Databricks lance Mosaic Agent Bricks pour automatiser l'optimisation des agents IA et faciliter leur déploiement en production

Pourquoi la plupart des agents IA d'entreprise n'atteignent jamais la production, et comment Databricks compte y remédier 11 juin 2025, 6:00 AM Lors de la Data + AI Summit, Databricks a lancé Mosaic Agent Bricks, une plateforme conçue pour remédier aux difficultés rencontrées par les entreprises dans le développement et l'optimisation des agents IA. Malgré la disponibilité de technologies avancées, bon nombre de ces projets ne parviennent jamais en production, principalement en raison d'une évaluation manuelle inefficace, coûteuse et difficile à échelonner. Le Problème Actuel Selon Hanlin Tang, Chief Technology Officer des Réseaux Neuronaux chez Databricks, les entreprises ont souvent du mal à évaluer correctement leurs agents IA. Elles se reposent généralement sur des évaluations subjectives, ce qui ne fournit pas la confiance nécessaire pour passer en production. Ce processus de développement et d'optimisation basé sur l'essai et l'erreur entraîne des dérives de qualité, des coûts élevés et des retards de livraison. Mosaic Agent Bricks : Une Solution Automatique La nouveau plateforme, Mosaic Agent Bricks, vise à automatiser entièrement l'optimisation des agents IA. Elle prend en charge des innovations soutenues par la recherche, notamment l'intégration de TAO (Test-time Adaptive Optimization), qui permet d'ajuster les modèles IA sans nécessiter de données étiquetées. En outre, le système génère des données synthétiques spécifiques au domaine, crée des benchmarks adaptés aux tâches et optimise le ratio qualité-prix sans intervention manuelle. Étapes de l'Optimisation Description de la Tâche: Le client fournit une description de niveau supérieur de la tâche à accomplir. Évaluations Spécifiques: Le système génère des évaluations spécifiques à la tâche et des juges basés sur des modèles linguistiques latents (LLM). Données Synthétiques: Il crée des données synthétiques reflétant les données des clients. Optimisation Automatique: Il recherche et applique les meilleures techniques d'optimisation pour chaque configuration. L'évolution Post-Acquisition Mosaic, fondée par Tang, a été acquise par Databricks en 2023 pour 1,3 milliard de dollars. Avant cette acquisition, les innovations de Mosaic en IA étaient souvent limitées à un impact de recherche. Après l'intégration, la plateforme a immédiatement bénéficié d'une base massive d'utilisateurs d'entreprise, accélérant ainsi le développement et la résolution de problèmes concrets. Bilal Aslam, Senior Director of Product Management chez Databricks, souligne la connectivité fluide entre Lakeflow et Mosaic Agent Bricks. Lakeflow, une plateforme de génie des données désormais disponible, facilite l'ingestion, la transformation et l'orchestration des données, créant ainsi une base solide pour le développement d'agents IA. Cette intégration avec Unity Catalog garantit également la gouvernance des données, y compris le respect des contrôles d'accès et le suivi de la provenance des données. Évaluation des Agents via le Feedback Humain Mosaic Agent Bricks introduit une fonctionnalité cruciale appelée Agent Learning from Human Feedback. Cette méthode interprète automatiquement les instructions naturelles et ajuste les composants systémiques appropriés, éliminant ainsi la nécessité de "prompts farcis" où les utilisateurs s'efforcent de fournir toutes les directives possibles dans un seul prompt. L'approche, inspirée par le reinforcement learning from human feedback (RLHF), opère au niveau des systèmes d'agents plutôt que des poids individuels des modèles, rendant les agents plus faciles à piloter. Configuration et Communication des Agents Le platforme offre quatre configurations d'agents pour diverses tâches. De plus, elle gère les communications inter-agents principalement par deux méthodes : 1. Exposition des Agents comme Endpoints: Les agents peuvent être encapsulés dans différents protocoles. 2. Supervision Multi-Agent: Un superviseur multi-agent conscient du Model Context Protocol (MCP) coordonne les interactions entre les agents. Avantages Techniques et Stratégiques Mosaic Agent Bricks se distingue des autres frameworks de développement d'IA, tels que ceux proposés par Langchain, Microsoft et Google, par son approche automatisée de l'optimisation. Elle intègre plusieurs techniques de recherche, notamment l'optimisation en contexte et la fine-tuning, éliminant ainsi la nécessité de configurations et d'ajustements manuels. Pour les décideurs d'entreprise souhaitant faire preuve de leadership en matière d'IA, cette innovation signifie que l'infrastructure d'évaluation n'est plus un obstacle majeur. Les organisations peuvent now se concentrer sur l'identification des cas d'utilisation et la préparation des données, sans avoir à développer des cadres d'optimisation complexes. Perspectives de l'Industrie et Profil de Databricks Les professionnels de l'industrie technoteront que la capacité de Databricks à intégrer rapidement des innovations de pointe grâce à sa grande base de clients est un atout majeur. L'entreprise est positionnée pour répondre aux besoins croissants des entreprises en matière d'IA, en fournissant des solutions clés en main qui améliorent la productivité et la confiance dans les applications d'IA. Avec Mosaic Agent Bricks et Lakeflow, Databricks semble bien préparée pour mener la transition vers une utilisation plus extensive de l'IA dans les environnements d'entreprise. Databricks est une entreprise leader dans le domaine de la gestion et de l'analyse des données. La fusion de Mosaic dans Databricks a non seulement augmenté leurs capacités technologiques mais a aussi permis une meilleure compréhension des défis et des besoins réels des entreprises dans le développement d'agents IA. Ce lancement représente une étape significative vers l'adoption généralisée de l'IA dans les entreprises, simplifiant notablement les processus d'évaluation et d'optimisation.