Pourquoi avons-nous encore besoin de workflows à l’ère des agents IA ?

Pour qu’un agent analyse les commandes et envoie un rapport chaque matin à neuf heures, une tâche planifiée peut le lancer. Des événements ou des Webhooks peuvent aussi démarrer le travail lorsque les données changent.

Si le rapport répond à vos attentes et que le traitement est simple, cela peut suffire.

Au fil du temps, les exigences peuvent se préciser : le taux de remboursement doit suivre une définition commune, seules certaines données doivent être analysées, et les messages aux clients doivent être approuvés avant l’envoi. Après une modification du calcul, il faut aussi savoir quels rapports utilisaient l’ancienne version.

Les questions changent alors. Quelles décisions laisser à l’agent pendant l’exécution, et quelles étapes doivent suivre des règles établies ? Où conserver l’état d’une tâche en attente d’approbation ? Une autre personne pourra-t-elle comprendre le traitement et le maintenir ?

Un workflow permet d’organiser ces exigences. Il conserve explicitement les étapes, les relations entre données et les conditions d’approbation, tandis que son système d’exécution gère l’état. Un agent peut aider à le construire et assurer les tâches qui demandent interprétation et jugement.

Appliquer les règles convenues de manière cohérente

Dans un rapport quotidien sur les commandes, additionner les montants, regrouper les statuts et filtrer une période suivent des règles précises. Le dénominateur du taux de remboursement inclut-il toutes les commandes ou seulement les commandes payées ? Faut-il retenir la date de commande ou celle du remboursement ? Une fois ces définitions convenues, elles doivent être inscrites dans le code.

Un agent peut lui aussi appeler ce code. Le workflow enregistre également ses liens avec les autres étapes : la source des données, le nœud qui reçoit le résultat et les conditions d’envoi du rapport. Ces liens peuvent être vérifiés un par un.

L’IA peut interpréter les commentaires des clients, proposer des explications possibles aux anomalies et choisir les points à mettre en avant. Par exemple, le code sélectionne d’abord les commandes inhabituelles, transmet ces enregistrements au modèle, puis envoie son résumé à l’étape de notification.

Ce qui est défini ici, ce sont les règles de calcul et la structure d’exécution. Le jugement du modèle peut varier, mais ses données d’entrée, sa tâche et l’usage de sa sortie ont une place explicite.

Conserver la progression en attendant une approbation

Prenons une réponse à un client. L’agent a lu l’e-mail, vérifié la commande et rédigé un brouillon. Il attend maintenant l’approbation de la personne responsable.

Cette personne peut ne le consulter que plusieurs heures plus tard. Le système doit conserver les entrées, la réponse rédigée, les étapes terminées et ce qui doit suivre une approbation ou un refus. La reprise doit utiliser l’état de la même exécution et éviter de répéter les étapes déjà terminées.

Un système d’agents peut implémenter ces mécanismes. Pour choisir une plateforme de workflows, examinez les fonctions de gestion d’état qu’elle fournit déjà et leur adéquation aux attentes, aux décisions humaines et à la reprise de vos tâches.

Un déclencheur démarre le travail ; une notification ou un appel d’API ultérieur livre le résultat. Calendriers, événements, Webhooks et interrogation périodique peuvent lancer un agent comme un workflow. Le schéma suivant montre comment les règles, l’IA, l’approbation et la notification s’articulent après le démarrage.

Un exemple que vous pouvez construire vous-même. Choisissez le déclencheur adapté ; l’approbation est facultative. L’exécution nécessite des sources de données, des services de modèles et des comptes de notification configurés.

Les nœuds Approval et Wait d’Open Flow conservent durablement l’état d’attente. Après une décision, la même exécution peut continuer sans répéter les étapes terminées. C’est une capacité concrète à évaluer pour les tâches avec intervention humaine. Lire les explications sur l’approbation et l’exécution.

Une autre personne peut-elle maintenir cette tâche ?

