Les services IA de DnC

ReActEngine, l'IA qui raisonne, s'adapte et comprend votre réalité métier

Bertrand Degoy — 2026-04-11T16:33:39Z

Fondé sur ReAct (Raisoning and Acting) ReActEngine appartient à la nouvelle génération d'agents intelligents capables de raisonner et d'interagir avec vos outils métier en s'appuyant sur les données de votre entreprise en temps réel ainsi que sur votre documentation.
Avec le standard MCP (Model Context Protocol), il se connecte naturellement à votre écosystème industriel et devient un véritable copilote cognitif pour l'Industrie 4.0 et au‑delà.
Grâce au RAG (Research Augmented Generation), il exploite la documentation interne de l'entreprise pour éclairer son raisonnement et illustrer ses réponses.

ReActEngine est développé en France et utilise un modèle de langage de MistralAI. Cocorico !

Une vision fine, prédictive et explicable de vos processus

ReActEngine combine trois piliers complémentaires :

1. ReAct — Raisonnement structuré

L'agent ne se contente pas de répondre :
il analyse, décompose, vérifie, puis agit.
Cette approche multi‑étapes permet :

une compréhension plus fine des intentions,
des réponses explicites et argumentées,
une meilleure gestion des situations complexes ou ambiguës.

2. RAG — Votre documentation comme socle de vérité

Grâce à un module RAG intégré, ReActEngine s'appuie sur :

vos historiques,
vos procédures,
vos référentiels techniques,
vos routines métier.

Il devient un assistant qui parle votre langage, comprend vos règles et s'appuie sur votre corpus documentaire . Le principe du RAG est de traiter les documents d'une entité. Il faut pouvoir saisir facilement toute la documentation et surtout tenir à jour cette documentation de façon continue. C'est le rôle du RAG Manager.

3. MCP — Vos données temps réel, sans intégration complexe

MCP agit comme un USB‑C de l'IA :
une interface universelle pour connecter l'agent à vos systèmes (ERP, CRM, API internes, capteurs, machines…).

Il apporte :

des données toujours à jour,
une réduction massive des coûts d'intégration,
une meilleure sécurité,
une interopérabilité immédiate.

Pensé pour l'Industrie 4.0… et prêt pour l'Industrie 5.0

Dans les environnements industriels, ReActEngine devient un assistant opérationnel capable de :

suivre l'évolution des données en direct,
anticiper les dérives,
expliquer ses analyse et justifier ses propositions,
demander l'expertise de l'humain quand nécessaire, sans jamais inventer ou halluciner.

Avec l'arrivée de l'Industrie 5.0, il s'intègre naturellement aux jumeaux numériques, offrant une vision :

plus fine,
plus prédictive,
plus explicable
des processus industriels.

Une architecture modulaire, conçue pour vos métiers

ReActEngine s'appuie sur trois ToolKits complémentaires :

GeneralToolKit
Les outils génériques indispensables à tout raisonnement.
ThemeToolKit
Les outils spécifiques à votre domaine métier, incluant un outil RAG dédié.
ToolKit temps réel (MCP)
Les connecteurs vers vos données opérationnelles, capteurs, API et systèmes internes.

Cette modularité garantit une adaptation rapide à chaque contexte, sans réécriture de l'agent.

Les bénéfices immédiats

Décisions plus rapides et mieux informées
Grâce à des données actualisées et un raisonnement expliqué.
Interopérabilité native
Via MCP, un standard universel, sans connecteurs maison ni intégrations lourdes, adapté à l'atelier comme à l'administration.
Personnalisation métier
Chaque thème, configuré pour vous, dispose de ses outils, de votre vocabulaire et de votre logique.
Réduction de la dette technique
Une architecture standardisée, durable et évolutive.
Sécurité renforcée
Contrôles d'accès par OAuth 2.0 ou OpenID Connect et gestion des autorisations, y compris pour le RAG et MCP.

ReActEngine — L'IA qui comprend votre métier et agit avec vous

Un agent capable de raisonner, d'expliquer, d'interroger vos systèmes en direct et de s'appuyer sur votre documentation interne.
Un assistant qui vous accompagne dans la transformation vers une industrie plus réactive, plus prédictive et connectée à l'humain.

Pour en savoir plus :

ReAct et intégration des données temps réel avec MCP ( Model Context Protocol )

Bertrand Degoy — 2025-11-25T16:55:27Z

L'intégration du standard MCP ( Model Context Protocol ) dans une architecture ReAct permet de déployer des agents IA capables de raisonner en s'appuyant sur les données de l'entreprise en temps réel tout en simplifiant les connexions, réduisant les coûts d'intégration, et renforçant la sécurité. C'est un levier puissant pour industrialiser l'IA dans les environnements métiers de l'industrie 4.0.

