Votre IA connaît la politique d'achat. Sait-elle qui peut valider la commande ?
Sakana Aquarium relie données, règles et parcours d'agents de l'organisation. Pour l'IA d'entreprise, l'enjeu devient le passage d'une décision à une action autorisée, au-delà d'une réponse convaincante.
Un salarié demande si l'équipe peut acheter un ordinateur portable de remplacement. Un assistant IA retrouve la politique d'achat et fournit une réponse raisonnable. La décision réelle dépend encore du budget, du fournisseur, du service du salarié et de la personne habilitée à approuver cette commande précise.
Le 23 octobre 2026, Sakana AI a annoncé Sakana Aquarium, une plateforme pour construire, exécuter et gouverner des agents autour des données et des règles d'une organisation. L'entreprise japonaise décrit une ontologie reliant la signification des informations et leurs relations, un environnement d'exécution géré pour les agents et une gouvernance de l'accès, des approbations et des traces d'exécution. Annonce officielle.
La question utile est celle du passage entre une réponse et une action autorisée. Aquarium propose une structure commune pour cet intervalle, afin que chaque nouvel agent n'ait pas à redécouvrir ce que l'entreprise entend par client, achat ou approbation.
Ancienne interface de chat dans le navigateur TinySwallow de Sakana AI, présentée pour illustrer le passage des modèles aux produits dans l'entreprise. Il ne s'agit pas d'Aquarium. Image : Sakana AI, licence Apache 2.0. Redimensionnée sans recadrage.
Un même mot peut changer de sens selon le système
La plupart des organisations possèdent déjà quelque part les informations nécessaires à un agent. Un tableur liste les budgets, un document explique les règles d'approvisionnement et une application enregistre l'état d'une commande. La difficulté consiste à savoir quels éléments parlent du même objet et lequel fait autorité au moment de décider.
Par exemple, « approuvé » peut signifier qu'un responsable a donné son accord par e-mail, qu'une demande d'achat a passé un contrôle financier ou qu'un fournisseur a accepté une commande. Ces états sont liés, mais ne sont pas interchangeables. Un agent qui les traite comme des synonymes peut fournir une réponse convaincante tout en choisissant la mauvaise étape suivante.
Une ontologie décrit de manière structurée ces significations et ces relations. Dans la présentation d'Aquarium, elle relie connaissances, règles et données de l'organisation pour permettre à un agent de les utiliser en contexte. La page produit explique aussi que les connexions et la synchronisation sont conçues selon les sources visées. Explication de la plateforme.
Notre lecture est que le travail difficile a été déplacé vers un endroit plus visible. Quelqu'un doit encore décider du sens d'un état, de sa source de référence et du moment où il change. Rendre ces choix explicites peut être précieux : un autre parcours peut les réutiliser au lieu d'inscrire une définition légèrement différente dans un autre prompt.
Cela ressemble moins à un plus grand classeur confié à un chatbot qu'à un accord sur une carte commune. La carte ne remplace pas le terrain. Elle aide à reconnaître les données, la règle et le responsable auxquels renvoie une question.
Explication originale de la direction annoncée : les définitions partagées relient l'information à un parcours gouverné.
Une demande d'achat montre pourquoi la recherche documentaire ne suffit pas
Prenons une demande illustrative d'ordinateur de remplacement. Un parcours utile identifierait le salarié, le budget applicable, le fournisseur agréé et l'état actuel de l'achat. Il déterminerait ensuite le circuit de validation requis, au lieu de traiter un paragraphe de politique générale comme une autorisation d'achat.
Si le budget a changé depuis le début de la demande, le parcours a besoin d'une règle pour utiliser la nouvelle valeur. Si le responsable est absent, il doit savoir si quelqu'un d'autre peut approuver. Si le devis du fournisseur expire, une approbation antérieure peut ne plus couvrir la commande actuelle.
Ce ne sont pas avant tout des problèmes de génération de langage. Ils concernent la responsabilité, le temps et l'habilitation. Un modèle peut aider à interpréter la demande, mais l'application doit relier cette interprétation aux bonnes données et aux opérations permises.
