# Cegid et Amadeus cantonnent les agents IA à leur mission > Amadeus, Cegid et Datadog détaillent les garde-fous, métriques et responsabilités nécessaires pour déployer des agents IA en production. Type : Actualité IA · Catégorie : Stratégie · Publié le 2026-10-22 · Signal IA - Order & Chaos Source : https://www.orderchaos.eu/signal-ia/actu/amadeus-et-cegid-verrouillent-les-agents-ia-en-production Tags : agents ia, sécurité, qualité, production, gouvernance, agents-ia, llm --- ## En résumé - Amadeus et Cegid réservent l’authentification et l’autorisation à des systèmes déterministes. - Cegid recommande une quarantaine d’exemples avant d’ajouter du bruit au dataset d’évaluation. - Datadog répartit ses data scientists dans les produits et les plates-formes depuis trois ans. **Le signal :** Amadeus et Cegid défendent le moindre privilège et des contrôles déterministes pour encadrer les actions des agents IA. **Agents sous contrôle** Lors du Datadog Summit Paris, Alexandre Ragaleux, directeur de l’équipe innovation et plate-forme chez Cegid, a rappelé une règle centrale pour les agents IA. Ils ne doivent pas pouvoir faire plus que la mission prévue. Il citait le chatbot de McDonald’s, confronté à une demande de résolution de Fibonacci en Python avant une commande. Pour Tarek Zaigouche, responsable produit et ingénierie chez Amadeus, la politique du moindre privilège doit guider la conception. L’agent peut gagner en autonomie, mais le système déterministe conserve l’authentification et l’autorisation. Les outils vérifient ainsi la cohérence des actions et leur permission. [Lire l’article complet](https://www.silicon.fr/data-ia-1372/datadog-summit-agents-ia-229811). **La qualité exige des tests** Alexandre Ragaleux estime que les agents IA multiplient les chemins d’erreur possibles. Une réponse peut sembler correcte, alors que l’écriture en base de données échoue faute d’avoir utilisé le bon outil. Les métriques doivent donc couvrir les actions réalisées, et pas seulement le texte produit. Cegid recommande de construire un dataset à partir des cas d’usage. Une quarantaine d’exemples, avec questions et réponses, représente selon lui environ la moitié du travail. Il faut ensuite ajouter du bruit. Cette méthode relie l’évaluation à des situations concrètes, plutôt qu’à une seule appréciation de la réponse finale. Elle rend aussi visibles les erreurs d’exécution. ## Cegid structure l’évaluation des agents **Le suivi rejoint la livraison** Tarek Zaigouche veut intégrer les enseignements du monitoring dans la CI/CD. La qualité ne s’arrête pas lorsque l’agent est construit. De nouveaux utilisateurs peuvent arriver, de nouveaux langages peuvent apparaître, et le modèle peut être modifié. Ces évolutions nécessitent de conserver une évaluation continue. Chez Datadog, Manar Toumi décrit une organisation de la data science devenue distribuée depuis trois ans. Les produits et les plates-formes disposent désormais de leurs propres data scientists. La séparation avec le développement logiciel est moins nette. Des data scientists créent des pipelines et déploient des modèles, tandis que des développeurs travaillent sur l’évaluation et le réglage fin. **Les responsabilités restent distinctes** Tarek Zaigouche distingue les rôles malgré cette circulation des compétences. Un responsable produit peut livrer du code en production, mais l’équipe d’ingénierie reste responsable de la fiabilité du système. Le responsable produit conserve la valeur offerte au client. Alexandre Ragaleux ajoute que les équipes produit utilisent souvent des composants ou des services transverses. Une fuite de données peut alors concerner plusieurs responsabilités, notamment la protection des données et la sécurité. Les agents IA accentuent cette difficulté par leur capacité d’action. Cette organisation impose de préciser les responsabilités avant le déploiement. [Le programme du Datadog Summit Paris](https://events.datadoghq.com/fr/summits/datadog-summit-paris/) présente l’événement où ces échanges ont eu lieu. ## Datadog répartit les data scientists **Les contrats doivent évoluer** Alexandre Ragaleux estime qu’un agent ne peut pas être soumis aux mêmes engagements de service qu’un système classique. Les contrats doivent être adaptés, avec une information transparente destinée à l’utilisateur. Dans l’équipe de Manar Toumi, Datadog commence par le modèle le plus puissant pour mesurer le meilleur résultat accessible. L’équipe cherche ensuite des solutions plus économiques. Elle explore notamment le recours à un modèle de langage comme classificateur, avec Jev et ses variantes, pour remplacer certaines boucles conditionnelles. Cegid avait investi dans une plate-forme en 2023, sans obtenir le succès attendu. Ragaleux juge que les services Bedrock, Vertex AI et Azure AI Foundry se standardisent seulement maintenant. Pour aller plus loin, consultez notre guide sur [déployer un agent IA en PME sans développeur](/signal-ia/guides/agents-ia-pme-sans-developpeur-2026).