🏛 AXA☁️ Azure☁️ AWSRAG · Multi-agents · MCP · HIL
Case Study
IA d'entreprise chez AXA
Deux systèmes IA complémentaires: l'un pour centraliser les connaissances, l'autre pour automatiser les sinistres, construits sur Azure et AWS.
2
projets IA
Livrés de bout en bout
Azure
Base de connaissances
AI Search · Foundry · HIL
AWS
Automatisation sinistres
Bedrock · A2A · MCP
Multi
Coordination d'agents
Pipelines agents spécialisés
Project 1: Base de Connaissances
Connaissances unifiées,
pour chaque entité.
AXA avait besoin que les employés de plusieurs entités puissent poser des questions en langage naturel et obtenir des réponses précises et sourcées, sans quitter leur flux de travail. Nous avons construit un système RAG multi-entités sur Azure où chaque entité contrôle sa propre bibliothèque documentaire tandis que les employés interrogent l'ensemble du groupe.
Connaissances cloisonnées
Chaque entité gérait ses documents de façon isolée. Les employés ne pouvaient pas trouver des réponses à l'échelle du groupe.
Recherche manuelle et lente
Trouver la bonne procédure nécessitait de contacter plusieurs équipes, un processus lent et source d'erreurs.
Aucun contrôle qualité
Quand des réponses émergeaient, aucun moyen de valider leur exactitude ou signaler un contenu obsolète.
Comment ça fonctionne
01
Gestion multi-entités des documents
Chaque entité charge et gère ses propres documents via une interface d'administration dédiée. Les accès sont cloisonnés par entité.
02
Azure AI Search: recherche hybride
Recherche vectorielle + lexicale sur le corpus combiné. Trouve des passages sémantiquement pertinents même avec des requêtes imprécises.
03
Azure AI Foundry: génération de réponses
Génération de réponses ancrées dans le contexte récupéré. Le LLM cite ses sources et reste dans la base de connaissances.
04
Pipeline d'évaluation automatisé
Chaque réponse est notée sur la pertinence, l'ancrage et la cohérence. Les réponses de faible qualité sont signalées avant d'atteindre les utilisateurs.
05
Human-in-the-Loop (HIL)
Des experts métier examinent les réponses signalées et fournissent des corrections. Le retour est réinjecté pour améliorer en continu la recherche et la génération.
Project 2: Automatisation Sinistres & Service Client
Sinistres automatisés,
de la réception à la résolution.
Le traitement des sinistres et les interactions de service client étaient largement manuels: volume élevé, répétitif et lent. Nous avons construit un système multi-agents sur AWS Bedrock où des agents spécialisés collaborent pour gérer le cycle de vie complet, coordonnés via les protocoles A2A et MCP.
📥
Agent de réception
Analyse les sinistres entrants, extrait les données structurées et oriente vers l'agent spécialiste approprié.
🔍
Agent d'évaluation
Vérifie la couverture de la police, croise l'historique des sinistres et signale les fraudes potentielles.
💬
Agent de communication
Rédige les mises à jour clients, accusés de réception et avis de résolution dans le bon ton et la bonne langue.
🚨
Agent d'escalade
Détecte les cas hors du périmètre automatisé et transfère à un expert humain avec le contexte complet.
🔗
A2A: Agent vers Agent
Protocole standardisé pour que les agents communiquent directement : déléguer des tâches, partager le contexte, reporter les résultats, sans goulot d'étranglement central.
🛠
MCP: Model Context Protocol
Les outils internes (base de polices, CRM, système sinistres) exposés comme endpoints MCP. Les agents appellent les outils de la même façon quelle que soit le système sous-jacent.
📊
Cadre d'évaluation
Chaque décision d'agent est notée pour la précision et la conformité. La couche d'évaluation reprend ce qu'utilisait l'équipe AXA sur Azure, adaptée pour Bedrock.
Stack Technique
Deux clouds, une architecture cohérente.
Stack base de connaissances
🔎
Azure AI Search
Recherche hybride vectorielle + lexicale sur le corpus multi-entités
🧠
Azure AI Foundry
Orchestration LLM, gestion des prompts et génération ancrée
✅
Azure Evaluation
Scoring automatisé sur la pertinence, l'ancrage et la cohérence
👤
Human-in-the-Loop
Revue experte et boucle de retour pour améliorer la qualité en continu
Stack automatisation sinistres
☁️
AWS Bedrock
Backend LLM géré alimentant le raisonnement et la génération de tous les agents
🔗
Protocole A2A
Communication directe agent-à-agent sans goulot d'étranglement central
🛠
Endpoints MCP
Outils internes exposés comme endpoints Model Context Protocol
📊
Couche d'évaluation
Scoring par décision pour la précision, la conformité et la confiance
BotiqueAI
Systèmes IA sur mesure pour l'entreprise