L'annonce d'Aquarium décrit le contrôle d'accès, l'approbation avant exécution et des traces reliant les fondements d'un jugement à son résultat. Elle décrit aussi des définitions de données et d'ontologie réutilisables entre agents. Ce sont des engagements produit utiles à évaluer dans un pilote, pas une raison de supposer que les achats de toute organisation sont déjà pris en charge. Gouvernance et agents gérés.
Un petit premier projet devrait rendre compréhensible de bout en bout un circuit de décision de ce type. C'est plus révélateur que de connecter tous les documents de l'entreprise pour poser une question générale. La cible est une tâche précise dont on peut examiner les entrées, le responsable et le résultat.
Une exception client demande la règle et sa justification
Deuxième scénario : traiter une exception pour un client professionnel. Supposons qu'un contrat prévoie une date de renouvellement standard, mais qu'un commercial ait promis un autre arrangement. Un agent qui ne lit que le dernier e-mail peut manquer le contrat ; celui qui ne lit que le contrat peut manquer une exception autorisée.
Un système utile doit distinguer une proposition d'une modification approuvée. Il doit aussi rendre les pièces justificatives accessibles à la personne qui doit trancher. L'objectif n'est pas de retenir simplement le texte le plus récent, mais de relier les données pertinentes avec leur statut et leur autorité.
C'est ici qu'une définition commune devient réutilisable. Si un parcours comprend l'état du contrat et un autre la facturation, ils ne doivent pas inventer deux sens différents du même renouvellement. Une base commune peut réduire les incohérences lorsque l'organisation ajoute des agents.
Le bénéfice dépend de la qualité de cette base. Une relation erronée se réutilise aussi efficacement qu'une relation exacte. Les équipes doivent donc vérifier la définition et son mécanisme de mise à jour, pas seulement la réponse produite par un agent pendant une démonstration.
Pour un lecteur qui envisage une plateforme similaire, la question la plus utile est précise : quelle décision s'améliorerait si le sens, le statut et l'autorité pertinents étaient reliés ? Si personne ne peut nommer cette décision, le projet risque d'accumuler des informations sans objectif opérationnel clair.
Un parcours réutilisable a toujours besoin d'un responsable quand le contexte change
La page produit d'Aquarium décrit des parcours exprimés en YAML, avec consultation d'informations, jugement IA, exécution de fonctions et approbation humaine. Elle explique aussi que les changements des informations connectées peuvent être répercutés dans l'ontologie. Parcours et synchronisation.
C'est une direction utile, car le processus peut être examiné comme une séquence de décisions et d'actions. Une personne peut demander où placer une approbation, quelle fonction exécute l'opération et ce qui arrive si une information manque. Le parcours ne doit pas être compris uniquement du modèle qui l'a généré.
Cependant, l'arrivée d'une mise à jour dans un système ne signifie pas que l'organisation s'est accordée sur son sens. Une nouvelle politique peut ne concerner que les demandes faites après une date donnée. La modification d'un dossier client peut nécessiter une vérification avant d'influencer une action sensible. Les règles métier environnantes déterminent la réponse.
La responsabilité doit donc être explicite à deux niveaux. Quelqu'un entretient la connexion aux données et détecte les pannes. Quelqu'un d'autre, ou la même personne dans une petite équipe, porte la définition métier et décide du changement de règle. Sans ces responsabilités, la synchronisation peut propager plus vite une hypothèse périmée.
| Question | Ce qui demande une définition partagée | Ce qu'un pilote doit montrer |
|---|---|---|
| Qui concerne la demande ? | Identité et relations entre dossiers | Les bonnes données sont reliées sans confondre des noms similaires |
| Quelle règle s'applique ? | Périmètre de la politique, état et date d'effet | Un cas nouveau ou exceptionnel suit la politique prévue |
| Qui peut agir ? | Droits d'accès et pouvoir d'approbation | L'opération proposée atteint la bonne personne pour validation |
| Que s'est-il réellement passé ? | Résultat et preuves | Le résultat peut être relié à la décision et à ses entrées |
Ce sont des questions d'évaluation, pas des affirmations sur le déploiement d'un client particulier. Elles relient les concepts de la plateforme à une tâche reconnaissable par une entreprise.
Commencez par une opération dont les erreurs sont compréhensibles
Le site officiel d'Aquarium propose actuellement une présentation et une prise de contact. Il n'établit ni tarif public en libre-service ni date universelle d'activation pour chaque client. Il est donc plus utile d'organiser la première discussion autour d'une opération concrète que d'une promesse de basculer toute l'entreprise vers des agents. Présentation et contact.
