Rédaction · 5 juillet 2026
L'agentique en entreprise et dans les administrations : pourquoi l'ingénierie prime sur la démo
Depuis quelques mois, une course s'est engagée dans le monde des agences numériques : intégrer des outils d'IA à grands coups de connecteurs, produire des démos impressionnantes, et signer des contrats avant que les clients comprennent ce qu'ils achètent. Chez Rekursiv Studio, nous faisons le choix inverse.
Le problème avec l'IA "plug-and-play"
Les architectures agentiques à connecteurs multiples (MCP) permettent à un modèle de se connecter à des dizaines d'outils et de décider seul quoi appeler, quand, et avec quelles données. C'est spectaculaire en démonstration. En production — dans une administration, une collectivité, une entreprise soumise à des obligations réglementaires — c'est un risque architectural sérieux. Qui décide ? Le modèle. Où vont les données ? Souvent vers des serveurs tiers que ni le client ni l'agence ne contrôlent. Que s'est-il passé ? Impossible à reconstituer. Ce n'est pas de l'ingénierie. C'est de l'assemblage.
Notre approche : l'agentique NoBlackBox
Rekursiv Studio construit des systèmes agentiques selon un principe fondamental : chaque décision de la chaîne doit être explicable, traçable et auditable.Chaque agent a un rôle unique et limité. Un agent qui scrape ne peut pas écrire en base. Un agent qui analyse ne peut pas exécuter d'action. Les frontières sont architecturales, pas juste déclarées. Chaque étape produit un résultat vérifiable avant de passer à la suivante. Un agent de validation conteste par défaut — il cherche les erreurs avant de valider, pas l'inverse.Par défaut, nos systèmes fonctionnent avec des modèles de langage hébergés sur l'infrastructure du client — runtime local, données souveraines. Lorsqu'un moteur d'inférence externe est utilisé pour ses performances, les données sont anonymisées en amont par un agent dédié : les informations personnelles sont remplacées par des tokens neutres avant tout envoi, et la table de correspondance reste chiffrée sur le serveur client. Le gain de performance ne se fait pas au détriment de la conformité. Pour les projets soumis à des obligations strictes, chaque traitement génère un enregistrement chiffré : source, agent, modèle, résultat, hashs d'entrée et de sortie. Un certificat de traitement auditable par un tiers.
Un exemple concret : CAMI
La Console Administrative Municipale d'Information, développée pour la commune de Bessèges (Gard, 2 847 habitants, budget 4,2 M€), illustre ce que cette approche permet dans le secteur public. CAMI analyse les documents publics municipaux — comptes de gestion, procès-verbaux, subventions. Un agent municipal pose une question en langage naturel, CAMI interroge sa bibliothèque documentaire et construit une réponse traçable jusqu'au document d'origine. Aucune donnée ne quitte le serveur municipal sans décision explicite. Lorsque la commune souhaite rendre une information publique, CAMI alimente directement son site d'information municipale en un clic — la conformité à la Loi République Numérique 2016 est une fonction native, pas un chantier séparé.
Pour les organisations qui ont des exigences
Posez une question simple à votre prestataire IA : "Pouvez-vous me montrer, pour chaque traitement de donnée, quel agent a fait quoi, avec quelle donnée, selon quel algorithme, et avec quel résultat ?" Si la réponse est hésitante, vous avez votre réponse.
Rekursiv Studio — Systèmes IA auditables · Souveraineté des données · NoBlackBox
Les architectures agentiques à connecteurs multiples (MCP) permettent à un modèle de se connecter à des dizaines d'outils et de décider seul quoi appeler, quand, et avec quelles données. C'est spectaculaire en démonstration. En production — dans une administration, une collectivité, une entreprise soumise à des obligations réglementaires — c'est un risque architectural sérieux. Qui décide ? Le modèle. Où vont les données ? Souvent vers des serveurs tiers que ni le client ni l'agence ne contrôlent. Que s'est-il passé ? Impossible à reconstituer. Ce n'est pas de l'ingénierie. C'est de l'assemblage.
Notre approche : l'agentique NoBlackBox
Rekursiv Studio construit des systèmes agentiques selon un principe fondamental : chaque décision de la chaîne doit être explicable, traçable et auditable.Chaque agent a un rôle unique et limité. Un agent qui scrape ne peut pas écrire en base. Un agent qui analyse ne peut pas exécuter d'action. Les frontières sont architecturales, pas juste déclarées. Chaque étape produit un résultat vérifiable avant de passer à la suivante. Un agent de validation conteste par défaut — il cherche les erreurs avant de valider, pas l'inverse.Par défaut, nos systèmes fonctionnent avec des modèles de langage hébergés sur l'infrastructure du client — runtime local, données souveraines. Lorsqu'un moteur d'inférence externe est utilisé pour ses performances, les données sont anonymisées en amont par un agent dédié : les informations personnelles sont remplacées par des tokens neutres avant tout envoi, et la table de correspondance reste chiffrée sur le serveur client. Le gain de performance ne se fait pas au détriment de la conformité. Pour les projets soumis à des obligations strictes, chaque traitement génère un enregistrement chiffré : source, agent, modèle, résultat, hashs d'entrée et de sortie. Un certificat de traitement auditable par un tiers.
Un exemple concret : CAMI
La Console Administrative Municipale d'Information, développée pour la commune de Bessèges (Gard, 2 847 habitants, budget 4,2 M€), illustre ce que cette approche permet dans le secteur public. CAMI analyse les documents publics municipaux — comptes de gestion, procès-verbaux, subventions. Un agent municipal pose une question en langage naturel, CAMI interroge sa bibliothèque documentaire et construit une réponse traçable jusqu'au document d'origine. Aucune donnée ne quitte le serveur municipal sans décision explicite. Lorsque la commune souhaite rendre une information publique, CAMI alimente directement son site d'information municipale en un clic — la conformité à la Loi République Numérique 2016 est une fonction native, pas un chantier séparé.
Pour les organisations qui ont des exigences
Posez une question simple à votre prestataire IA : "Pouvez-vous me montrer, pour chaque traitement de donnée, quel agent a fait quoi, avec quelle donnée, selon quel algorithme, et avec quel résultat ?" Si la réponse est hésitante, vous avez votre réponse.
Rekursiv Studio — Systèmes IA auditables · Souveraineté des données · NoBlackBox