[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:stajic:fr":3,"public-menus:all":38,"post:what-is-an-ai-platform-architect-models-data-runtime-security-and-operations:fr":205,"related:post:what-is-an-ai-platform-architect-models-data-runtime-security-and-operations:fr:1":2452},{"statusCode":4,"data":5,"message":37},200,{"tenantId":6,"lang":7,"defaultLang":8,"siteUrl":9,"contactEmail":10,"brandName":11,"logoUrl":12,"siteName":11,"siteDescription":13,"ogImage":10,"robotsIndex":14,"socialLinks":10,"reservedSlugs":10,"seoPolicy":15},"stajic","fr","de","https:\u002F\u002Fstajic.de",null,"Stajic Platform","\u002FLogo_Planet.svg","Stajic Portal",true,{"branding":16,"relatedContent":17,"crossDomainLinks":18},{"logoUrl":12},{"enabled":14},[19,22,25,28,31,34],{"url":20,"label":21,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Ffigure.rocks","figure.rocks",{"url":23,"label":24,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":26,"label":27,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.com","bazify.com",{"url":29,"label":30,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.de","bazify.de",{"url":32,"label":33,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.at","bazify.at",{"url":35,"label":36,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.ba","bazify.ba","Portal settings resolved",[39,45],{"id":40,"name":41,"location":42,"isActive":14,"isDefault":43,"items":44},1,"main-navigation","header",false,[],{"id":46,"name":47,"location":48,"isActive":14,"isDefault":14,"items":49},4,"main-menu","sidebar",[50,66,79,93,103,118,133],{"id":51,"title":52,"url":60,"target":61,"icon":62,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":64,"portfolioId":10,"children":65},"item-18",{"de":53,"en":54,"es":55,"fr":56,"it":54,"ru":57,"sr":58,"zh":59},"Startseite","Home","Inicio","Accueil","Главная","Почетна","首页","\u002Ffull-stack-web-developer-munich-performance-seo-and-maintainable-builds","_self","i-lucide-home","page",111,[],{"id":67,"title":68,"url":75,"target":61,"icon":76,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":77,"portfolioId":10,"children":78},"item-22",{"de":69,"en":69,"es":70,"fr":69,"it":71,"ru":72,"sr":73,"zh":74},"Vision","Visión","Visione","Видение","Визија","想象","\u002Fueber-uns-webdesign-muenchen-webaplikation","i-lucide-eye",113,[],{"id":80,"title":81,"url":89,"target":61,"icon":90,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":91,"portfolioId":10,"children":92},"item-19",{"de":82,"en":83,"es":84,"fr":83,"it":85,"ru":86,"sr":87,"zh":88},"Leistungen","Services","Servicios","Servizi","Услуги","Услуге","服务","\u002Fservices-dienstleistungen-muenchen","i-lucide-wrench",116,[],{"id":94,"title":95,"url":99,"target":61,"icon":100,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":101,"portfolioId":10,"children":102},"item-23",{"de":96,"en":96,"es":96,"fr":96,"it":96,"ru":97,"sr":97,"zh":98},"Blog","Блог","博客","\u002Fblog","i-lucide-book-open",112,[],{"id":104,"title":105,"url":114,"target":61,"icon":115,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":116,"portfolioId":10,"children":117},"item-32",{"de":106,"en":107,"es":108,"fr":109,"it":110,"ru":111,"sr":112,"zh":113},"Neue Technologien","New Technologies","Nuevas tecnologías","Nouvelles technologies","Nuove tecnologie","Новые технологии","Нове технологије","新技术！","\u002Fneue-webtechnologien","i-lucide-sparkles",122,[],{"id":119,"title":120,"url":129,"target":61,"icon":130,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":131,"portfolioId":10,"children":132},"item-20",{"de":121,"en":122,"es":123,"fr":124,"it":125,"ru":126,"sr":127,"zh":128},"Kontakt","Contact us!","Contacto","Contact","Contatto","Контакт","Контактирајте нас","联系我们！","\u002Fcontact","i-lucide-mail",115,[],{"id":134,"title":135,"url":144,"target":61,"icon":145,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":147},"item-21",{"de":136,"en":137,"es":138,"fr":139,"it":140,"ru":141,"sr":142,"zh":143},"Unsere Arbeit","Our Work","Nuestro trabajo","Nos réalisations","I nostri lavori","Наши работы","Наши радови","文件夹","\u002Fportfolio","i-lucide-briefcase",114,[148,161,175,181,193],{"id":149,"title":150,"url":144,"target":61,"icon":159,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":160},"item-24",{"de":151,"en":152,"es":153,"fr":154,"it":155,"ru":156,"sr":157,"zh":158},"Alle Projekte","All Projects","Todos los proyectos","Tous les projets","Tutti i progetti","Все проекты","Сви пројекти","所有项目","i-lucide-grid-3x3",[],{"id":162,"title":163,"url":171,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":174},"item-29",{"de":164,"en":165,"es":166,"fr":167,"it":168,"ru":169,"sr":170,"zh":143},"Local Roots, Global Reach","Local Roots - Global Reach","Empresa local ","Entreprise locale","Azienda locale","Местная компания","Локално предузеће глобално тржиште","\u002Fportfolio\u002Flocal-roots-global-reach-communication-media-systems-for-modern-business","i-lucide-folder","custom",[],{"id":176,"title":177,"url":179,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":180},"item-28",{"de":178,"en":178,"es":178,"fr":178,"it":178,"ru":178,"sr":178,"zh":178},"Solr Suggester","\u002Fportfolio\u002Fsolr-fuzzy-suggester-und-solr-infix-suggester-abfrage-ueber-ajax-und-filterung",[],{"id":182,"title":183,"url":191,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":192},"item-27",{"de":184,"en":185,"es":186,"fr":187,"it":188,"ru":189,"sr":190,"zh":185},"Firmenwebseite SEO","Company Website SEO","Sitio web corporativo SEO","Site web d’entreprise SEO","Sito web aziendale SEO","Корпоративный сайт SEO","Пословна веб-страница SEO","\u002Fportfolio\u002Fseo-sem-branding-mobile-webseite-muenchen",[],{"id":194,"title":195,"url":203,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":204},"item-31",{"de":196,"en":197,"es":198,"fr":199,"it":200,"ru":201,"sr":202,"zh":197},"Digitalisierungsportal","Digitalization Portal","Portal de digitalización","Portail de numérisation","Portale di digitalizzazione","Портал цифровизации","Портал за дигитализацију","\u002Fportfolio\u002Fdigitalisierungsportal-archiv-museum-bibliothek-ead-lido-mets-mods",[],{"statusCode":4,"data":206,"message":2451},{"id":207,"title":208,"slug":209,"content":210,"contentJson":211,"excerpt":1204,"featuredImage":1205,"featuredImageAlt":1206,"featuredImageCaption":10,"featuredImageTitle":10,"featuredImageCopyright":10,"featuredImageAuthor":10,"featuredImageSourceUrl":10,"featuredImageLicense":10,"featuredImageIsAiGenerated":43,"status":1207,"publishedAt":1208,"createdAt":1209,"updatedAt":1210,"seoLocalePaths":1211,"categories":1220,"author":1233,"translations":1238},"484","Qu'est-ce qu'un architecte de plateforme d'IA ? Modèles, données, environnement d'exécution, sécurité et opérations","what-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u003Cp>Un \u003Cstrong>architecte de plateforme d'IA\u003C\u002Fstrong> conçoit la fondation d'IA réutilisable grâce à laquelle plusieurs applications, équipes ou contextes de locataires accèdent aux modèles, aux données et à la récupération, aux environnements d'exécution d'agents et d'outils, à l'identité et aux autorisations, à l'évaluation, à l'observabilité, aux quotas, aux secrets et aux capacités de déploiement. Le rôle est plus large que l'infrastructure mais plus étroit que la possession de chaque produit activé par l'IA : sa responsabilité centrale est de décider \u003Cstrong>ce qui doit être partagé, comment les capacités partagées sont gouvernées et isolées, et ce qui doit rester spécifique à la solution\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--info my-6 rounded-xl border p-5 border-blue-300 bg-blue-50 dark:border-blue-900 dark:bg-blue-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Réponse directe\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Un architecte de plateforme d'IA conçoit le substrat technique et opérationnel partagé des systèmes d'IA.