Moteur ReAct et intégration de données actualisées

ReAct ( Reasoning and Acting ) est un algorithme qui permet à une intelligence artificielle de raisonner étape par étape en interagissant avec des outils métier ou des sources de données. Plutôt que de répondre directement à une question, l'IA peut décomposer le problème, expliquer sa démarche, chercher des informations à chaque étape, puis formuler une réponse précise et pertinente. C'est particulièrement utile dans les environnements complexes ou dynamiques, comme ceux de l'industrie 4.0, où les décisions doivent s'appuyer sur des données actualisées et des raisonnements structurés.

Grâce à l'approche ReAct, le système est désormais capable de conduire des raisonnements en plusieurs étapes au sein d'un même échange. Cette capacité lui permet de mieux comprendre les intentions de l'utilisateur, d'ajuster ses hypothèses en temps réel et de formuler des réponses plus précises, contextualisées et explicites. Il s'appuie pour cela sur des données dynamiques, issues en temps réel des outils et services de l'entreprise, acquise par MCP (Model Context Protocole) et croisées intelligemment avec la documentation interne grâce à un outil RAG (Research Augmented Generation) . Ce double ancrage garantit une pertinence accrue des réponses, même dans des contextes complexes, ambigus ou en constante évolution.

Cette faculté d'interaction s'inscrit pleinement dans la logique de l'Industrie 4.0, où l'intelligence artificielle agit comme une aide cognitive, interconnecté aux systèmes physiques et numériques pour renforcer la réactivité, la traçabilité et la prise de décision.

Mais déjà, l'horizon s'élargit : avec l'émergence de l'Industrie 5.0, l'accent se déplace vers une collaboration plus étroite entre l'humain et la machine. Les jumeaux numériques, en particulier, deviennent des instruments puissants d'intelligibilité opérationnelle, offrant aux opérateurs une vision fine, prédictive et explicable des processus industriels.

Architecture modulaire de nos outils ReAct

GeneralToolKit : Fournit des outils génériques toujours disponibles pour tous les raisonnements.
ThemeToolKit : Permet à chaque thème métier d'exposer ses propres outils spécifiques, y compris un outil RAG (Research Augmented Generation) pour exploiter la documentation privée de l'entreprise.
ToolKit temps réel : Un module dédié expose des outils connectés à des sources de données en temps réel, qu'elles soient internes à l'entreprise ou issues de services tiers (cloud ou edge-on-premise).

L'outil RAG (Research Augmented Generation)

La méthode RAG permet de construire des agents conversationnels (chat bots) intégrant la documentation de l'entreprise. Ces données ont un caractère statique, même si de nouveaux documents ou de nouvelles versions des documents peuvent être ingérées très régulièrement. L'entreprise y intègrera ses historiques et sa documentation de référence.

Dans notre architecture, un module RAG est mis à la disposition de la boucle ReAct sous forme d'outil, lui permettant d'appuyer ses raisonnements sur :

des documents historiques (rapports, données informelles ...),
un référentiel documentaire (procédures, notices techniques ...),
des routines permettant d'orienter le raisonnement pour effectuer des tâches répétitives.

Accès aux données d'entreprise en temps réel

Le ToolKit temps réel, fondé sur MCP (Model Context Protocol), est crucial pour les cas d'usage métier avancés. Il permet au moteur ReAct de :

Interroger dynamiquement des données métiers (ERP, CRM, documentation interne, notices techniques, procédures etc.)
Consommer des flux de données actualisées (API internes, capteurs, machines, services cloud)
Fournir des réponses contextuelles et à jour, en s'appuyant sur des données opérationnelles en direct.

Les outils du ToolKit temps réel font appel au standard MCP pour l'importation des données.

Le standard MCP

Le standard MCP permet de connecter facilement une IA à des données et outils d'entreprise en temps réel, ce qui renforce considérablement les capacités du moteur ReAct décrit précédemment.

C'est un protocole ouvert lancé fin 2024 par Anthropic. Il vise à standardiser la connexion entre les modèles d'intelligence artificielle (comme les LLMs ou agents ReAct) et les sources de données ou outils externes (ERP, CRM, bases de données, APIs, capteurs, machines etc.).

On le compare souvent à un "USB-C de l'IA" : une interface universelle qui remplace les intégrations sur mesure, souvent complexes, coûteuses et peu maintenables.

Quels bénéfices avec le moteur ReAct et les données temps réel ?

