Stage - intégration d'un outil de machine learning comme ia agentique f/h

Votre rôle

Contexte et motivation

Les Large Language Models (LLMs) tendent à devenir des plateformes agentiques capables d’orchestrer des outils externes pour accomplir des tâches complexes. Dans cette perspective, l’enjeu n’est plus seulement de générer du texte, mais de mobiliser des compétences spécialisées — analytiques, décisionnelles, ou prédictives — au travers d’un écosystème de services de confiance.

C’est dans ce cadre que s’inscrit l’intégration de Khiops, librairie de machine learning développée par Orange, reconnue pour sa robustesse, sa frugalité et son interprétabilité.

Contrairement aux modèles fondation à large empreinte énergétique, Khiops repose sur un principe de parcimonie statistique (MDL) et fournit des modèles transparents, explicables et facilement industrialisables.

Ces qualités en font une brique de confiance idéale pour enrichir un LLM avec des capacités de modélisation de données structurées, tout en garantissant le contrôle, la traçabilité et la sécurité des traitements.

Objectif du projet

Le projet en cours vise à intégrer Khiops dans une stack LLM afin de l’exposer comme un outil agentique via le protocole MCP (Model Context Protocol).

L’objectif est de permettre à un LLM d’appeler Khiops de manière fluide et sécurisée pour exécuter des tâches analytiques, tout en respectant les contraintes de déploiement et d’accès aux ressources.

Cette intégration pose plusieurs questions techniques et organisationnelles :

Comment héberger et exposer le service Khiops de façon fiable ? qui devrait en supporter le coût?
Les utilisateurs feront-ils confiance à une extension connectée à leurs LLMs ?
Comment gérer le consentement et l’autorisation d’accès aux données (via OAuth2, tokens, API gateways, etc.) ?
Quelles sont les implications en matière de gouvernance et de sécurisation des ressources ?


Le stage s’inscrit dans la continuité du travail déjà amorcé au sein de l’équipe : un premier prototype d’intégration est en cours, et l’enjeu est désormais de formaliser, consolider et évaluer les différentes options d’architecture.

__PRESENT__PRESENT

__PRESENT

__PRESENT

__PRESENT

__PRESENT

__PRESENT