\u003C\u002Fstrong> Au lieu d'architecturer un seul assistant ou un seul flux de travail, le rôle définit des contrats et des frontières réutilisables pour l'accès aux modèles\u002Ffournisseurs, les passerelles et le routage, les services de récupération, les environnements d'exécution d'agents, l'accès aux outils, l'identité et l'isolation des locataires, les secrets, l'évaluation, la télémétrie, le déploiement et la gestion du cycle de vie.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Note terminologique\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Architecte de plateforme d'IA est un libellé de rôle pratique, pas un titre de poste universellement normalisé.\u003C\u002Fstrong> ISO\u002FIEC\u002FIEEE 42010:2022 définit des concepts pour les descriptions d'architecture, pas ce rôle. Différentes organisations peuvent répartir ces responsabilités entre architectes de plateforme, architectes de solutions, architectes d'entreprise, architectes de sécurité, spécialistes MLOps\u002FLLMOps et équipes d'ingénierie de plateforme. Cet article utilise le terme pour la responsabilité d'architecture sur une couche de plateforme d'IA réutilisable.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Note sur les sources actuelles — 8 octobre 2026\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Les principes architecturaux stables présentés ici sont indépendants des fournisseurs. Les orientations actuelles de Microsoft, AWS et NIST sont utilisées comme preuves externes de mise en œuvre et de gouvernance. Le NIST indique que l'AI RMF 1.0 est en cours de révision ; les fonctionnalités des plateformes des fournisseurs, les produits de passerelle, les environnements d'exécution d'agents et les capacités des modèles évoluent plus vite que les principes architecturaux, de sorte que les choix de mise en œuvre sensibles aux versions doivent être revérifiés avant le déploiement.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Cnav class=\"editorjs-toc\" data-editorjs-toc=\"true\" aria-label=\"Sommaire\">\u003Cstrong class=\"editorjs-toc__title\">Sommaire\u003C\u002Fstrong>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-0\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-6\" class=\"editorjs-toc__link\">Que conçoit réellement un architecte de plateforme d'IA ?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-10\" class=\"editorjs-toc__link\">L'exemple le plus simple\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-15\" class=\"editorjs-toc__link\">Où l'exemple simple s'arrête\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-18\" class=\"editorjs-toc__link\">La décision de plateforme la plus importante : partagé ou spécifique à la solution\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-21\" class=\"editorjs-toc__link\">Carte des responsabilités d'architecture\u003C\u002Fa>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-1\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-22\" class=\"editorjs-toc__link\">1. Accès aux modèles et aux fournisseurs\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-26\" class=\"editorjs-toc__link\">2. Passerelle, routage, quotas et contrôles de coûts\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-30\" class=\"editorjs-toc__link\">3. Services partagés de données, de récupération et d'ancrage\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-34\" class=\"editorjs-toc__link\">4. Exécution des agents et des outils\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-38\" class=\"editorjs-toc__link\">5. Identité, isolation des locataires et autorisation\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-42\" class=\"editorjs-toc__link\">6. Secrets, identifiants et frontières de confiance\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-45\" class=\"editorjs-toc__link\">7. Évaluation, observabilité et auditabilité\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-49\" class=\"editorjs-toc__link\">8. Exécution, déploiement et localité\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-52\" class=\"editorjs-toc__link\">9. Cycle de vie de la plateforme, compatibilité et intégration\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-55\" class=\"editorjs-toc__link\">Un modèle pratique de plan de contrôle \u002F plan d'exécution \u002F plan de solution\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-59\" class=\"editorjs-toc__link\">Que devrait produire un architecte de plateforme IA ?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-61\" class=\"editorjs-toc__link\">Le travail est surtout une question de compromis, pas de centralisation maximale\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-63\" class=\"editorjs-toc__link\">En quoi cela diffère-t-il des rôles adjacents ?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-66\" class=\"editorjs-toc__link\">Preuves de mise en œuvre : comment ces frontières de plateforme apparaissent dans mon propre travail\u003C\u002Fa>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-1\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-68\" class=\"editorjs-toc__link\">Aaasaasa AI Client : séparation des fournisseurs, de l'exécution et des permissions\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-73\" class=\"editorjs-toc__link\">Aaasaasa AI CMS : l'autorisation limitée au locataire comme frontière de plateforme\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-77\" class=\"editorjs-toc__link\">Source of Truth Research Engine : mécanismes de récupération partagés sans vérité partagée\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-82\" class=\"editorjs-toc__link\">Comment les orientations architecturales actuelles soutiennent ce périmètre de plateforme\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-88\" class=\"editorjs-toc__link\">Idées fausses courantes\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-90\" class=\"editorjs-toc__link\">Modes de défaillance qu'un Architecte de Plateforme d'IA devrait prévenir\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-92\" class=\"editorjs-toc__link\">Une séquence de décision pratique pour l'architecture de plateforme\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-94\" class=\"editorjs-toc__link\">Cas limites et limites du rôle\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-100\" class=\"editorjs-toc__link\">Qu'est-ce qui changerait cette réponse ?