Une préparation pratique pourrait suivre cette séquence :
- Choisissez une opération récurrente, comme le contrôle d'une demande d'achat avant sa transmission pour approbation.
- Identifiez les données d'origine, le système responsable de chaque valeur et la personne responsable de chaque règle métier.
- Écrivez les états importants, y compris les informations manquantes, les exceptions et les demandes qui doivent s'arrêter.
- Définissez les actions que l'agent peut préparer, celles qu'il peut exécuter et les approbations nécessaires entre les deux.
- Évaluez des exemples ordinaires et difficiles avec les personnes qui traitent ce travail aujourd'hui.
- Examinez la trace d'exécution et le mécanisme de mise à jour avant d'étendre le périmètre à une autre opération.
Cette approche rend le pilote plus facile à juger. L'équipe peut comparer l'exhaustivité des informations réunies, la justesse du circuit proposé et la charge de la personne qui valide. Elle peut aussi remarquer quand le système fait avancer avec assurance une demande qui aurait dû attendre.
Le premier résultat utile peut être une meilleure préparation plutôt qu'une exécution automatique. Rassembler les informations pertinentes et identifier le bon validateur peut lever un véritable blocage. Cela crée aussi une base plus claire pour décider ensuite si davantage d'autonomie est approprié.
Séquence d'évaluation proposée. L'augmentation du nombre d'agents doit suivre un circuit de décision fonctionnel, plutôt que s'y substituer.
L'expérience de Sakana en entreprise explique la direction, pas le résultat
L'annonce de Sakana AI relie Aquarium à son expérience de mise en œuvre de l'IA dans des secteurs exigeant exactitude et responsabilité, dont les services financiers. Elle décrit le travail répété de connexion des données et d'organisation de la terminologie et des critères de jugement. Aquarium est présenté comme une base commune pour un travail autrement reconstruit à chaque projet. Contexte du produit.
Ce contexte explique le problème que l'équipe a choisi de transformer en produit. Il ne doit pas être confondu avec une mesure publiée des résultats d'Aquarium. Une collaboration antérieure de Sakana AI n'est pas automatiquement un cas client Aquarium ; un déploiement limité réussi ne prouve pas que toutes les opérations se transféreront facilement.
Les prochaines preuves à rechercher sont opérationnelles. Quelle tâche a été retenue ? Quelles informations fallait-il au système ? Quelle part du travail est restée humaine, et comment les cas faux ou incomplets ont-ils été traités ? Ces détails rendraient une étude de cas plus utile qu'une affirmation générale de productivité accrue grâce aux agents.
Les orientations futures comprennent l'intégration des corrections et jugements opérationnels aux mises à jour continues, ainsi qu'une aide à la construction d'agents. Cela pose une question de conception importante : comment distinguer les améliorations proposées des changements approuvés des règles de l'entreprise ? La réponse comptera autant que la génération rapide d'un parcours.
Pour une entreprise qui adopte des agents, le signe de maturité le plus solide peut être la capacité de modifier une règle sans risque et d'en expliquer l'effet. Une base compréhensible seulement le jour de sa démonstration deviendra difficile à entretenir à mesure que politiques, personnes et systèmes évolueront.
Un agent d'entreprise utile doit savoir ce que sa réponse autorise
Aquarium mérite l'attention parce qu'il intègre le sens organisationnel et le contrôle à la plateforme d'agents. L'objectif est plus exigeant que trouver un paragraphe plausible, mais il est plus proche du travail réel d'une entreprise.
La question d'un pilote n'est pas de savoir si l'agent semble connaître la politique. Il faut savoir si la bonne information mène à la bonne décision, si la bonne personne autorise l'étape suivante et si l'organisation peut expliquer ce qui s'est passé ensuite.
Sources
- Sakana AI : annonce d'Aquarium, 23 octobre 2026.
- Présentation de la plateforme Sakana Aquarium, consultée le 26 octobre 2026.
Préserver les éléments derrière une décision
Telli.sh permet de conserver les sources autorisées à côté des notes que vous avez vérifiées. Créer un espace de notes.