Votre cloud. Votre modèle. Vos règles.

Le point de départ : vous avez déjà le modèle. Ce qui manque, c’est le processus.

Les modèles de frontière sont désormais à un appel d’API. Amazon Bedrock met Claude, GPT, Llama, Mistral, Nova et d’autres à disposition sur le compte AWS que vous opérez déjà. Microsoft Foundry fait de même avec GPT, Claude, Mistral et Llama sur l’abonnement Azure que vous facturez déjà. Très peu d’organisations font toutefois réaliser à ces modèles un travail mesurable, opposable et auditable à l’intérieur d’un processus métier homologué.

Un notebook ou une fenêtre de conversation accélère une personne. Cela n’achemine pas une facture, n’applique pas un contrôle interne et ne produit pas de preuve. La sécurité demande où vont les données et qui a validé quoi. Sans réponse, rien n’entre en production.

Le vrai travail est l’intégration. La valeur est dans l’ERP, le CRM, le GED — et dans les décisions humaines qui les relient. WorkflowGen est la couche intermédiaire : une plateforme de processus gouvernée qui invoque le modèle dans votre propre compte cloud, maintient un responsable nommé sur le résultat, et consigne chaque étape dans une seule piste d’audit.

01 — Connectez votre propre modèle

Pas de nouvel éditeur d’IA. Pas de nouveau contrat. Aucune donnée qui quitte le compte AWS ou le périmètre Microsoft déjà validé par votre équipe sécurité.

Trois étapes, une après-midi

WorkflowGen est livré avec une application de workflow IA native. Bedrock expose désormais des points de terminaison compatibles OpenAI et Anthropic ; Azure Foundry est pris en charge comme fournisseur compatible OpenAI. Le raccordement est une affaire de paramétrage — pas de développement.

Sur Amazon Bedrock

1. Activer le modèle. Demandez l’accès au modèle souhaité dans votre compte et votre Région, puis générez une clé d’API Bedrock depuis la console ou IAM. Aucun compte chez l’éditeur du modèle. Clés de courte durée pour la production. Chaque appel journalisé dans CloudTrail.
2. Pointer WorkflowGen vers ce point de terminaison. Utilisez le point de terminaison Bedrock compatible OpenAI ou Anthropic comme URL de base, et la clé d’API Bedrock comme clé. Paramétrage dans le web.config, ou surcharge à l’action.
3. L’utiliser dans un processus. Déposez l’application OPENAICHAT sur n’importe quelle étape. MODEL et les messages entrent ; RESULT_CONTENT et les compteurs de tokens ressortent comme données de processus, sur lesquelles vous pouvez brancher le routage.

Sur Microsoft Azure / Foundry

1. Déployer le modèle. Créez une ressource Foundry dans votre abonnement et déployez le modèle choisi. Azure délivre le point de terminaison et la clé. L’authentification Entra ID est prise en charge. Aucun compte tiers.
2. Pointer WorkflowGen vers ce point de terminaison. Renseignez OpenAIChatApiUrl avec l’URL Azure et OpenAIApiKey avec la clé Azure, une fois dans le web.config ou à l’action. Azure est traité comme fournisseur compatible OpenAI.
3. L’utiliser dans un processus. La même application OPENAICHAT. Les mêmes entrées et sorties. Réutilisable dans tous les processus.

Rien à construire, rien à maintenir. Pas de connecteur à développer, pas de middleware, pas de code spécifique. Le même mécanisme pilotant un modèle auto-hébergé, changer de modèle plus tard se réduit à un changement d’URL — pas à un projet.

N’importe quel modèle. Aucun verrouillage, ni technique, ni commercial.

WorkflowGen est agnostique vis-à-vis des LLM par conception. Bedrock est multi-fournisseurs par conception. Foundry rassemble modèles de premier rang et modèles partenaires dans le même portail. Votre stratégie de modèles reste la vôtre — et elle peut changer au trimestre suivant sans toucher un processus.