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-103\" class=\"editorjs-toc__link\">Liste de contrôle de l'Architecte de Plateforme d'IA\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-105\" class=\"editorjs-toc__link\">Conclusion\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-109\" class=\"editorjs-toc__link\">Connaissances canoniques associées\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-114\" class=\"editorjs-toc__link\">Questions fréquemment posées\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-116\" class=\"editorjs-toc__link\">Glossaire\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-118\" class=\"editorjs-toc__link\">Sources primaires et orientations architecturales actuelles\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fnav>\n\u003Ch2 id=\"section-6\">Que conçoit réellement un architecte de plateforme d'IA ?\u003C\u002Fh2>\n\u003Cp>L'objet du travail est la \u003Cstrong>plateforme\u003C\u002Fstrong> : un ensemble de capacités partagées qui réduit le travail d'intégration répété tout en préservant des frontières explicites en matière de sécurité, de données et d'exploitation. Une plateforme peut exposer l'accès aux modèles, des adaptateurs de fournisseurs, des primitives de récupération, l'exécution d'agents, des courtiers d'outils, l'application des politiques, l'évaluation, la télémétrie et des services de déploiement à de nombreuses solutions consommatrices.\u003C\u002Fp>\n\u003Cp>La plateforme n'a pas de valeur simplement parce que les composants sont centralisés. Elle a de la valeur lorsque les consommateurs reçoivent des capacités stables avec des contrats clairs, une propriété, une isolation, une observabilité et des règles de cycle de vie. La question architecturale clé n'est donc pas « Quel modèle tout le monde devrait-il utiliser ? » mais \u003Cstrong>« Quelles responsabilités peuvent être normalisées et réutilisées en toute sécurité sans effacer les exigences de chaque solution ? »\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">L'architecture de solution et l'architecture de plateforme résolvent des problèmes de portée différents\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Architecte de solution d'IA\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Architecte de plateforme d'IA\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Portée principale\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">One concrete AI-enabled product, workflow or application.\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Reusable AI capabilities consumed by multiple solutions, teams or tenant contexts.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Question principale\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">How should this solution meet its business, data, security, quality and operational requirements?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Which shared capabilities and controls should solutions consume, and where must solution-specific ownership remain?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Autorité sur les données\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Defines which domain data is authoritative and how the solution may use it.\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Provides storage, retrieval, provenance or access primitives without automatically becoming the authority for every domain.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Évaluation\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Defines task-specific quality and acceptance criteria.\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Provides reusable evaluation, telemetry and release mechanisms; it cannot define every domain's success threshold.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Cycle de vie\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Owns the lifecycle of the specific workload.\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Owns shared capability versions, compatibility, onboarding, quotas, policy and operational contracts.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-10\">L'exemple le plus simple\u003C\u002Fh2>\n\u003Cp>Imaginez qu'une organisation dispose de cinq produits activés par l'IA : un assistant documentaire interne, un copilote d'assistance client, un agent d'ingénierie logicielle, un flux de travail de révision de contrats et un assistant de recherche de produits. Chaque produit pourrait intégrer indépendamment des API de modèles, conserver des identifiants, implémenter des nouvelles tentatives, collecter des métriques de jetons, créer du code de récupération et établir ses propres autorisations d'outils.\u003C\u002Fp>\n\u003Cp>Cette duplication est coûteuse et dangereuse lorsque chaque équipe invente un modèle de sécurité et d'exploitation différent. Une plateforme partagée peut plutôt offrir des connexions de fournisseurs approuvées, la découverte de modèles, des quotas, des identifiants, un accès tenant compte des locataires, une télémétrie commune, des services de récupération réutilisables et un contrat d'environnement d'exécution d'agents\u002Fd'outils.\u003C\u002Fp>\n\u003Cp>Mais la plateforme doit s'arrêter à la bonne frontière. La solution de révision de contrats peut exiger une autorité sur les documents juridiques et des règles de citation que l'agent logiciel n'a pas. L'assistant de recherche de produits peut avoir besoin de règles de fraîcheur et d'autorisation spécifiques au commerce. \u003Cstrong>Une infrastructure réutilisable ne rend pas toute la vérité métier réutilisable.\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Un chemin de requête d'IA partagé\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. Le consommateur s'identifie\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">L'application appelante, l'utilisateur, le service, l'équipe ou le locataire entre par une identité authentifiée et une portée explicite.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. La politique de la plateforme s'applique\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Les couches de passerelle et de politique déterminent les fournisseurs, modèles, quotas, chemins de données, outils et modes d'exécution autorisés.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. La capacité partagée s'exécute\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">La requête peut utiliser l'inférence, la récupération, l'environnement d'exécution d'agents, l'accès aux outils ou un autre service de plateforme réutilisable.