Au départ, vous pouvez demander à l’agent d’essayer plusieurs fois, puis préciser les sources de données, les définitions de calcul et le format du rapport. Lorsque d’autres personnes participent à la maintenance, ces décisions doivent être consignées.

La personne chargée de la maintenance doit savoir quelle étape lit les commandes, où le taux de remboursement est calculé, quelles données le modèle reçoit et quand les messages sont envoyés. Le graphe, les correspondances d’entrées et le code des nœuds aident à répondre à ces questions. La documentation et la configuration du projet doivent aussi être entretenues.

Après une modification, il faut savoir quelle version de la logique chaque exécution a utilisée. Si le calcul change le lundi, vérifier le rapport de la semaine précédente nécessite le code et les entrées de cette période. Relier les traces d’exécution à des versions précises permet de contrôler les résultats.

Si votre système d’agents fournit déjà ces capacités, vous pouvez le conserver. Une plateforme de workflows rassemble ces mécanismes courants et réduit ce que l’équipe doit construire et maintenir elle-même.

Enregistrer et exécuter ces processus avec Open Flow

Open Flow est la plateforme de workflows open source d’OOMOL. Utilisez la version hébergée dans OOMOL Flow, ou consultez le dépôt GitHub pour le code et les instructions d’auto-hébergement. Un agent peut créer un Flow, puis vous pouvez examiner et modifier le même processus dans l’espace visuel Workbench.

Avec oo flow, l’agent crée des nœuds, vérifie les brouillons, teste l’exécution et consulte les résultats. Dans Workbench, vous pouvez examiner les sources de données, le code de chaque étape et les conditions de branchement. Les clients compatibles peuvent aussi composer et exécuter des Flows avec les outils MCP du Server.

Pour le rapport quotidien, une Code Task peut calculer et transformer les données en JavaScript, tandis qu’une LLM Task produit le résumé. Une Agent Task convient si plusieurs appels d’outils sont nécessaires. Les entrées et sorties ont des noms et des types explicites, et la logique répétée peut être regroupée en sous-flows.

Il faudra aussi modifier le processus après sa mise en service. La publication dans Open Flow crée un instantané versionné pour l’automatisation Live. Vous pouvez continuer à éditer et tester le brouillon, puis publier une nouvelle version. L’historique d’exécution est lié à la révision correspondante, ce qui permet d’identifier le code et le processus à l’origine d’un rapport.

Lire les données d’applications externes et envoyer des notifications exige les comptes et autorisations appropriés. Open Flow exécute ces actions via un environnement Connector tel qu’OpenConnector. Le Connector conserve les identifiants d’accès ; le Flow référence les identités des connexions. Découvrir les capacités et modes de déploiement.

OOMOL assure l’exploitation de la version hébergée. En auto-hébergement, votre équipe gère le stockage, les sauvegardes, les mises à jour et les connexions aux services. Le projet est sous licence Apache-2.0 et actuellement en Beta. Consultez le guide de démarrage de Flow pour connecter les comptes et configurer l’agent.

Essayez avec une tâche réelle

Choisissez une tâche récurrente qui demande des règles fixes ou une approbation humaine. Ouvrez OOMOL Flow, connectez la source de données et le compte de notification nécessaires, puis demandez à votre agent :

Crée un Flow de rapport quotidien sur les commandes : lis les commandes de la veille, calcule les montants et le taux de remboursement selon les définitions que je confirmerai, demande à l’IA de résumer les anomalies et envoie le rapport au canal d’équipe indiqué. Crée et teste d’abord un brouillon ; publie seulement après ma vérification des résultats.

Vérifiez les données, le code et les sorties dans Workbench. Si un agent planifié suffit, vous pouvez le conserver. Lorsque vous avez besoin de règles explicites, d’approbations et d’un historique des versions, décidez si vous souhaitez mettre ce Flow en service.

• Ouvrir OOMOL Flow et créer votre premier workflow
• Vous souhaitez l’auto-héberger ou contribuer ? Consultez le code source et les instructions de déploiement d’Open Flow.