Sur Amazon Bedrock. Claude Sonnet et Haiku sont invoqués via le fournisseur Anthropic de WorkflowGen, sur le point de terminaison compatible Anthropic. Tout le reste du compte — famille GPT et gpt-oss, Mistral, Llama, Amazon Nova, DeepSeek, Qwen, MiniMax, NVIDIA Nemotron, xAI Grok — passe par le point de terminaison compatible OpenAI en /v1/chat/completions, via le fournisseur OpenAI de WorkflowGen. Le même modèle, votre compte, votre Région.

Sur Microsoft Foundry. Les modèles commercialisés par Azure — famille GPT-5, Mistral, Llama, Cohere — relèvent des Conditions des produits Microsoft et sont facturés sur les compteurs Azure natifs, imputables à l’engagement que vous avez déjà souscrit. Les modèles partenaires tels que Claude et Hugging Face se déploient depuis le même portail et sont facturés via Azure Marketplace comme produit non Microsoft. Même facture Azure, conditions de licence du fournisseur acceptées à la souscription.

Ou rien d’AWS ni d’Azure. La plateforme est indifférente. OpenAI, Anthropic, Mistral, Gemini et DeepSeek en direct ; Ollama, vLLM, LM Studio ou LocalAI auto-hébergés ; un modèle sur votre propre infrastructure, totalement isolé (air-gap). Mixez les fournisseurs d’un processus à l’autre, sur une seule plateforme.

Changer de modèle = un nouveau point de terminaison et une nouvelle valeur MODEL. Vos processus, formulaires, participants et pistes d’audit restent intacts.

Ce que cela coûte — et comment vous en gardez la maîtrise

Pas de licence IA. Pas de facturation à l’utilisateur nommé. Pas de minimum. Vous payez les tokens consommés par vos processus, sur la facture que vous recevez déjà. Un premier processus se chiffre typiquement en quelques dizaines d’euros par mois — pas en abonnement pour toute l’entreprise.

• Dimensionnez le modèle à chaque étape. Classification et extraction tournent sur un modèle compact ; seul le raisonnement véritable justifie le modèle large. WorkflowGen fixe MODEL à l’action, pas à la plateforme.
• Choisissez le palier de service selon la charge. Les modes Batch et Flex de Bedrock coûtent la moitié du tarif standard pour les traitements qui peuvent attendre. Le Batch Azure est à −50 % ; le prompt caching réduit fortement le coût d’entrée sur les deux clouds. Le débit provisionné transforme un coût variable en coût fixe lorsque vous y êtes prêts.
• Chaque appel renvoie RESULT_TOTAL_TOKENS, RESULT_PROMPT_TOKENS et RESULT_CACHED_TOKENS dans le processus — le coût IA devient reportable par processus, par entité, par mois.

Tarifs indicatifs à la demande (à confirmer dans les calculateurs AWS et Azure ; ils varient selon la Région et la date) : Amazon Nova Micro à 0,04 $ / 0,14 $ le million de tokens en entrée / sortie ; Nova Lite 0,06 $ / 0,24 $ ; Nova Pro 0,80 $ / 3,20 $ ; Claude Sonnet 4.6 3,00 $ / 15,00 $. Sur Azure Global Standard : GPT-5.4 nano 0,20 $ / 1,25 $ ; mini 0,75 $ / 4,50 $ ; GPT-5.4 2,50 $ / 15,00 $ ; GPT-5.5 5,00 $ / 30,00 $. Lecture en cache et paliers Batch nettement inférieurs.

Les données restent dans un compte que vous maîtrisez déjà

Pas de nouveau sous-traitant à qualifier. Pas de nouveau contrat à négocier. Le modèle s’exécute dans votre compte AWS ou sous votre abonnement Azure, dans la Région que vous choisissez, sous l’accord que vous avez déjà signé.