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. Le contexte spécifique à la solution reste faisant autorité\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">La solution consommatrice fournit les règles métier, l'intention de l'utilisateur, l'autorité sur les données, les contraintes spécifiques à la tâche et la logique d'acceptation.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. La télémétrie et les preuves sont capturées\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">La plateforme enregistre l'identité, la route, le modèle\u002Ffournisseur, la latence, le coût, les erreurs, l'activité des outils et d'autres signaux d'observabilité autorisés.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. Le résultat est renvoyé selon le contrat de la solution\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">La solution reste responsable de la question de savoir si la sortie est acceptable pour son utilisateur et son domaine.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-15\">Où l'exemple simple s'arrête\u003C\u002Fh2>\n\u003Cp>La centralisation n'est pas automatiquement de l'architecture. Un point de terminaison unique devant plusieurs API de modèles est utile, mais il ne crée pas à lui seul une plateforme d'IA. Une plateforme de production a également besoin de frontières d'identité, de contrats de capacités, de gestion de la santé et du cycle de vie des fournisseurs, de quotas, de propriété des secrets, d'observabilité, de règles de compatibilité, de contrôles de sécurité, de discipline de publication et d'une responsabilité opérationnelle claire.\u003C\u002Fp>\n\u003Cp>L'échec opposé est également courant : mettre chaque invite, index vectoriel, règle métier, agent et flux de travail applicatif dans un seul « backend d'IA ». Cela crée un monolithe dont le statut partagé est accidentel plutôt qu'architectural. \u003Cstrong>Une plateforme doit normaliser les capacités transversales, pas absorber la propriété métier simplement parce que l'IA est impliquée.\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Ch2 id=\"section-18\">La décision de plateforme la plus importante : partagé ou spécifique à la solution\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Domaine de capacité\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Bon candidat pour une propriété de plateforme partagée\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Reste généralement spécifique à la solution\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Accès aux modèles\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Connexions fournisseurs approuvées, adaptateurs, identifiants, santé, primitives de routage, quotas\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Acceptation des modèles spécifique à la tâche, comportement des invites, seuil de qualité\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Récupération\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Primitives d'ingestion, extraction, indexation, API de recherche, contrats de provenance, hooks d'autorisation\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Corpus faisant autorité, règles de fraîcheur, métadonnées de domaine, suffisance des preuves\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Agents et outils\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Cycle de vie d'exécution, registre\u002Fcourtier d'outils, application des permissions, traçage, annulation\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Flux de travail métier, sémantique des actions autorisées, politique d'escalade, succès de la tâche\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Sécurité\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Intégration d'identité, stockage des secrets, application des politiques, contrats d'audit, mécanismes d'isolation des locataires\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Classification des données, règles d'autorisation métier, acceptation des risques spécifiques au domaine\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Évaluation\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Harnais, mécanismes de jeu de données\u002Fversion, télémétrie, flux de travail d'expérimentation\u002Fpublication\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Vérité terrain, jeu de test de domaine, seuil d'acceptation, résultat utilisateur\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Opérations\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Modèle de déploiement, santé, métriques, intégration des incidents, contrôles de capacité\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">SLO de solution lorsqu'ils diffèrent, impact sur la continuité d'activité, runbooks spécifiques à la charge de travail\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Caside class=\"editorjs-callout editorjs-callout--success my-6 rounded-xl border p-5 border-emerald-300 bg-emerald-50 dark:border-emerald-900 dark:bg-emerald-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Principe de plateforme\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Partagez les mécanismes et les contrôles là où la réutilisation est réelle ; conservez l'autorité et l'acceptation là où le domaine les détient.\u003C\u002Fstrong> Cela évite deux erreurs opposées : une infrastructure dupliquée partout, et une plateforme centrale qui devient faussement propriétaire des données, des politiques et de la qualité de chaque application.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-21\">Carte des responsabilités d'architecture\u003C\u002Fh2>\n\u003Ch3 id=\"section-22\">1. Accès aux modèles et aux fournisseurs\u003C\u002Fh3>\n\u003Cp>Un architecte de plateforme définit comment les consommateurs découvrent et invoquent les modèles sans forcer chaque application à coder en dur un fournisseur. Cela inclut les adaptateurs de fournisseurs, les identifiants de modèles, les métadonnées de capacités, l'authentification, les contrôles de santé, la configuration des points de terminaison, la normalisation des requêtes et le comportement de compatibilité.\u003C\u002Fp>\n\u003Cp>L'abstraction des fournisseurs doit rester honnête. Différents fournisseurs exposent différentes limites de contexte, sémantiques d'outils, comportements de sortie structurée, capacités multimodales, contrôles de sécurité, mise en cache, tarification et modes de défaillance. Une bonne abstraction crée un contrat de plateforme stable tout en préservant l'accès aux capacités qui ne peuvent pas être aplaties de manière significative.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--warning my-6 rounded-xl border p-5 border-amber-300 bg-amber-50 dark:border-amber-900 dark:bg-amber-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Ne confondez pas abstraction et prétention que les fournisseurs sont identiques\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Une API au plus petit dénominateur commun peut faciliter la migration mais peut aussi effacer des capacités importantes. L'architecture doit définir quelles fonctionnalités sont portables, lesquelles sont spécifiques au fournisseur et comment les consommateurs découvrent cette différence.