DAISI - Agent d'Entreprise pour les Workflows Fournisseurs et Finance

Vue d'ensemble

J'ai piloté le delivery de bout en bout de DAISI (Decathlon AI Supplier Informations), Enterprise Agent en production dans Google Chat pour les workflows fournisseurs et finance. Le travail a commencé par des réunions de cadrage client et la modélisation des processus, puis a couvert l'architecture, les intégrations Workday Finance et systèmes métier, l'implémentation, l'évaluation, la validation sécurité, le déploiement et l'adoption. DAISI combine outils métier agentiques, RAG gouverné, Gemini, Vertex AI Vector Search, Cloud Run, Cloud SQL, MLflow/Databricks, Model Armor, DLP, OpenTelemetry et Terraform. Il a été conçu pour une population cible de 10 000 utilisateurs et load testé avec succès à 2 000 utilisateurs concurrents. L'application fonctionne en production avec une gestion automatisée de l'infrastructure et une observabilité de bout en bout. Son impact annualisé communiqué est de 13 000 heures/an économisées sur les workflows de support fournisseurs.

Impact Métier

Indicateur	Valeur
Population cible	Conçu pour soutenir 10 000 utilisateurs
Impact annualisé communiqué	13 000 heures/an économisées sur les workflows de support fournisseurs
Load test	Test réussi avec 2 000 utilisateurs concurrents
Disponibilité	Réponses instantanées 24/7 vs. attente d'une réponse humaine
Couverture	Fondé sur des procédures fournisseurs et finance gouvernées
Escalade	Routage automatique vers l'expert humain approprié si nécessaire

DAISI réduit les questions répétitives sur les processus fournisseurs, libérant l'équipe finance pour se concentrer sur des tâches à forte valeur ajoutée tout en gardant des réponses cohérentes, précises et alignées sur les procédures internes.

Mes responsabilités

Pilotage des réunions de cadrage client, de la clarification des besoins, des décisions d'architecture et du plan de delivery
Construction de l'agent ReAct LangGraph, du retrieval gouverné, des interfaces d'outils, de la persistance, des contrôles de sécurité et du runtime cloud
Intégration de Workday Finance et d'autres services métier approuvés derrière des frontières d'outils contrôlées
Conception d'interfaces d'interopérabilité compatibles A2A pour partager des capacités entre agents
Développement d'une Agent Factory interne avec librairies, templates, évaluation, observabilité, sécurité et conventions de déploiement, améliorant le time-to-market jusqu'à 5×
Conception des tests d'intégration et de rapports détaillés couvrant le fonctionnel, la fiabilité, la sécurité, la latence, les coûts et le passage à l'échelle
Optimisation du cache, de l'usage des modèles, des traitements asynchrones, de l'autoscaling et de l'observabilité pour les coûts et la latence en production
Présentation des pratiques de développement d'agents à 100+ collaborateurs et contribution à l'enablement via formations, documentation, supports d'onboarding et runbooks

Architecture Technique

Stack IA/ML

LangGraph - Framework d'orchestration d'agents avec flux conversationnels à état
LangChain - Framework applicatif LLM pour les chaînes et les prompts
Gemini via Vertex AI - Modèle fondation pour la génération de texte
Vertex AI Vector Search - Recherche sémantique haute performance pour le RAG
FAISS - Recherche locale de similarité vectorielle
Model Armor - Templates de sécurité GCP pour la protection anti-prompt injection et le filtrage de contenu
DLP - Protection des informations sensibles

Infrastructure Backend

FastAPI - Framework API asynchrone haute performance
Cloud Run - Déploiement serverless de conteneurs avec autoscaling
Cloud SQL PostgreSQL - Base de données managée pour la persistance des conversations
Google Cloud Storage - Stockage objet pour la base de connaissances et les configurations
Uvicorn - Serveur ASGI pour FastAPI

Observabilité & MLOps

MLflow 3.7+ - Suivi d'expériences avec autologging LangGraph
Databricks - Workflows MLflow et refresh Delta
LiteLLM - Passerelle API LLM unifiée
OpenTelemetry - Traçage distribué avec export OTLP/gRPC
Cloud Logging - Agrégation centralisée des logs

Automatisation opérationnelle

Des jobs Cloud Run et workflows planifiés prennent en charge des opérations de cycle de vie telles que l'application des règles de rétention, l'évaluation des traces et la synchronisation gouvernée des connaissances. Cette étude de cas publique omet volontairement les horaires, identifiants et systèmes sources internes.

