Blank white background with no objects or features visible.

Bonjour, zone EMEA ! TrueFoundry étend sa présence en Europe, au Moyen-Orient et en Afrique. En savoir plus. →

De l'agent à la boucle, puis au graphe : une architecture de production pour les systèmes agentiques

Par Boyu Wang

Mis à jour : novembre 20, 2026

Published: août 23, 2026

Un post X largement partagé, daté du 18 août 2026, attribue une présentation de deux heures à Andrew Ng et propose une progression très utile du périmètre d'ingénierie : un premier agent opérationnel à 9:14, des boucles à 33:11, des boucles devenant des graphes à 1:02:46, des agents modifiant leur propre code à 1:30:15, et une couche d'orchestration liant l'ensemble du système à 1:49:05. Cet article utilise ce plan horodaté comme point de départ pour une architecture de production ; son analyse ne dépend pas de l'exactitude de cette attribution.

Que ces termes deviennent ou non le vocabulaire canonique du domaine, cette progression est intéressante car chaque étape introduit une question d'ingénierie système différente. Un agent unique pose des questions de capacités et d'utilisation d'outils. Une boucle durable ajoute des problématiques d'état, de reprise sur erreur, de contexte et d'approbation. Un graphe introduit la topologie, la coordination et la délégation. L'auto-modification soulève des questions de vérification, de confinement et de déploiement en production. Enfin, l'orchestration transforme ce système combiné en un véritable défi d'exploitation.

Analyse éditoriale et points clés à retenir
Note sur la source. Le post X fourni est daté du 18 août 2026 et présente les cinq horodatages ci-dessous comme une démonstration d'Andrew Ng. Nous avons trouvé des copies syndiquées conservant le même plan horodaté, mais nous n'avons pas vérifié de manière indépendante l'existence de cet enregistrement de deux heures en tant que publication officielle d'Andrew Ng. Le catalogue actuel de DeepLearning.AI liste le cours Agentic AI d'Andrew Ng à 7h45 et Agentic Knowledge Graph Construction comme un cours séparé de 3h08 dispensé par Andreas Kollegger. Ni l'un ni l'autre ne permettent de confirmer la provenance exacte du support de deux heures. Les horodatages de cet article constituent donc le cadre du post X, et l'architecture de production présentée ci-dessous reflète l'analyse éditoriale de TrueFoundry.
Le principe opérationnel : la démarche intéressante ne consiste pas à « remplacer les prompts par des graphes ». Elle consiste à rendre le travail à fort impact explicite sous forme de boucles d'exécution, d'arêtes de graphe et de contrôles opérationnels capables d'être inspectés, délimités et améliorés.

Points clés à retenir

  • Passer de l'agent à la boucle, puis au graphe, implique un changement d'objet d'ingénierie. Le modèle ne disparaît pas ; une responsabilité accrue est transférée à la mécanique logicielle qui l'entoure.
  • Les boucles et les graphes sont complémentaires. Un graphe détermine quels nœuds existent et comment le travail circule ; les nœuds agentiques multi-étapes nécessitent toujours une boucle locale qui planifie, agit, observe et gère les erreurs.
  • Ne confondez pas l'orchestration de graphes et les graphes de connaissances (knowledge graphs). Un graphe de connaissances structure l'information ; un graphe d'agents structure l'exécution, la délégation, les dépendances et les autorisations.
  • L'auto-modification élève le niveau d'exigence. Si un agent peut réécrire du code ou de la configuration, la modification qu'il propose ne doit pas constituer la seule preuve utilisée pour valider ce changement.
  • TrueForge s'intègre naturellement au sein des nœuds agentiques multi-étapes. Il s'agit d'un agent harness open-source pour la boucle d'exécution : appels de modèles, outils MCP, compétences, sandboxing, approbations, sous-agents, gestion du contexte et état de session persistant.
  • Les passerelles TrueFoundry fournissent des surfaces de politiques partagées sur l'ensemble du trafic routé. L'accès aux modèles, le routage, les budgets, les limites de débit, les guardrails et les traces peuvent être centralisés pour les appels de modèles routés via l'AI Gateway ; l'authentification MCP et les politiques d'outils/serveurs peuvent être centralisées pour le trafic MCP routé via la MCP Gateway.