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch3 id=\"section-26\">2. Passerelle, routage, quotas et contrôles de coûts\u003C\u002Fh3>\n\u003Cp>Une passerelle IA partagée peut centraliser l'authentification, le routage, la limitation de débit, les tentatives, les limites de jetons, l'attribution d'utilisation et l'application des politiques. Les directives actuelles de Microsoft sur AI Gateway traitent explicitement les limites de jetons par minute, les quotas et le confinement multi-projets comme des préoccupations de plateforme ; AWS expose de même les quotas de compte et de modèle et des contrôles centralisés.\u003C\u002Fp>\n\u003Cp>La passerelle est donc plus qu'un proxy inverse lorsqu'elle porte des politiques et des sémantiques opérationnelles spécifiques à l'IA. Mais elle ne doit pas prendre silencieusement des décisions métier. Une politique de routage peut préférer un modèle local sain, un fournisseur moins coûteux ou un point de terminaison conforme régionalement ; si cette route est acceptable pour une tâche particulière reste un contrat entre la plateforme et la solution.\u003C\u002Fp>\n\u003Cp>Le routage nécessite également des sémantiques de défaillance. Si le modèle préféré est indisponible, la plateforme doit savoir si le repli est autorisé, si une route cloud nécessite un consentement explicite, si un modèle de moindre capacité est valide et comment la décision est exposée à l'observabilité.\u003C\u002Fp>\n\u003Ch3 id=\"section-30\">3. Services partagés de données, de récupération et d'ancrage\u003C\u002Fh3>\n\u003Cp>Les services de récupération sont de bons candidats pour la plateforme car l'analyse, le découpage, l'indexation, la recherche lexicale, la recherche sémantique, le filtrage des métadonnées, la provenance et les mécanismes de citation sont réutilisables. Cependant, la plateforme ne doit pas confondre un moteur de récupération partagé avec une source de vérité partagée.\u003C\u002Fp>\n\u003Cp>Une solution reste propriétaire de questions telles que : Quel corpus fait autorité ? Quelle version est valide ? Cet utilisateur peut-il voir ce document ? Quelle fraîcheur les données doivent-elles avoir ? Qu'est-ce qui compte comme preuve suffisante ? Une réponse peut-elle être générée lorsque la récupération échoue ? Ce sont des exigences de domaine et de solution même lorsque la plateforme fournit la machinerie de récupération.\u003C\u002Fp>\n\u003Cp>Cette frontière est particulièrement importante dans les systèmes multi-locataires. Un index ou un service vectoriel techniquement partagé ne justifie pas une visibilité entre locataires. Le contexte d'autorisation doit être préservé tout au long de la récupération, et non ajouté seulement après que les résultats de recherche ont déjà franchi la frontière.\u003C\u002Fp>\n\u003Ch3 id=\"section-34\">4. Exécution des agents et des outils\u003C\u002Fh3>\n\u003Cp>Les systèmes agentiques ajoutent des préoccupations d'exécution réutilisables : cycle de vie des fils\u002Fsessions, boucles de planification, enregistrement d'outils, invocation d'outils, annulation, délais d'attente, approbations humaines, interfaces de mémoire\u002Fétat, protocoles d'agents distants et corrélation des traces. Une plateforme peut fournir ces mécanismes pour que chaque produit ne les reconstruise pas.\u003C\u002Fp>\n\u003Cp>La plateforme doit également garder la permission des outils séparée de la capacité du modèle. Un modèle capable de générer une commande shell ne signifie pas que l'exécution doit autoriser l'exécution shell. La frontière de permission appartient à l'architecture de l'application\u002Fd'exécution et doit être applicable indépendamment du modèle.\u003C\u002Fp>\n\u003Cp>Les recommandations actuelles d'AWS sur l'IA agentique mettent l'accent sur des agents à périmètre délimité, une autorité explicite, une traçabilité de bout en bout, des artefacts comportementaux versionnés et une supervision humaine proportionnée aux conséquences. Ce sont des préoccupations qui permettent la plateforme, mais la solution consommatrice définit encore quelles actions sont légitimes pour son domaine.\u003C\u002Fp>\n\u003Ch3 id=\"section-38\">5. Identité, isolation des locataires et autorisation\u003C\u002Fh3>\n\u003Cp>Les plateformes d'IA se trouvent souvent devant des modèles à forte valeur, des données propriétaires et des outils capables d'actions. L'authentification n'est donc que le début. L'architecture doit transporter le contexte de l'utilisateur, du service, de l'application et du locataire à travers chaque opération privilégiée qui en a besoin.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>Le RBAC et l'isolation des locataires résolvent des problèmes différents.\u003C\u002Fstrong> Le RBAC répond à ce qu'une identité peut faire ; l'isolation des locataires répond sur les ressources de quel locataire cette identité peut agir. Une plateforme qui vérifie les rôles mais perd le contexte du locataire peut encore exposer les mauvaises données.\u003C\u002Fp>\n\u003Cp>Les recommandations actuelles de Microsoft sur les charges de travail d'IA préconisent explicitement la segmentation des identités et un accès au contenu tenant compte de l'autorisation. Les recommandations d'AWS sur les plateformes d'IA générative multi-locataires traitent de même l'isolation logique, les contrôles centralisés et l'auditabilité comme des préoccupations de plateforme.\u003C\u002Fp>\n\u003Ch3 id=\"section-42\">6. Secrets, identifiants et frontières de confiance\u003C\u002Fh3>\n\u003Cp>Une plateforme doit définir qui possède les clés des fournisseurs, les jetons porteurs distants, le matériel de signature et les identifiants des outils, où ils sont stockés, quel processus peut y accéder, comment ils sont renouvelés et s'ils peuvent un jour atteindre un navigateur ou un moteur de rendu non fiable.\u003C\u002Fp>\n\u003Cp>Il s'agit d'une frontière architecturale, pas d'un détail d'implémentation. Si chaque application consommatrice copie les identifiants du fournisseur dans sa propre configuration, l'organisation a dupliqué à la fois la charge opérationnelle et le rayon d'impact. La centralisation ne peut réduire ce risque que si la plateforme elle-même dispose de chemins d'accès plus étroits et auditables.\u003C\u002Fp>\n\u003Ch3 id=\"section-45\">7. Évaluation, observabilité et auditabilité\u003C\u002Fh3>\n\u003Cp>Une plateforme réutilisable peut fournir des harnais d'évaluation, des identifiants de trace, des métadonnées de modèle\u002Ffournisseur, des métriques de jetons et de coûts, la latence, les taux d'erreur, la liaison version de prompt\u002Fmodèle, les traces d'agents\u002Foutils et une journalisation contrôlée. AWS et Microsoft considèrent tous deux l'observabilité et l'évaluation comme des préoccupations de production essentielles pour les charges de travail d'IA.