Infrastructure as Code

Terraform - Gestion modulaire du runtime, des workloads planifiés, des frontières d'identité, des contrôles de sécurité, de l'infrastructure de retrieval et du stockage

DevOps & CI/CD

Docker - Déploiements conteneurisés
GitHub Actions - Pipelines CI/CD automatisés
SonarCloud - Analyse de qualité de code et de sécurité
Pre-commit hooks - Vérifications automatisées du code
Ruff - Linting et formatage Python
Mypy - Vérification statique de types
Pytest - Framework de tests asynchrones avec couverture

Gestion de Projet

Jira - Planification de sprints et suivi des tickets
Confluence - Documentation technique avec synchronisation automatique depuis /docs

Vue d'architecture publique

L'architecture publique est volontairement assainie. À haut niveau, les événements Google Chat entrent dans un runtime FastAPI sur Cloud Run, passent par les contrôles d'authentification et de sécurité en entrée, puis atteignent un agent LangGraph. L'agent peut récupérer des preuves gouvernées, appeler des outils métier approuvés, conserver l'état conversationnel et exposer des frontières d'interface compatibles A2A. Les contrôles de sortie sont appliqués avant le retour à l'utilisateur, tandis que les traces et signaux d'évaluation sont enregistrés de manière asynchrone. Cette séparation rend le système compréhensible et testable :

Frontière canal et API pour l'authentification, l'idempotence et la livraison des réponses
Frontière sécurité pour la protection contre l'injection de prompts, les contrôles de données sensibles et les politiques
Runtime agent pour la planification, le retrieval, les outils, la mémoire et l'interopérabilité compatible A2A
Frontière d'intégration entreprise pour les services finance et fournisseurs approuvés
Frontière d'observabilité pour les traces, l'évaluation qualité, la latence, les coûts et les rapports opérationnels

Fonctionnalités Principales

Réponses Intelligentes aux Questions

Réponses alimentées par le RAG, fondées sur les guides pratiques opérationnels et comptables (fiches pratiques).

Désambiguïsation Contextuelle

Conversations multi-tours avec questions de suivi pour clarifier les demandes ambiguës.

Mémoire Conversationnelle

Checkpointer adossé à PostgreSQL pour un état conversationnel persistant avec authentification IAM.

Intégrations Système

Contexte d'identité - Contexte utilisateur autorisé pour délimiter les réponses et les outils
Workday Finance - Intégration contrôlée pour les workflows finance approuvés
Routage vers un expert humain - Escalade vers le bon interlocuteur support
Outils fournisseurs et achats - APIs approuvées exposées via des outils typés
Interfaces compatibles A2A - Frontières conçues pour des capacités gouvernées réutilisables

Sécurité & Conformité

Templates Model Armor pour la protection contre l'injection de prompts
DLP pour protéger les informations sensibles
Gestion par politiques des sujets interdits ou hors périmètre
Rétention des données conforme au RGPD avec nettoyage TTL automatisé
Contrôle d'accès fondé sur l'identité et frontières de services à privilèges minimaux
Rapports de tests d'intégration et de sécurité utilisés comme preuves de préparation à la production

Résumé des Technologies

Catégorie	Technologies
IA/ML	LangGraph, LangChain, Gemini, Vertex AI Vector Search, FAISS, Model Armor, DLP
Backend	Python 3.11, FastAPI, Uvicorn, Pydantic
Base de données	Cloud SQL PostgreSQL, langgraph-checkpoint-postgres, psycopg3
Cloud	GCP, Cloud Run, Cloud Run Jobs, Cloud Scheduler, GCS
Observabilité	MLflow, Databricks, LiteLLM, OpenTelemetry
Infrastructure	Terraform, Docker
CI/CD	GitHub Actions, SonarCloud, Pre-commit
Qualité	Ruff, Mypy, Pytest, pytest-asyncio