1. Le premier agent est une capacité ; la boucle en fait un système

La première étape de la publication est la plus facile à identifier : faire fonctionner un premier agent. Donnez un objectif à un modèle, une interface d'outils et suffisamment d'état pour choisir une action. C'est le moment précis où un modèle linguistique cesse d'être un simple générateur de texte pour commencer à participer à un système.

Mais ce n'est pas autour d'une action unique que la complexité opérationnelle s'accumule. La complexité apparaît lorsque l'agent doit poursuivre son exécution : observer le résultat, décider si la tâche est terminée, appeler un autre outil, survivre à un échec d'appel, compacter le contexte, demander une approbation ou reprendre son travail le lendemain.

C'est pourquoi l'article de TrueFoundry de juin sur l'ingénierie des boucles définissait la discipline en ces termes :

Citation sur l'ingénierie des boucles
« L'ingénierie des boucles consiste à concevoir le système qui formule les prompts de vos agents. »

Cette formulation est essentielle car elle déplace l'attention d'un prompt unique et héroïque vers l'infrastructure. Dès lors que la boucle accomplit un travail utile de manière autonome, les questions de conception deviennent des problèmes d'ingénierie système classiques : où réside l'état, quelles actions peuvent être réessayées, combien de fois un échec peut se répéter, quand un humain doit intervenir, quel code peut être exécuté, quels identifiants sont accessibles et comment une exécution est reconstruite a posteriori.

Progression from a single agent to a durable loop, then a graph, then a shared operating plane with routing, budgets, guardrails, and traceability.
Figure 1. Une lecture axée sur la production de la progression proposée. Passer d'un agent unique aux boucles, puis aux graphes, et enfin à une surface d'exploitation partagée déplace le cœur de l'ingénierie de la conception de prompts vers la conception du runtime, de la topologie, des politiques et des preuves.

2. Un graphe ne remplace pas la boucle ; il organise les boucles et les autres nœuds

Le saut conceptuel suivant — la transformation des boucles en graphes — est l'étape où l'engouement médiatique risque de masquer les réalités techniques utiles. Un graphe ne signifie pas par définition « plus d'agents ». Un graphe de production peut contenir des agents, des fonctions déterministes, des routeurs, des jonctions, des files d'attente, des points de contrôle humains, des évaluateurs, des écritures en base de données et des services classiques.

Le guide d'ingénierie des graphes publié par TrueFoundry en juillet résumait cette relation en quelques mots :

Citation sur l'orchestration de graphes
« L'orchestration de graphes et les boucles d'agents sont complémentaires. »

Le graphe ou l'orchestrateur répond à des questions telles que : quel nœud s'exécute ensuite ? Deux branches peuvent-elles s'exécuter en parallèle ? Quel résultat débloque une jonction ? Que se passe-t-il lorsqu'une branche échoue ? Quel agent peut déléguer à quel autre agent ? Quel parcours nécessite un point de contrôle humain ? Une boucle multi-étapes au sein d'un nœud agentique répond à un ensemble différent de questions : quel contexte voit l'agent, quel outil sélectionne-t-il, comment gère-t-il les observations, quand réessaie-t-il et quand son travail local est-il terminé ?

Execution graph showing two agentic nodes with local loops, a deterministic router, a tool or service node, and a human checkpoint.
Figure 2. Un graphe ne se résume pas à « plus d'agents ». Il coordonne des nœuds hétérogènes — agentiques, déterministes, orientés outils et humains — et seuls les nœuds agentiques nécessitent leurs propres boucles d'exécution locales.

Tout d'abord, séparons deux sens du mot « graphe »

La présentation sur les réseaux sociaux utilise l'expression « graphes de connaissances agentiques » (agentic knowledge graphs). Ce terme peut confondre deux architectures distinctes. Un graphe de connaissances représente des entités et des relations au sein de l'information. Un graphe d'exécution d'agents représente des acteurs, des nœuds de calcul, des transitions, des dépendances et un état d'avancement. L'un peut alimenter l'autre, mais ils répondent à des besoins différents.