\u003C\u002Fp>\n\u003Cp>L'évaluation de la plateforme et l'évaluation de la solution doivent rester distinctes. Une plateforme peut vérifier qu'un point de terminaison est sain, qu'une version de modèle passe une suite de régression générale et que les traces sont complètes. Elle ne peut pas décider qu'une réponse juridique, un flux de travail médical ou une recommandation de produit est acceptable sans vérité terrain et critères d'acceptation spécifiques au domaine.\u003C\u002Fp>\n\u003Cp>La journalisation crée également une frontière de confidentialité. Les journaux de prompts et de réponses peuvent contenir des données sensibles ou propriétaires. L'architecte de plateforme doit donc décider ce qui est journalisé, masqué, échantillonné, conservé et accessible plutôt que de supposer que plus de télémétrie est toujours plus sûr.\u003C\u002Fp>\n\u003Ch3 id=\"section-49\">8. Exécution, déploiement et localité\u003C\u002Fh3>\n\u003Cp>Un architecte de plateforme décide comment les capacités d'IA partagées sont déployées et atteintes : services cloud gérés, points de terminaison auto-hébergés, inférence locale, routage hybride, services conteneurisés, environnements d'exécution de bureau, réseaux privés ou environnements isolés. La distinction importante est entre \u003Cstrong>l'endroit où le processus de contrôle\u002Fexécution s'exécute\u003C\u002Fstrong> et \u003Cstrong>l'endroit où l'inférence et le traitement des données se produisent réellement\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Cp>Un client local peut encore appeler un modèle cloud. Un plan de contrôle cloud peut router vers un modèle sur site. Un agent distant peut exécuter des outils à l'intérieur du réseau d'un client. Les diagrammes d'architecture doivent donc montrer les frontières de confiance et de flux de données plutôt que d'utiliser « local » et « cloud » comme des étiquettes vagues.\u003C\u002Fp>\n\u003Ch3 id=\"section-52\">9. Cycle de vie de la plateforme, compatibilité et intégration\u003C\u002Fh3>\n\u003Cp>Une capacité réutilisable ne devient une plateforme que lorsque les consommateurs peuvent en dépendre dans le temps. Cela nécessite des contrats versionnés, des règles de migration, une politique de compatibilité, la dépréciation, des tests de version, la restauration, la responsabilité des incidents, la planification de la capacité, la documentation et un chemin pour intégrer de nouvelles équipes ou applications.\u003C\u002Fp>\n\u003Cp>Les écosystèmes d'IA en évolution rapide rendent cela particulièrement important. Les noms de modèles, les SDK, les versions de protocole, les API des fournisseurs et les capacités de sécurité changent indépendamment. Une plateforme doit absorber une partie de cette volatilité sans masquer les changements qui affectent matériellement le comportement d'une solution.\u003C\u002Fp>\n\u003Ch2 id=\"section-55\">Un modèle pratique de plan de contrôle \u002F plan d'exécution \u002F plan de solution\u003C\u002Fh2>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Modèle d'architecture proposé\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Le modèle à trois plans ci-dessous est une manière pratique de raisonner sur les responsabilités ; ce n'est pas une norme ISO, NIST, Microsoft ou AWS. Son objectif est de rendre explicites les frontières de propriété.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Plan\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Responsabilités typiques\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Ne devrait pas posséder silencieusement\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plan de contrôle de la plateforme\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Registre des fournisseurs, politique de modèles, quotas, configuration des locataires, identités, secrets, règles de routage, versions des capacités, configuration de déploiement\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Logique métier applicative ou vérité du domaine\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plan d'exécution\u002Fdonnées de la plateforme\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Requêtes d'inférence, opérations de récupération, exécution d'agents\u002Foutils, extraction, indexation, émission de télémétrie, application des politiques\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Accès inter-locataires simplement parce que l'infrastructure est partagée\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plan de solution\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Flux de travail utilisateur, invites\u002Finstructions, sélection du corpus faisant autorité, autorisation de domaine, règles métier, évaluation et acceptation des tâches\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Intégration de fournisseur de bas niveau que la plateforme possède explicitement\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Cp>Cette séparation aide à diagnostiquer la dérive de la plateforme. Si une application doit connaître chaque identifiant et point de terminaison spécifique à un fournisseur, le contrat de la plateforme est trop mince. Si la plateforme décide quel enregistrement client fait légalement autorité ou si une réponse de domaine est acceptable, la plateforme a empiété sur la propriété de la solution.\u003C\u002Fp>\n\u003Ch2 id=\"section-59\">Que devrait produire un architecte de plateforme IA ?\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Artefact d'architecture\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Objectif\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Carte des capacités de la plateforme\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Définit ce que la plateforme fournit, qui la consomme et quelles capacités restent hors périmètre.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Contrat fournisseur\u002Fmodèle\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Définit les fournisseurs, les modèles, les capacités, les frontières d'abstraction, les métadonnées de routage et la sémantique de repli.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Modèle d'identité et de multi-location\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Définit l'identité utilisateur\u002Fservice\u002Fapplication, le contexte de locataire, les points d'ancrage RBAC\u002FABAC et l'isolation des ressources.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Politique de passerelle et de quotas\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Définit les limites de débit, les budgets de jetons\u002Fcoûts, les contrôles de routage, les tentatives et le comportement de capacité.