• Jamais utilisées pour entraîner les modèles. AWS indique que vos données ne sont pas partagées avec les fournisseurs de modèles et ne servent pas à améliorer les modèles de fondation. Côté Azure, les invites et les complétions ne sont pas utilisées pour entraîner les modèles de fondation, ne sont pas partagées avec d’autres clients et ne sont pas accessibles au fournisseur du modèle.
• Chiffrées, avec vos propres clés. En transit et au repos. Clés gérées par le client dans AWS KMS ou Azure Key Vault.
• Votre Région, et elle y reste. Un profil d’inférence US sur Bedrock maintient chaque requête dans les Régions américaines — le routage hors des États-Unis est une option, jamais le défaut. Les déploiements Azure Data Zone conservent le traitement à l’intérieur de la frontière de données locale ; zones US, UE et APAC, et ancrage sur une seule région, sont disponibles.
• Votre identité, votre réseau. Politiques IAM et clés de condition côté AWS ; Entra ID, accès conditionnel et réseau privé côté Azure. PrivateLink / points de terminaison privés : le trafic ne passe pas par l’internet public.
• Auditable par construction. CloudTrail, plus journalisation optionnelle des invocations vers votre propre compartiment S3 sur AWS. Foundry est couvert par l’addendum de protection des données des Produits et services Microsoft déjà en vigueur. La désactivation de la revue humaine des invites (abuse monitoring) est possible sur Azure sur dossier.
• Certifié là où cela compte. ISO, SOC et CSA STAR dans le périmètre des deux côtés. Éligibilité HIPAA. Dans GovCloud (US), les modèles Bedrock portent les autorisations FedRAMP High et DoD IL-4/5.

Et du côté WorkflowGen de la frontière : chaque appel IA, les données envoyées, la réponse renvoyée et la personne qui l’a acceptée ou reprise sont consignés dans la même piste d’audit que le reste du processus.

02 — Faire travailler l’IA dans un processus

L’IA cesse d’être une démonstration lorsqu’elle lit la pièce jointe, renseigne le formulaire, rédige la recommandation — et remet la décision à un responsable nommé. Aucun des schémas ci-dessous n’impose de reconcevoir le workflow. Chacun s’ajoute comme une étape à un processus existant, la validation humaine restant exactement là où elle est aujourd’hui.

• Analyse documentaire. Les pièces jointes sont lues, classées et leurs données clés extraites — factures, contrats, attestations, sinistres — puis écrites directement dans le processus.
• Aide à la décision. Recherche et analyse sur votre connaissance interne, restituées au valideur sous forme de recommandation structurée, avec avantages, inconvénients et risques.
• Sources d’entrée élargies. Audio, vidéo, images et messagerie deviennent des entrées de processus exploitables, au-delà des seuls formulaires structurés.
• Notifications que l’on lit vraiment. Des e-mails spécifiques au destinataire, qui disent ce qui s’est passé, ce qui est attendu et pour quand — générés par demande, non pas à partir d’un modèle figé.

Le tout s’exécute contre votre point de terminaison Bedrock ou Azure. Sortie structurée conforme à un schéma JSON, appel de fonctions, historique de conversation et comptabilisation des tokens reviennent dans le processus comme données sur lesquelles le workflow peut se brancher.

Génération augmentée par récupération, ancrée dans ce que votre organisation a déjà décidé

WorkflowGen v10 indexe les données de demande avec des embeddings produits par votre propre point de terminaison Bedrock ou Azure, de sorte qu’une étape IA raisonne sur votre historique au lieu d’extrapoler à partir de l’internet public.

• Extraire. EXTRACTTEXT isole le texte propre des pièces jointes PDF, DOCX et TXT.
• Vectoriser. Les données de demande sont découpées et transformées en vecteurs par un modèle d’embedding sur votre propre point de terminaison.
• Conserver. Les vecteurs restent dans votre base : PostgreSQL avec pgvector sur Amazon RDS ou Aurora, SQL Server, ou Azure SQL.
• Restituer. SEMANTICSEARCH combine recherche plein texte et recherche sémantique, et alimente le modèle avec le résultat.