Si un agent de recherche interroge un graphe de connaissances puis délègue la validation à un second agent, le graphe de connaissances fait partie de ce que le système sait ; le graphe d'exécution décrit ce que le système fait.

3. Les arêtes sont le lieu où les contrôles d'entreprise deviennent applicables

Un schéma de graphe devient opérationnel lorsque ses nœuds et ses arêtes portent une autorité. Une arête peut signifier « appeler ce modèle », « invoquer cet outil MCP », « transmettre ce dossier client à un autre agent », « écrire ce patch » ou « déployer cet artefact ». Dès lors que ces transitions ont un impact, la topologie et la gouvernance deviennent indissociables — même si l'évaluation des nœuds, l'état du graphe et les autorisations en aval restent des éléments tout aussi cruciaux du dispositif de contrôle.

Le récent article de TrueFoundry sur l'ingénierie des graphes résume la posture d'entreprise en une formule concise :

Citation sur l'évaluation des nœuds
« Évaluez le nœud ; gouvernez les arêtes. »

Cette approche est bien plus pertinente que de considérer l'ingénierie des graphes comme un substitut à l'évaluation des modèles. Vous devez toujours évaluer le comportement des nœuds. Mais l'évaluation seule ne peut pas contraindre une base de données de production à rejeter une écriture, imposer un budget ou exiger une approbation avant une opération destructive. Les limites du runtime, de la passerelle et des autorisations en aval peuvent appliquer ces contraintes lorsque le trafic concerné les traverse.

Diagram showing Node A sending an action to Node B through a clean left-to-right arrow, surrounded by five enterprise edge-governance questions: actor identity, reachability, data crossing, spend limits, and surviving evidence.
Figure 3. Dans l'ingénierie des graphes d'entreprise, une arête n'est pas une simple ligne. C'est l'endroit où l'autorité, le flux de données, les coûts et l'auditabilité deviennent explicites et applicables.

En pratique, chaque arête critique doit répondre à cinq questions :

Tableau des questions de gouvernance
Question Pourquoi c'est important Responsable pressenti
Qui ou quoi agit ? Attribution, moindre privilège, audit Identité / registre / application
Que peut atteindre ce nœud ? La découverte et l'accessibilité ne sont pas équivalentes à l'autorisation Orchestrateur/runtime + passerelle + politique d'accès en aval
Que peut franchir l'arête ? Minimisation des données, injection de prompt, contenu sensible Politique applicative + guardrails de passerelle là où le trafic est routé + contrôles en aval
Combien cela peut-il dépenser ou multiplier les appels ? Les graphes multiplient les retentatives, les branches et les appels de modèles Orchestrateur + budgets/limites de débit de la passerelle
Quelles preuves subsistent ? Les graphes conçus et les graphes exécutés divergent Orchestrateur + harness + passerelle + système de référence (system of record)

4. Les agents auto-modifiables ont besoin d'une porte d'admission

L'étape de 1:30:15 dans le post fourni — les agents qui réusinent ou mettent à niveau leur propre code — correspond au moment où l'architecture cesse d'être purement compositionnelle pour devenir réflexive. Le système propose désormais des modifications à la mécanique même qui façonnera ses comportements futurs.

Cette capacité est puissante, mais la bonne abstraction n'est pas « l'agent s'améliore lui-même ». C'est plutôt :

Un agent de génération de code peut créer un patch dans un sandbox. Un vérificateur séparé peut exécuter des tests, des contrôles statiques, des vérifications de conformité, des évaluations de régression ou spécifiques à la tâche, ainsi que les postconditions adaptées au changement. Un humain peut approuver une mise en production à fort impact. Le contrôle de version ou un registre d'artefacts doit enregistrer la version acceptée et rendre un retour en arrière (rollback) possible. Le runtime qui a proposé le changement ne doit pas contrôler la seule preuve utilisée pour l'accepter.

La structure en graphe est ici très utile car la vérification peut devenir un nœud distinct doté d'une autorité propre, plutôt qu'une instruction supplémentaire au sein du même prompt. C'est l'une des raisons fondamentales pour lesquelles les graphes sont essentiels : ils permettent de traduire un jugement indépendant en une topologie.