Dans le contexte du moteur ReAct que nous mettons en oeuvre, MCP apporte plusieurs avantages clés :

Connexion directe aux données d'entreprise en temps réel : MCP permet d'interroger des systèmes internes ou des services cloud sans passer par des intégrations spécifiques. Cela complète parfaitement le ToolKit temps réel mentionné dans ton document.
Recherche par étapes plus fluide : Grâce à MCP, chaque appel du moteur ReAct à un outil externe (comme le QueryEngineTool) peut se faire via une interface unifiée, facilitant les raisonnements multi-étapes avec des données toujours à jour.
Réduction de la dette technique : Plus besoin de maintenir des connecteurs maison ou des orchestrateurs complexes. MCP simplifie l'architecture et améliore la maintenabilité des agents IA.
Interopérabilité et évolutivité : Le moteur ReAct peut s'adapter à différents environnements métiers sans modification profonde, en s'appuyant sur le standard MCP pour accéder aux bons outils et données.
Sécurité renforcée : Le protocole MCP intègre des mécanismes de contrôle d'accès et de journalisation, ce qui est crucial pour les environnements sensibles ou réglementés.

Bénéfices pour la prise de décision

Réactivité accrue : Les agents peuvent s'adapter à l'évolution des données sans redéploiement.
Personnalisation métier : Les outils spécifiques par thème permettent d'aligner les raisonnements sur les données métier et le vocabulaire de chaque domaine.
Interopérabilité : Ouverture aux systèmes d'information existants via des connecteurs temps réel standardisés.

Les Thèmes et les Modes, une originalité de l'IA de DnC

Bertrand Degoy — 2024-11-06T11:09:00Z

Les applications d'IA développées par DnC sont hautement configurables. La notion de 'thème' permet un fonctionnement multi-utilisateurs tout en assurant la confidentialité des données et en évitant les hallucinations.
Les 'modes' permettent le paramétrage des traitements pour répondre à différents objectifs.

Permettre une utilisation multi-propriétaires

Il s'agit de sécuriser les données de plusieurs entités en les isolant dans des espaces de données spécifiques, matérialisés sur le serveur par un répertoire portant le nom du thème.

Le concept de Thèmes, conjointement au contrôle de l'accès des utilisateurs au moyen du serveur d'authentification OAuthSD, permet de partager un service d'IA entre différents utilisateurs (multi-tenant), par exemple sur une plateforme SaaS.

Assurer la confidentialité des données

Les données d'une entité sont conservées sur un serveur dédié. Elles ne sont pas utilisées (par OpenAI par exemple) pour alimenter le modèle de langage (LLM). Cela est possible grâce à l'application de la méthode RAG (Retrieval Augmented Generation ou génération augmentée de récupération), contrairement à des méthodes d'entraînement du LLM comme le "fine tuning".

Différents thèmes pourraient être utilisés par une même entité pour segmenter des groupes de données. Cela peut être fait pour séparer des domaines très différents et éviter des hallucinations. Cela peut également être utilisé pour séparer des données destinées au public de données réservées à l'usage interne de l'entreprise.

Donner des réponses précises et actualisées

Un grand modèle de données (LLM) comme GPT a été entraîné sur un très grand nombre de données, pour beaucoup issues du Web. Mais, pour ceux qui opèrent dans un domaine technique particulier, il existe peu de chances que les réponses d'un chat bot public soient détaillées et à jour (en particulier, il ne sera pas possible de retirer une information).

Eviter les hallucinations

Dans votre domaine, vous et vos visiteurs employez un vocabulaire bien précis. Dans ce contexte, un mot courant peut prendre une signification précise, différente de l'acception générale ou de celles d'autres domaines. Un chat bot public risque de mal interpréter les termes de votre recherche et répondre totalement à côté ! Le thème permet de limiter l'exploration à vos seuls documents, ce qui est un moyen radical d'éviter les dérapages hors du domaine !

Permettre de définir des traitements spécifiques pour votre métier

ChattyWS est hautement configurable afin de répondre aux objectifs particuliers d'une application donnée. ChattyBot permet de préciser le contexte des recherches et d'en adapter le mécanisme.
C'est une des originalités que l'on retrouve dans tous les développements d'IA de DnC.
Pour cela, à chaque thème est associé un fichier parametres.json qui permet de définir les traitements de façon générale ou différenciée selon plusieurs modes répondant à des objectifs particuliers.

Voyez comment ChattyWS met en œuvre les thèmes et les modes.

Accéder à vos données métier en temps réel

Le thème rend possible la définition d'outils d'extraction en temps réel de données parfaitement adaptés à vos besoins métier. Mis à disposition de ReAct, ces outils permettront des raisonnements élaborés alliant vos données structurées et votre documentation.

Voyez comment Chat Engine ReAct avec outils boost ChattyWS pour analyser vos données.