Ce que cela change pour la personne qui doit décider : les trois dossiers les plus proches peuvent s’afficher sur le formulaire de validation, avant qu’elle ne s’engage. « Retards fournisseurs comparables à ceux du T2 » ramène les bonnes demandes même si personne n’a employé ces mots. Chaque demande close devient un contexte interrogeable pour la suivante, d’un processus à l’autre, d’une entité à l’autre.

La base de connaissance est la vôtre et le reste. Les embeddings sont produits par votre modèle et stockés dans votre base, à l’intérieur de votre VPC. Rien n’est versé dans un index tiers.

03 — Des agents, dans les deux sens

Des agents IA qui agissent à l’intérieur de vos processus — et les agents que vous avez déjà sur AWS ou Azure qui appellent WorkflowGen lorsqu’une décision exige une personne.

Des agents qui agissent — dans un processus qui répond d’eux

Un agent capable d’appeler des outils a besoin de bornes. WorkflowGen les fournit : outils déclarés, séquence définie, et points de contrôle humains là où les conséquences sont réelles.

Ce que l’agent peut faire

• Appeler les outils que vous déclarez, au format function calling OpenAI
• Renvoyer un JSON structuré validé contre votre propre schéma
• Conserver l’état de conversation sur plusieurs étapes de processus
• Router la demande selon son propre score de confiance
• Passer la main à un autre agent, en transmettant les données

Ce que la plateforme impose

• Quels outils existent, et lesquels cet agent a le droit d’utiliser
• Un point de contrôle humain partout où vous jugez l’enjeu suffisant
• Une escalation lorsque la confiance est basse ou qu’une exception est rencontrée
• Un enregistrement de l’invite, de la réponse, des tokens et du résultat
• Le versioning — modifier une invite, c’est modifier une version de processus

Les tâches sont affectées dynamiquement selon la complexité, le contexte et la charge. Les agents se transmettent les données, une personne nommément désignée conserve le dernier mot, et chaque étape — humaine ou machine — atterrit dans la même piste d’audit.

Vos agents cloud peuvent ouvrir, alimenter et clôturer un processus

Un agent Bedrock AgentCore, une fonction Lambda, une machine d’état Step Functions, un agent Copilot Studio, une Logic App, un agent Foundry maison ou tout autre composant de votre paysage : WorkflowGen expose le processus comme une opération qu’ils peuvent invoquer.

• Webhooks entrants. Un POST HTTP, une charge utile JSON — créer une demande, terminer une action, mettre à jour un jeu de données, réaffecter, annuler ou supprimer. Authentification par jeton, avec usurpation d’identité utilisateur optionnelle.
• API Web GraphQL. Périmètre runtime et design-time : demandes, actions, utilisateurs, groupes, participants, délégations, import et export de processus. De quoi construire un portail spécifique — ou laisser un agent le piloter. Sécurisée par le même modèle d’identité que le portail.
• Webhooks sortants et applications. Événements de processus, RESTAPICLIENT vers tout service REST, assemblages .NET et Node.js. Tout service AWS ou Azure joignable en HTTPS. Signature électronique, ERP et CRM par le même mécanisme. Les validations Teams fonctionnent déjà ainsi via Power Automate.

Côté AWS, AgentCore Gateway transforme dès aujourd’hui ces points de terminaison en outils MCP : enregistrez l’API WorkflowGen comme cible OpenAPI ou Lambda, Gateway la publie en outils MCP que vos agents découvrent et appellent, authentification entrante et sortante prise en charge. Côté Azure, WorkflowGen adopte MCP afin que les agents découvrent et invoquent vos processus via une interface standard.

