Pourquoi les équipes de données sont les mieux placées pour réussir l'IA agentique grâce à l'intégration des données et aux MCP

La création d'agents IA est la première étape, et il est encourageant de voir les entreprises explorer cette voie. Mais ce n'est qu'une première étape. Pour une véritable valeur ajoutée pour l'entreprise, ces agents doivent se connecter de manière fluide à votre écosystème de données grâce à une intégration robuste, des protocoles standardisés et être guidés par des équipes de données compétentes.

La nécessité de donner aux agents d'IA l'accès aux données et de les connecter aux outils et fonctions nécessaires a conduit à la création du Protocole de contexte modèle (MCP). MCP permet aux agents d'interagir avec des outils et des sources de données en utilisant un langage commun, en prenant l'IA de génération à efficace (plus à ce sujet plus tard).

Et quelles sont les personnes les mieux placées pour créer et gérer ces agents ? Ce sont souvent celles qui maîtrisent déjà les données, les systèmes et les flux de travail de l'entreprise. Leur connaissance de l'articulation de tous les éléments, des processus back-end aux règles métier, leur donne une longueur d'avance pour concevoir des agents compétents et fiables.

Dans cet article, nous explorons comment les équipes de données peuvent tirer parti de l'intégration des données et des capacités d'exécution de MCP pour réussir l'IA agentique.

Intégration de données pour l'IA agentique : l'ingrédient secret

Votre plateforme de BI ou d'analyse génère de la valeur lorsqu'elle dispose de données de haute qualité. Il en va de même pour vos agents d'IA.

Les solutions d'intégration de données que nous avons construites ici chez Astera Nous avons aidé les entreprises à intégrer des sources de données disparates, en extrayant intuitivement des données d'applications natives, de services cloud, de bases de données, etc. Nos clients ont ainsi pu optimiser leurs initiatives de business intelligence (BI) et d'analyse tout en automatisant les flux de travail manuels grâce à des technologies telles que l'ETL (Extraction, Transformation, Chargement), la reconnaissance optique de caractères (OCR) et l'entreposage de données.

Par conséquent, les entreprises qui ont rationalisé leur gestion des données sont prêtes à réussir avec l'IA agentique. Ces mêmes technologies peuvent être utilisées pour donner aux agents IA un accès en temps réel aux données de l'entreprise afin qu'ils puissent raisonner, décider et agir de manière pertinente.

Les organisations rencontrent des difficultés pour intégrer les données d'IA en raison de silos d'information, d'une qualité inégale des données et de procédures inefficaces. Pour y remédier, des changements stratégiques, tels que la mise en œuvre de technologies avancées de gestion des données, la promotion de la coopération interservices et l'adoption d'une approche centrée sur les données, sont nécessaires.

-Mariyono Dwi et Akmal Nur Alif Akmal dans "Refonte stratégique : recadrer l’intégration des données pour une utilisation optimale de l’IA »

Protocole de contexte modèle (MCP) : le langage commun

Jusqu'à présent, nous avons expliqué que la véritable valeur de l'IA agentique réside dans sa capacité à interagir et à s'intégrer avec des outils et des sources de données externes. Jusqu'à récemment, cela se faisait via des interfaces de programmation d'applications (API). Cependant, Anthropique a introduit un nouveau protocole standard ouvert à la fin de l'année dernière qui normalise la manière dont les modèles linguistiques interagissent avec les données et les outils externes.

Martin Keen Le MCP est décrit comme un port USB-C pour vos agents IA. Tout comme l'USB-C vous permet de connecter facilement différents types de périphériques à votre ordinateur, MCP fait de même pour vos agents. Il standardise les connexions entre vos agents, vos LLM, vos sources de données externes et vos systèmes.

Bien que les MCP et les API partagent de nombreuses similitudes, certaines différences fondamentales font des MCP le meilleur choix pour tout ce qui touche à l'IA. Par exemple, les MCP sont spécialement conçus pour les LLM et les agents, tandis que les API sont plutôt des interfaces polyvalentes. De ce fait, les MCP offrent des fonctionnalités telles que la découverte dynamique à l'exécution, qui permet aux agents de trouver, d'intégrer et d'exploiter de nouvelles fonctionnalités en temps réel.

De plus, les MCP standardisent l'interface, ce qui signifie que chaque serveur MCP parle le même protocole (contrairement aux API, qui sont uniques et dont les protocoles varient selon les services).

Le fait que MCP devienne le protocole standard pour toutes les interactions entre agents ouvre un tout nouveau monde de possibilités quant aux capacités de vos agents et à leur évolutivité. Le seul véritable défi réside alors dans la capacité d'intégrer vos sources de données et vos applications à vos workflows d'agents.

Construire l'IA avec des ingénieurs de données : les bonnes personnes

Enfin, examinons qui, au sein d'une organisation, est le mieux placé pour concevoir ces agents d'IA. Notre premier réflexe pourrait être de désigner l'équipe de développeurs capable d'écrire le code nécessaire.

Cependant, cette approche compromet la valeur potentielle de l'IA, car nos ressources techniques ne sont pas nécessairement nos experts en données. En revanche, si nous donnons à des experts en données de différents domaines la possibilité de créer des agents, nous inscrivons l'IA au cœur de l'éthique de l'entreprise, encourageons son adoption à l'échelle de l'organisation et facilitons la conceptualisation et l'exécution d'une IA à valeur ajoutée.

Étant donné que le succès du développement d’agents d’IA dépend en grande partie de l’intégration des données et des MCP, il incombe aux ingénieurs de données de créer des flux de travail d’agents capables de fournir des résultats cohérents et fiables.

Réflexions finales

Pour résumer notre discussion jusqu'à présent, l'avantage stratégique de l'IA agentique réside dans :

• Intégration de sources de données internes, de systèmes, d'applications et plus encore,
• tirer parti des MCP pour faciliter la connectivité avec des outils et des fonctions externes, et
• permettre aux experts en données de créer des agents et des applications d'IA qui génèrent un véritable retour sur investissement.

Pour extraire cet avantage, une nouvelle approche de la création d'agents et d'applications d'IA était nécessaire, ce qui nous a conduit à Astera Générateur d'agents IA.

Avec AsteraLes entreprises peuvent faire tout cela grâce à une plate-forme visuelle unifiée qui permet aux utilisateurs techniques et non techniques de créer, tester et déployer des applications d'IA en quelques heures.

Cependant, ce qui définit Astera AI Agent Builder constitue la base d'intégration des données de notre organisation. En exploitant les capacités de Astera Pile de données, Agent Builder permet aux entreprises d'intégrer sans effort leurs applications d'IA avec des sources de données internes, des systèmes, des ressources cloud et des outils et applications externes.

Rejoindre la liste d'attente pour un accès anticipé ou consultez notre premier aperçu du produit ici.