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Contrat de récupération\u002Fdonnées\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Définit l'ingestion, la provenance, la recherche, les métadonnées, la propagation de l'autorisation et où l'autorité de domaine reste.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Contrat agent\u002Foutil\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Définit le cycle de vie d'exécution, l'enregistrement des outils, les permissions, les approbations, l'annulation et le comportement de trace.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Modèle de secrets et de frontières de confiance\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Définit la propriété des identifiants, le stockage, les frontières de processus, la rotation et les chemins de données sensibles.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Contrat d'évaluation et de télémétrie\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Définit les métriques communes, les traces, les liens de jeux de données\u002Fversions, la politique de journalisation et les points d'extension de solution.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Politique de cycle de vie et de compatibilité\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Définit les versions, les migrations, la dépréciation, les versions, le retour arrière, la propriété des incidents et l'intégration.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-61\">Le travail est surtout une question de compromis, pas de centralisation maximale\u003C\u002Fh2>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Compromis courants de plateforme\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Pression A\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Pression B\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Abstraction du fournisseur\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Stable portable platform API\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Access to provider-specific capabilities and fast innovation\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Réutilisation\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Shared services reduce duplication\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Isolation and domain autonomy prevent unsafe coupling\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Gouvernance\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Central policy and auditability\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Team speed and local experimentation\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Observabilité\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Rich traces for debugging and evaluation\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Privacy, data minimization and logging cost\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Disponibilité\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Fallback and multi-provider resilience\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Predictable quality, compliance and data-location guarantees\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Périmètre de la plateforme\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">More reusable capabilities\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Smaller blast radius and less platform lock-in\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-63\">En quoi cela diffère-t-il des rôles adjacents ?\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Rôle\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Périmètre architectural principal\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Architecte de solution IA\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Une solution concrète activée par l'IA et ses exigences de bout en bout, frontières, compromis et acceptation en production.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Architecte de plateforme IA\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Capacités IA réutilisables et contrats opérationnels\u002Fde sécurité consommés à travers plusieurs solutions ou équipes.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Architecte d'entreprise\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Portefeuille métier\u002Ftechnologique à l'échelle de l'organisation, alignement des capacités et de la gouvernance à un niveau plus large.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Architecte ou spécialiste MLOps \u002F LLMOps\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Cycle de vie des modèles et de l'IA, déploiement, expériences, observabilité, publication et pratiques opérationnelles ; peut fortement chevaucher mais ne possède pas automatiquement toute la plateforme applicative partagée.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ingénieur de plateforme \u002F SRE\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Implémente et exploite l'infrastructure de la plateforme, la fiabilité, l'automatisation et l'expérience développeur ; la responsabilité architecturale peut être partagée avec l'architecte de plateforme.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ingénieur IA \u002F logiciel\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Implémente les modèles, intégrations, services, agents, récupération et fonctionnalités produit dans l'architecture convenue.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Cp>Ces frontières sont organisationnelles, pas universelles. Dans une petite équipe, une personne peut assumer plusieurs responsabilités. Dans une entreprise réglementée, elles peuvent être réparties entre les groupes architecture, sécurité, plateforme, données et opérations. La distinction utile est le \u003Cstrong>périmètre de responsabilité architecturale\u003C\u002Fstrong>, pas le titre de poste imprimé sur un organigramme.\u003C\u002Fp>\n\u003Ch2 id=\"section-66\">Preuves de mise en œuvre : comment ces frontières de plateforme apparaissent dans mon propre travail\u003C\u002Fh2>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Preuves de mise en œuvre originales\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Les sections suivantes décrivent des modèles concrets issus de mes propres projets. Elles constituent la preuve que ces frontières architecturales ont été mises en œuvre ou explicitement conçues dans du code réel et des systèmes de projet. Elles ne constituent \u003Cstrong>pas\u003C\u002Fstrong> des affirmations selon lesquelles les projets constituent déjà ensemble une plateforme IA d'entreprise déployée commercialement.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch3 id=\"section-68\">Aaasaasa AI Client : séparation des fournisseurs, de l'exécution et des permissions\u003C\u002Fh3>\n\u003Cp>Aaasaasa AI Client est un espace de travail IA de bureau local-first construit avec Nuxt 4, Electron et TypeScript. Son AI Hub sépare délibérément \u003Cstrong>agent\u002Fclient, fournisseur, modèle, emplacement de connexion\u002Fexécution, permissions et client web\u003C\u002Fstrong> au lieu de les traiter comme une seule valeur de configuration.