coupable. Ce qui manque, c’est une représentation stable du métier, objets, relations, unités, droits, que l’agent puisse interroger sans inventer.
Un contrat, pas un entrepôt de plus
Une couche sémantique n’est pas un data warehouse de plus. C’est un contrat. Elle dit ce que signifient « client », « commande », « site » ou « facture » dans votre contexte, comment ces notions se relient, et sous quelles règles on peut les lire ou les écrire. Sans ce contrat, l’agent pioche dans des exports, des wikis et des APIs hétérogènes. Il peut produire une phrase fluide et une décision fausse.
Le problème devient visible dès que plusieurs systèmes parlent du même objet avec des définitions différentes. Un client actif pour le CRM n’est pas forcément un client facturable pour la finance. Un site pour l’exploitation n’est pas toujours un site pour la facturation énergie. L’agent, lui, n’a aucun moyen de trancher si personne n’a formalisé ces distinctions. Il choisit alors la source la plus accessible, pas la plus juste. C’est le même enjeu que celui d’une couche d’APIs data : rendre le SI adressable sans le refaire.
Lisibilité avant autonomie
Les équipes qui tiennent en production investissent d’abord dans ce vocabulaire opérable. Elles exposent des requêtes métier plutôt que des tables brutes. Elles journalisent ce que l’agent a cru comprendre. Elles refusent l’accès large « au cas où ». L’autonomie vient après la lisibilité, jamais avant. Tant que le sens n’est pas partagé, élargir le périmètre de l’agent revient surtout à accélérer les erreurs. La gouvernance des agents (logs, périmètre, escalation) complète ce cadre.
C’est dans cet esprit que des briques comme VERB cherchent à rendre la donnée interprétable avant de la confier à un agent. Si vos agents hallucinent surtout sur le métier, et non sur la grammaire, le problème n’est probablement pas le LLM. C’est l’absence d’une couche qui dit ce que les mots veulent dire chez vous. Pour aller plus loin sur le produit, voir aussi verbsolution.com.