5. Où s'insère TrueForge : la boucle d'exécution ouverte au sein du nœud

C'est l'endroit le plus clair pour positionner TrueForge. Sa documentation publique le définit comme un agent harness open-source : la couche runtime autour d'un LLM qui exécute la boucle d'exécution de l'agent et connecte les appels de modèles, les outils MCP, les compétences, le sandboxing, les approbations, les sous-agents, la gestion du contexte et l'état de session qui persiste malgré les reconnexions et les redémarrages.

Cela ne signifie pas que TrueForge gère un graphe multi-agents arbitraire. Le graphe peut être défini dans le code de l'application, un système de workflow ou un autre framework d'orchestration. Le découpage est plus précis : lorsqu'un nœud de graphe est agentique, TrueForge peut être le runtime qui transforme ce nœud en une véritable boucle d'exécution de longue durée plutôt qu'en une simple fonction qui appelle un modèle une seule fois.

Extrait de la documentation officielle de TrueForge : TrueForge est décrit comme « un agent harness open-source » et son serveur « exécute la boucle de l'agent ». C'est pourquoi il s'insère parfaitement à l'intérieur des nœuds de graphe agentiques plutôt que de remplacer le graphe lui-même.
Official TrueForge architecture diagram: Chat UI and SDK connect to the TrueForge server HTTP API and agent loop, which connects to SQLite or Postgres, model providers, MCP servers, and a sandbox provider.

Figure 4. Schéma d'architecture officiel de TrueForge issu du dépôt public et de la documentation. Il positionne le serveur TrueForge et la boucle de l'agent entre les interfaces clientes et la persistance, les fournisseurs de modèles, les serveurs MCP et le fournisseur de sandbox intégrés par l'utilisateur.

Source : TrueForge — composant d'architecture officiel ; voir aussi TrueForge Introduction.

Tableau de correspondance des étapes
Étape du post X Objet d'ingénierie Rôle naturel de TrueForge
9:14 — premier agent opérationnel Une boucle modèle/outil Exécuter la boucle de l'agent et la session
33:11 — boucles Exécution répétée et durable Gestion du contexte, outils, sous-agents, sandbox, approbations
1:02:46 — boucles → graphes Nœuds multiples + transitions Servir de harness au sein des nœuds agentiques ; la topologie reste externe
1:30:15 — auto-modification Mutation de code/configuration Exécution de code/fichiers en sandbox et points de contrôle humains ; la vérification indépendante et la promotion restent des responsabilités de l'application/CI
1:49:05 — orchestration Graphe de travail de bout en bout Fournir la sémantique de boucle et de session persistante au sein des nœuds nécessitant un agent harness

Le récent essai de TrueFoundry sur les boucles qualifie cette couche de middleware car c'est là que s'accumulent les décisions d'exploitation. Cette expression est particulièrement adaptée car un graphe peut évoluer tandis que les exigences runtime au sein de ses nœuds restent immuables : état, contexte, approbations, isolation et preuves.

6. Où s'insèrent les passerelles TrueFoundry : politique partagée pour le trafic routé

Dès lors qu'un graphe comporte plusieurs nœuds utilisant des modèles ou des outils, ceux-ci peuvent choisir des modèles différents, exécuter des tentatives indépendantes, émettre des requêtes à des fréquences variées, consommer des budgets distincts ou contacter des serveurs MCP différents. Si chaque nœud intègre directement les fournisseurs et les outils, le graphe risque de se transformer en un ensemble de plans de contrôle isolés.

La solution TrueFoundry AI Gateway agit ici comme une infrastructure partagée pour le trafic de modèles : une interface unique orientée modèles offrant le contrôle d'accès, le routage vers des modèles virtuels et les replis (fallbacks), la limitation de débit, la gestion des budgets, les guardrails, ainsi que les traces et métriques pour les requêtes qui la traversent. Pour le trafic MCP acheminé via la MCP Gateway, TrueFoundry peut centraliser séparément l'authentification entrante, le contrôle d'accès aux serveurs/outils, l'authentification sortante, les approbations et l'auditabilité au niveau de la passerelle.