L'apport original de DnC pour l'IA des entreprises

Bertrand Degoy — 2024-10-29T14:03:09Z

DnC développe des outils permettant d'exploiter les données privées d'une entité tout en assurant leur sécurité.

De plus, en matière d'IA générative appliqué à des connaissances, on ne peut se contenter du seul mode question/réponse. Des applications particulières exigent d'appliquer des traitements de données différenciés selon les objectifs poursuivis.

RAG : Travailler sur les données privées d'une entreprise

Les LLM sont entrainés sur d'énormes volumes de données, mais pas sur vos données. La génération augmentée de récupération ( Retrivial Augmented Generation, RAG) résout ce problème en ajoutant vos données aux données auxquelles les LLM ont déjà accès.
Dans RAG, vos données sont chargées et préparées pour les requêtes ou « indexées ». Les requêtes des utilisateurs agissent sur l'index, qui filtre vos données pour obtenir un contexte le plus pertinent. Ce contexte et votre requête sont ensuite transmis au LLM, et le LLM fournit une réponse.
d'après LlamaIndex : Introduction to RAG

Large Language Models (LLMs) and vector databases are usually paired to build Retrieval Augmented Generation (RAG), a popular AI application architecture to address AI Hallucinations.
milvus, membre du projet vLLM : Building RAG with Milvus

S'agissant d'assistants IA (par exemple un chatbot), nous sommes maintenant habitués à des applications qui s'appuient sur des grands modèles de langage (LLM) entrainés sur des données générales, c'est à dire publiques et non relatives à une entité privée.
De ce fait :
– la thématique est non limitée, ce qui ouvre la porte à des "hallucinations",
– les données ne peuvent être suffisamment détaillées pour satisfaire un utilisateur professionnel,
– vous ne pouvez pas assurer leur mise à jour,
– s'agissant le plus souvent d'applications "dans le Cloud" diffusées en mode SaaS ou PaaS, la sécurité des données ne peut être aussi bien assurée que dans le cas d'applications installées sur les ressources privés d'une entité. Le RGPD exige que ces ressources soient situées en Europe.

DnC propose des outils, généralement sous la forme de service Web, qui appliquent la méthode RAG pour traiter localement les données de l'entité sur ses propres serveurs. L'alternative étant le "fine tuning" exigeant de transférer à une entité extérieure les données de l'entreprise pour compléter l'apprentissage de son modèle de langage.

De plus, grâce à notre serveur d'authentification OAuthSD, vous maîtriserez quelles applications auront accès à vos données et avec quels privilèges.

Offrir des outils répondant à des objectifs particuliers

Les premiers travaux de DnC portent sur l'IA générative appliqué à des connaissances.

Il est rapidement apparu que des applications particulières exigent d'appliquer des traitements de données différenciés selon les objectifs poursuivis : on ne peut se contenter du seul mode question/réponse.

On pourra objecter que la question posée à un chatbot (le "prompt") peut inclure des instructions qui permettront d'atteindre des objectifs particuliers.
A ceci nous répondons que :
– c'est tout un art que de formuler correctement les instructions ;
– répéter cette formulation à chaque question peut s'avérer fastidieux ;
– cela ne permet pas de configurer les traitements internes, en particulier le "prompt système" reste le même, ainsi que la logique et les réglages des différentes étapes du traitement.

Pour répondre aux objectifs particuliers d'une entreprise, nous introduisons les thèmes et les Modes :
– En permettant de créer des groupes de documents indépendants, les thèmes offrent un fonctionnement multi-utilisateurs tout en assurant la confidentialité des données et en évitant les hallucinations.
– Les modes permettent le paramétrage des traitements pour répondre à différents objectifs.

En savoir plus : Les Thèmes et les Modes, une originalité de l'IA de DnC :

Le démonstrateur de robot conversationnel : ChattyBot

ChattyBot est un robot conversationnel.
C'est une application Web autonome. Elle est multi-utilisateur, sécurisant les données de différentes entités en les isolant dans des espaces de données spécifiques : les 'thèmes'. Cela permet également de définir des traitements répondant aux objectifs particuliers de l'entité.

ChattyBot est multilingue (il répond dans la langue dans laquelle il est interrogé) et peut effectuer des traductions.

En savoir plus : ChattyBot

Le démonstrateur de service Web : ChattyWS

ChattyWS est le prototype d'un service Web conçu pour être intégré à une application textuelle. Il répond aux questions, apporte automatiquement des corrections aux textes fournis et s'oppose aux contenus inappropriés. C'est un outil idéal pour garantir de manière automatisée la qualité rédactionnelle d'un site web, modérer automatiquement un forum, générer des réponses pour une FAQ, augmenter la productivité des rédacteurs etc. C'est une application multilingue.

En savoir plus : WsgiAgent