Un cadriciel d’agents n’est pas une plateforme de processus

AgentCore donne à vos agents un runtime, une mémoire, une identité et une passerelle. Copilot accélère les individus dans Word, Excel, Outlook et Teams. Ni l’un ni l’autre ne vous donne le processus humain autour de l’agent. La plupart de nos clients exploitent les deux.

Un cadriciel d’agents est un runtime pour agents autonomes — conçu et opéré par vos développeurs. Pas de formulaires, pas de valideurs, pas de délégation, pas de version de processus. Microsoft 365 Copilot se licence par utilisateur et par mois, ancré sur le contenu qu’un utilisateur voit déjà, sans état de processus, sans routage et sans enregistrement de validation.

WorkflowGen est l’automatisation gouvernée de processus : processus transverses à étapes et responsables définis ; formulaires, participants, délégation, escalation, supervision ; conçus et fait évoluer par les analystes métier, pas par les développeurs ; une piste d’audit complète, y compris ce que l’IA a proposé ; vingt ans de sémantique processus qu’un cadriciel d’agents n’a aucune raison d’embarquer.

Là où les deux se rejoignent : votre agent appelle WorkflowGen via Gateway, Copilot Studio ou un webhook lorsqu’une décision exige une personne ; le processus s’exécute, applique vos contrôles et produit la preuve ; le résultat revient à l’agent ou dans Microsoft 365.

Comment cela s’assemble

Un moteur de processus gouverné au centre. Tout le reste reste où il est — y compris le modèle.

• WorkflowGen — moteur de processus, applications IA, API GraphQL. Déployé sur AWS, Azure ou on-premises. Moteur .NET avec une couche Node.js, ferme web en répartition de charge, SQL Server ou PostgreSQL.
• Le modèle — Amazon Bedrock ou Microsoft Foundry, dans votre compte.
• Vos données — Amazon RDS ou Aurora PostgreSQL avec pgvector, SQL Server, Azure SQL.
• Identité — SAML, OpenID Connect, LDAP, Active Directory, Entra ID et SCIM.
• ERP, CRM et applications métier — SAP, Salesforce et le reste, joints comme ils l’étaient déjà.
• Agents et automatisation — AgentCore, Lambda, Step Functions, EventBridge ; Copilot Studio, Logic Apps, agents spécifiques.
• Signature électronique — DocuSign, Adobe Sign, Docaposte, YouSign.
• Microsoft 365 — SharePoint, Teams, Entra ID — lorsque c’est le poste de travail.

Par où commencer : un processus, trente jours, pas de projet d’infrastructure

La voie la moins risquée pour répondre à la question de l’IA est d’exécuter un vrai processus de bout en bout — avec votre modèle, vos données et vos valideurs.

• Semaine 1 — Choisir et modéliser. Retenez un processus à fort volume, peu polémique, avec un propriétaire clair. Modélisez le flux et le formulaire dans le concepteur graphique.
• Semaine 2 — Raccorder le modèle. Activez un modèle compact dans Bedrock ou déployez-en un dans Foundry, générez une clé, pointez WorkflowGen vers le point de terminaison et ajoutez la première étape IA.
• Semaine 3 — Le faire tourner en réel. De vraies demandes, de vrais valideurs, de vraies pièces jointes. L’IA propose ; le responsable nommé décide et peut reprendre.
• Semaine 4 — Mesurer et trancher. Délai de cycle avant / après, coût en tokens par demande, taux de reprise. Puis décider d’étendre, d’ajuster ou d’arrêter.

Gardez votre modèle. Gardez votre budget. Gardez l’humain dans la boucle.

Depuis 2003, WorkflowGen est déployé par plus de 500 organisations dans 70 pays, et traite des millions de demandes chaque jour. L’automatisation agentique hybride des processus n’est pas une catégorie inventée pour une slide. C’est vingt ans de sémantique processus, avec le modèle de votre choix branché dessus.

Si vous avez déjà un compte AWS ou un abonnement Azure, vous avez déjà le modèle. L’étape suivante, c’est un processus.