Lya construit ses agents sur une architecture agnostique du modèle, encadrée par un moteur d'orchestration à garde-fous et une observabilité de bout en bout. Cette page décrit les composants réels, à destination des DSI, RSSI et DPO.
Chaque appel suit le même chemin : vos données cloisonnées, un moteur d'agents qui orchestre, une validation humaine, puis la restitution — le tout sous observabilité.
Description factuelle des composants de l'architecture IA.
Lors d'un appel aux données de l'utilisateur, les données disponibles sont cloisonnées. Le moteur peut aussi s'appuyer sur une base de connaissances en RAG.
Le moteur d'agents planifie, exécute, mémorise et applique des garde-fous. Il peut réaliser trois opérations :
MCP internes et externesUn LLM Router rend les modèles interchangeables : Claude, GPT-4o, Mistral, Ollama — y compris en local. Aucune dépendance à un fournisseur IA unique.
Les données accessibles à un agent sont cloisonnées lors de l'appel aux données de l'utilisateur : l'IA n'opère que dans le périmètre autorisé.
L'observabilité repose sur Langfuse : chaque appel LLM est suivi, avec journaux d'audit.
Le moteur applique des garde-fous et la validation humaine reste requise avant toute action engageante : l'IA prépare et propose, l'humain décide.
Les solutions déployées s'appuient sur des instances privées dédiées ; les données ne sont jamais utilisées pour entraîner les modèles. La sécurité des prompts est gérée par l'orchestrateur, qui contrôle de façon centralisée tous les appels aux LLMs.
Selon la sensibilité du traitement :
Anthropic Claude via AWS BedrockL'anonymisation des données personnelles avant traitement SaaS et l'option d'hébergement open-source soutiennent la minimisation. Les données ne servent jamais à l'entraînement.
Langfuse fournit le monitoring technique des appels (latence, coûts) et la détection de dérives ; les traces (prompts, tokens) soutiennent l'analyse a posteriori.
Synthèse vérifiable, fondée sur les composants réels de l'architecture.
| Garantie | Comment c'est assuré |
|---|---|
| Aucune dépendance à un fournisseur IA unique | LLM Router : Claude, GPT-4o, Mistral, Ollama interchangeables, exécution locale possible. |
| Vos données n'entraînent jamais les modèles | Instances privées dédiées ; données jamais utilisées pour l'entraînement. |
| Protection contre les injections de prompt | Filtrage automatique des injections et contournements ; contrôle centralisé de tous les appels LLM par l'orchestrateur. |
| Cloisonnement des données | Données disponibles cloisonnées lors de l'appel aux données de l'utilisateur. |
| Minimisation des données personnelles | Anonymisation par LLM local avant envoi SaaS, ou LLM open-source auto-hébergé. |
| Traçabilité des appels IA | Langfuse : prompts, tokens, latence, coûts ; journaux d'audit. |
| Détection des dérives | Langfuse : détection de dérives + tests CI automatisés. |
| Séparation des traitements sensibles | SaaS Claude / AWS Bedrock sans données perso ; anonymisation ou auto-hébergement open-source sinon. |
| Hébergement & certifications | Hébergement certifié ISO 27001, HDS (Hébergeur de Données de Santé) et SecNumCloud. |
Nous répondons point par point. Demandez une démo technique ou la documentation d'architecture détaillée.