L'expression clé est pour les requêtes qui la traversent. Une passerelle ne peut pas gouverner le trafic qui la contourne, et elle n'infère pas la topologie de votre graphe. L'orchestrateur peut propager des identifiants tels que graph_id, run_id et node_id dans les métadonnées de requête contrôlées par l'application — par exemple via l'en-tête documenté X-TFY-METADATA — afin que les journaux et métriques de la passerelle puissent être filtrés ou regroupés par rapport aux identifiants du graphe lorsque cette corrélation est utile.

Extrait de la documentation officielle de TrueFoundry : l'AI Gateway est une couche de proxy entre les applications et les fournisseurs de modèles, incluant le contrôle d'accès, le routage, le contrôle des débits et des budgets, des guardrails et une observabilité complète sur ce parcours. La MCP Gateway documente l'authentification entrante, le contrôle d'accès aux serveurs/outils, l'authentification sortante et les approbations d'outils pour le trafic MCP. Dans un graphe, ce sont des surfaces de politiques partagées pour le trafic routé — pas l'orchestrateur de graphe.
Official TrueFoundry AI Gateway reference architecture showing multiple categories of AI clients routed through a central TrueFoundry AI Gateway that applies governance before reaching downstream model providers.

Figure 5. Schéma d'architecture officiel de la TrueFoundry AI Gateway. L'architecture de référence montre différentes interfaces clientes IA convergeant vers une passerelle centralisée qui applique la gouvernance avant que les requêtes n'atteignent les fournisseurs de modèles.

Source : TrueFoundry — Govern All AI Traffic Through the AI Gateway. Le code HTML intègre directement la ressource officielle de la documentation, avec une solution de repli hébergée par TrueFoundry plutôt qu'une redessin.

Tableau d'alignement des couches
Couche Responsabilité Positionnement TrueForge / TrueFoundry
Orchestrateur de graphe Topologie, routage, jonctions, délégation, retentatives, état du graphe Géré par l'application / le framework
Agent harness Boucle d'exécution locale, contexte, outils, sandbox, approbations, état de session TrueForge
Plan de politique de modèle Accès aux modèles, abstraction des fournisseurs, routage, politiques de coût/débit, guardrails, traces TrueFoundry AI Gateway
Plan de politique d'outils Authentification des appelants entrants, accès aux serveurs/outils, authentification en aval, approbations TrueFoundry MCP Gateway pour le trafic MCP qui y est routé
Systèmes de référence (systems of record) Effets de bord autoritaires et état métier Systèmes d'entreprise connectés

Cette vision produit est bien plus rigoureuse que de prétendre qu'une plateforme unique « gère l'ingénierie des graphes ». Le graphe appartient à l'architecture globale. TrueForge fournit la boucle d'exécution au sein des nœuds agentiques. L'AI Gateway offre une surface partagée de contrôle des modèles pour les appels qui lui sont confiés. La MCP Gateway centralise l'authentification, les permissions sur les outils/serveurs, la gestion des identifiants en aval, les approbations et autres contrôles pour le trafic MCP acheminé. L'orchestrateur et les systèmes en aval restent des éléments essentiels de la chaîne de contrôle.

7. Le test de l'opérateur : pouvez-vous expliquer le graphe exécuté ?

Le graphe conçu est celui qui apparaît sur les schémas d'architecture. Le graphe exécuté est ce qui s'est réellement passé lors d'une exécution donnée. Ce ne sont pas automatiquement les mêmes objets.

Un modèle de repli peut s'activer. Une tâche déléguée peut se subdiviser. Un outil peut être refusé. Un vérificateur peut renvoyer le travail à l'étape précédente. Une approbation peut bloquer une branche pendant des heures pendant qu'une autre se termine. Un nœud auto-modifiable peut générer un patch qui ne sera jamais déployé en production.

Le test de mise en production ne consiste donc pas à se demander « avons-nous un graphe ? ». Il s'agit de savoir si une équipe est capable de reconstruire une exécution critique à travers toutes ses couches.

