Graft AI

Graft AI se connecte à l'interface et s'appuie sur la vision, les signaux d'accessibilité et l'état de l'UI pour comprendre ce qui est réellement à l'écran à un instant donné. Un système sans API peut donc devenir appelable par un agent. Pour les équipes face à un mainframe à écran vert ou à un outil de bureau récalcitrant, c'est la partie qui rend tout le reste possible. Pas d'API ? Ce n'est pas un obstacle.

Chaque flux se compile en un outil versionné avec un schéma clair, des entrées typées et des sorties définies. Un agent appelle create_invoice avec un ID client, un montant et une devise, et sait ce qu'il va recevoir. Le versionnage compte ici. Quand l'hypothèse sur l'UI change, Graft isole l'action concernée et la signale pour un nouveau test au lieu de laisser l'ensemble dériver.

Les rôles, les limites et les approbations font partie de l'outil, ce n'est pas un ajout après coup. Une action d'écriture peut exiger une approbation avant de s'exécuter, donc un agent ne modifie pas des données de production en silence. L'effet est décrit à l'avance, par exemple qu'une action de création génère exactement un enregistrement, ce qui garde le rayon d'impact réduit. Rayon d'impact réduit. Tout est là.

Chaque action renvoie des preuves liées au système source, comme l'enregistrement source plus l'ID de ce qui a été créé. C'est ce qui rend les actions de l'agent auditables. Vous confirmez que l'effet a bien eu lieu dans le système réel au lieu de faire confiance au résumé qu'un modèle fait de ce qu'il croit avoir fait. La preuve l'emporte sur la confiance.

Gouvernance, ici, signifie que les rôles, les limites, les approbations et une trace d'audit décrivent tous la même action. C'est l'intérêt d'une gouvernance d'agents IA intégrée à un contrat d'outil : une action approuvée a un effet défini, un approbateur requis et un enregistrement de ce qui a changé. Les auditeurs obtiennent du concret, pas des impressions.

Graft AI journalise chaque étape avec tout le contexte et respecte les rôles et contraintes de l'environnement dans lequel il tourne. Vous avez une vue continue de ce que les agents ont créé, mis à jour ou annulé, et quand. Tout le contexte, à chaque fois. Pour qui doit répondre à un auditeur, c'est la différence entre une démo et quelque chose que vous déploieriez vraiment.

Les contrôles de sécurité sont évalués pour le flux et l'environnement, et non appliqués comme une politique uniforme qui traite toute action de la même façon quel que soit le risque. Pourquoi est-ce important ? Parce qu'un flux de paie et une recherche de support ne méritent pas les mêmes garde-fous. Le traitement des données est lui aussi délimité, ce qui garde les entrées, les preuves et les journaux limités au flux évalué. Si votre environnement impose des règles de données strictes, cette approche par flux est plus facile à justifier qu'un connecteur cloud générique.