Les graphes de connaissances, fondement des systèmes d'IA agentique

Cassie Shum, vice-présidente de l'écosystème et de l'ingénierie produit chez RelationalAI, a discuté de l'importance des graphes de connaissances comme base essentielle pour les systèmes d'IA agentique. Elle a expliqué quatre modèles architecturaux pratiques : le regroupement de contexte, la traçabilité des décisions, le code comme source de vérité, et la visibilité des agents. Shum a démontré un harnais d'ingénierie construit sur un graphe de connaissances pour rationaliser les boucles de rétroaction, optimiser l'utilisation des jetons et maintenir la fiabilité du système.

Au cours de sa présentation, Shum a partagé son expérience personnelle et son parcours professionnel, soulignant son intérêt pour la résolution de problèmes et la création d'applications. Elle a expliqué comment son travail avec les graphes de connaissances chez RelationalAI l'a amenée à explorer leur application dans les systèmes agentiques.

Shum a insisté sur le fait que sa présentation ne visait pas à imposer une approche dogmatique, mais plutôt à partager ses leçons apprises. Elle a reconnu que son expérience avec les graphes de connaissances l'a amenée à les voir partout, mais a souligné que son objectif était de montrer comment elle travaille avec ces graphes et les agents, et non de prescrire une méthode unique.

La présentation était divisée en deux parties : la première expliquait pourquoi les graphes de connaissances sont le fondement des systèmes agentiques, et la deuxième présentait les leçons apprises par Shum. Elle a également démontré le harnais qu'elle a construit pour son équipe, basé sur un graphe de connaissances, et a partagé les insights tirés de cette expérience.