La couche application pour les agents IA : pourquoi la conception basée sur Canvas est l'avenir
Les fournisseurs d'infrastructure gèrent l'audio en temps réel. Les fournisseurs de modèles gèrent le raisonnement. La couche application, où vous concevez, déployez et surveillez les agents, est la pièce manquante. C'est ce que résolvent les plates-formes basées sur Canvas.
La pile d’agents IA comporte trois couches. Infrastructure : transport audio/vidéo en temps réel, téléphonie, WebRTC (c'est ce que résolvent LiveKit, Twilio et des fournisseurs similaires). Modèles : LLM, ASR, TTS, modèles de vision (c'est ce que résolvent OpenAI, Anthropic, Google et les communautés open source). Et la couche application : où vous concevez réellement le comportement de l'agent, le connectez à vos systèmes d'entreprise, le déployez auprès des clients et surveillez ce qui se passe. Cette troisième couche est manifestement sous-développée.
L’écart entre l’infrastructure et l’expérience
Vous pouvez lancer une session audio en temps réel avec un SDK d'infrastructure. Vous pouvez appeler une API de modèle. Ce que vous ne pouvez pas faire facilement : concevoir une conversation en plusieurs étapes avec une logique conditionnelle, la connecter à votre CRM et à votre calendrier, ajouter des garde-fous de conformité, la déployer sur un numéro de téléphone, surveiller ses performances sur 10 000 appels et itérer sur le flux en fonction des analyses. Il s'agit de la couche application, la couche entre l'infrastructure et l'expérience utilisateur.
Pourquoi la conception sur toile gagne
Les frameworks d'agents basés sur du code offrent aux ingénieurs une flexibilité maximale mais aucune visibilité pour tous les autres. Les plates-formes à invite uniquement donnent accès aux équipes non techniques, mais sacrifient la fiabilité et le contrôle. Les plates-formes basées sur Canvas comme Agent Canvas occupent le juste milieu : suffisamment visuelles pour que les équipes produit puissent comprendre et modifier, suffisamment structurées pour que la conformité puisse être vérifiée, et suffisamment puissantes pour que l'ingénierie puisse s'étendre avec des actions et des intégrations personnalisées.
Au-delà de la voix : le canevas pour toutes les modalités
Aujourd’hui, les toiles conçoivent les conversations vocales. Demain, le même canevas conçoit des expériences multimodales : voix + partage d'écran pour l'intégration, voix + caméra pour la documentation des réclamations, voix + vidéo pour la vérification de l'identité et, à terme, streaming de contenu visuel de l'agent à l'utilisateur. La couche application ne se limitera pas aux appels téléphoniques : elle orchestrera toutes les modalités par lesquelles un agent IA interagit avec un humain. Les entreprises qui construisent actuellement cette couche construisent l’outil de conception d’interface pour la prochaine décennie d’interaction homme-IA.
Prêt à construire ?
Découvrez comment les agents IA multimodaux de Mazed fonctionnent pour votre cas d'utilisation.