L'audit de graphe. Choisissez une action en production et remontez son historique. Quel nœud du graphe l'a initiée ? Quelle boucle locale a produit la décision ? Quel modèle a traité chaque appel ? Quels contextes et surfaces d'outils étaient disponibles ? Quels budgets, règles de débit ou guardrails s'appliquaient ? Y avait-il un sandbox ou une limite d'approbation ? Quelle arête a porté l'action ? Et quel enregistrement en aval prouve ce qui a réellement changé ? Si la réponse s'arrête à « l'agent a décidé », c'est qu'il manque encore au graphe son modèle d'exploitation.

8. Ce que cette architecture affirme — et ne prétend pas

Le post X fourni est une excellente carte d'apprentissage, mais son cadrage sur les réseaux sociaux ne doit pas devenir une affirmation historique ou d'attribution sans source primaire. Nous avons vérifié que la publication et ses copies partagent la séquence horodatée ci-dessus ; nous n'avons pas vérifié de manière indépendante le support de deux heures en tant que publication d'Andrew Ng. Le catalogue officiel de DeepLearning.AI oriente actuellement vers d'autres cours et formateurs, les horodatages doivent donc être lus strictement comme la description de la vidéo faite par le post.

Par ailleurs, l'expression « ingénierie des graphes » reste un terme émergent. Aucun des mécanismes fondamentaux n'est nouveau pris isolément : les DAG, les systèmes d'acteurs, les moteurs de workflow, la coordination distribuée, l'application de politiques et les points de contrôle humains ont tous un long historique. Ce qui est suffisamment nouveau pour retenir l'attention, c'est la façon dont les systèmes agentiques concentrent ces mécanismes autour de nœuds pilotés par des modèles capables d'agir, de déléguer, de modifier des artefacts et de s'exécuter sur de longues périodes.

Enfin, ni TrueForge ni les passerelles TrueFoundry ne doivent être présentés comme englobant l'intégralité du graphe. TrueForge exécute et enregistre la boucle d'agent qu'il gère. Les passerelles AI et MCP ne gouvernent que le trafic routé à travers leurs périmètres respectifs. L'orchestrateur conserve la responsabilité de la topologie et de l'état du graphe. Les systèmes en aval restent souverains pour leurs propres autorisations et effets de bord. Une ingénierie des graphes rigoureuse commence par maintenir ces limites parfaitement explicites.

Références

Divulgation : TrueFoundry publie cet article, commercialise les solutions TrueFoundry AI Gateway et MCP Gateway, et maintient TrueForge. Les affirmations relatives aux produits se limitent aux comportements documentés dans les supports publics actuels de TrueFoundry et TrueForge. La progression horodatée provient du post X fourni ; la transposition de cette progression vers l'architecture de production ci-dessus relève d'une analyse éditoriale de TrueFoundry et n'est pas attribuée à, approuvée par, ou présentée comme une déclaration d'Andrew Ng. Les crédits d'auteurs de la liste de références identifient les signatures individuelles des articles TrueFoundry cités ; ces articles demeurent la propriété publiée de TrueFoundry.

‍

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

INSCRIVEZ-VOUS
Table des matières

Gouvernez, déployez et suivez l'IA dans votre propre infrastructure

Réservez un séjour de 30 minutes avec notre Expert en IA

Réservez une démo

Le moyen le plus rapide de créer, de gérer et de faire évoluer votre IA

Démo du livre
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Découvrez-en plus

Aucun article n'a été trouvé.
novembre 21, 2026
|
5 min de lecture

Identité des agents IA avec Microsoft Entra Agent ID : Émission et gouvernance des identités d'agents

Aucun article n'a été trouvé.
novembre 21, 2026
|
5 min de lecture

Identité de l'agent et délégation On-Behalf-Of (OBO) : qui appelle vraiment vos outils ?

Aucun article n'a été trouvé.
novembre 21, 2026
|
5 min de lecture

Skills d'agent pour MCP Slack : améliorent-ils l'exactitude ?

Aucun article n'a été trouvé.
novembre 21, 2026
|
5 min de lecture

agentgateway vs Vercel AI Gateway : passerelle d'agents hébergée sur votre propre infrastructure ou routeur de modèles géré ?

Aucun article n'a été trouvé.
Aucun article n'a été trouvé.

Blogs récents

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Faites un rapide tour d'horizon des produits
Commencer la visite guidée du produit
Visite guidée du produit