Contexte et périmètre
LeadingPoint AI organise des agents IA en « pods » par pôle métier. Chaque agent est décrit par son besoin, ses entrées, ses outils autorisés et ses garde-fous. Les collaborateurs lancent des tâches depuis un catalogue, suivent l'exécution et gardent la main sur toute action sensible.
Défis et solutions
Laisser agir des agents sans perdre le contrôle.
Des garde-fous appliqués par le code du harnais, pas par une consigne au modèle : liste blanche d'outils, validation humaine avant action, écritures dans le CRM proposées puis validées.
Résultat : Chaque action sensible attend un responsable humain.
Rendre une flotte d'agents auditable.
Journal en ajout seul, historique des exécutions, matrice de conformité et exports téléchargeables.
Résultat : La posture de gouvernance se présente en un clic.
Protéger les données dans les livrables.
Une anonymisation appliquée par le code (noms, e-mails, téléphones) selon la politique de l'organisation.
Résultat : La confidentialité devient une garantie de l'application.
Ce que fait l’application
Catalogue de tâches par pôle
Chaque agent présenté par son besoin et ses entrées.
Lancement guidé
Un formulaire dérivé des entrées déclarées de l'agent.
Validation humaine
Les actions sensibles attendent un responsable nommé.
Recherche documentaire sourcée
Les livrables citent les documents qui les appuient.
Graphe de l'organisation
Pôles, personnes, agents, outils et leurs relations.
Exports de gouvernance
Audit CSV et rapport Markdown en un clic.
Fonctionnement
Plateforme multi-tenant, cloisonnée par organisation, avec des rôles de gouvernance. Le harnais d'exécution applique les règles par le code : outils limités à ce que l'organisation autorise, escalade vers un responsable humain avant d'agir quand une règle se déclenche. Les livrables s'appuient sur la base documentaire de l'organisation et citent leurs sources. Journal d'audit, historique des exécutions (coût, latence, outils) et exports de gouvernance en CSV et en Markdown.