\u003C\u002Fp>\n\u003Cp>L'implémentation inclut des adaptateurs de fournisseurs directs, l'intégration du runtime d'agent Codex, des chemins locaux Ollama\u002FLM Studio, des services compatibles OpenAI, des permissions d'espace de travail centralisées, le stockage des identifiants dans le processus principal, DuckDB, le support Qdrant\u002Fvectoriel, l'extraction PDF\u002Flisibilité et l'accès authentifié aux répertoires basé sur MCP.\u003C\u002Fp>\n\u003Cp>Deux leçons de plateforme sont particulièrement pertinentes. Premièrement, un runtime local n'est pas la même chose qu'une inférence locale : un processus Codex local peut toujours utiliser un modèle cloud. Deuxièmement, le routage automatique ne bascule pas silencieusement d'une inférence locale à une inférence cloud payante. Cela rend la politique de routage et la localité d'exécution explicites plutôt qu'inférées à partir des libellés de l'interface.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Frontière mise en œuvre\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Signification pour l'architecture de plateforme\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Agent vs fournisseur vs modèle\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Des responsabilités différentes peuvent évoluer indépendamment au lieu d'être cachées derrière un seul sélecteur « IA ».\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Permissions séparées du modèle\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">L'autorité sur le système de fichiers\u002Fles outils appartient à la politique d'exécution, pas à la capacité du modèle.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Secrets dans le processus principal\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La propriété des identifiants suit la frontière du processus privilégié plutôt que le moteur de rendu\u002Fl'interface.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Santé du fournisseur et découverte de modèles\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le routage et la disponibilité sont des préoccupations d'exécution\u002Fde plateforme.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Pas de repli cloud silencieux\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Les sémantiques de coût, de localité et de transfert de données restent des décisions politiques explicites.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch3 id=\"section-73\">Aaasaasa AI CMS : l'autorisation limitée au locataire comme frontière de plateforme\u003C\u002Fh3>\n\u003Cp>La base de code d'Aaasaasa AI CMS fournit un exemple d'implémentation distinct : le RBAC limité au locataire est représenté par des rôles, des permissions et des attributions de rôles utilisateur liés à un identifiant de locataire. Les permissions système sont regroupées par capacité, et la recherche et les mises à jour des rôles restent limitées au locataire.\u003C\u002Fp>\n\u003Cp>Cela ne constitue pas en soi la preuve d'une plateforme d'IA complète, mais c'est directement pertinent pour l'une des frontières de plateforme partagée les plus difficiles : un service réutilisable doit préserver \u003Cstrong>qui peut faire quoi\u003C\u002Fstrong> et \u003Cstrong>pour quel locataire\u003C\u002Fstrong>. L'ajout d'inférence ou de récupération d'IA au-dessus d'une plateforme applicative ne supprime pas cette exigence.\u003C\u002Fp>\n\u003Cp>L'implication architecturale est que les passerelles de modèles, les services de récupération et les agents devraient consommer le contexte d'identité\u002Flocataire établi plutôt que d'inventer un univers d'autorisation parallèle réservé à l'IA.\u003C\u002Fp>\n\u003Ch3 id=\"section-77\">Source of Truth Research Engine : mécanismes de récupération partagés sans vérité partagée\u003C\u002Fh3>\n\u003Cp>Le Source of Truth Research Engine fournit un troisième exemple d'implémentation. Différents modes de recherche partagent un noyau de preuves commun : Sources, Artefacts, provenance, Affirmations, Relations, Contradictions, un Modèle de Référence et une piste d'audit. Le système fournit également une récupération lexicale locale, une récupération sémantique optionnelle, l'extraction, des instantanés et une provenance basée sur SHA-256.\u003C\u002Fp>\n\u003Cp>Le projet traite explicitement la recherche et la similarité sémantique comme des signaux de découverte plutôt que comme des preuves. Un résultat doit être retracé jusqu'à une source et un localisateur concrets avant de pouvoir étayer une affirmation. C'est précisément la distinction dont une plateforme d'IA a besoin : \u003Cstrong>la machinerie de récupération réutilisable peut être partagée tandis que l'autorité des preuves reste régie par la méthodologie et le domaine consommateurs.\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>Le moteur démontre également pourquoi une plateforme partagée unique n'exige pas une interprétation partagée unique. Les modes historique, scientifique\u002Ftechnique, d'intelligence de marché et de surveillance peuvent réutiliser l'infrastructure de preuves de base tout en conservant une méthodologie spécifique au mode.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--success my-6 rounded-xl border p-5 border-emerald-300 bg-emerald-50 dark:border-emerald-900 dark:bg-emerald-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Ce que ces implémentations démontrent ensemble\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">À travers ces projets, le modèle réutilisable n'est pas « un backend unique pour tout ». C'est la \u003Cstrong>séparation des préoccupations plus des contrats explicites\u003C\u002Fstrong> : séparation fournisseur\u002Fmodèle\u002Fexécution, autorisation tenant compte du locataire, frontières d'identification, primitives de données\u002Frécupération réutilisables, provenance et autorité spécifique au domaine. Une future plateforme intégrée aurait besoin de contrats stables entre ces capacités plutôt que d'un couplage direct entre les bases de code.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-82\">Comment les orientations architecturales actuelles soutiennent ce périmètre de plateforme\u003C\u002Fh2>\n\u003Cp>ISO\u002FIEC\u002FIEEE 42010:2022 fournit une discipline générale pour les descriptions d'architecture à travers les logiciels, les systèmes, les entreprises et les entités connexes. Il ne définit pas un Architecte de Plateforme d'IA, mais il renforce la nécessité d'exprimer les préoccupations, les relations et les points de vue architecturaux plutôt que de réduire l'architecture à une liste de technologies.\u003C\u002Fp>\n\u003Cp>NIST AI RMF 1.0 et le Profil d'IA Générative encadrent la gestion des risques d'IA sur l'ensemble du cycle de vie plutôt qu'au seul moment de la sélection du modèle. La gouvernance, la cartographie, la mesure et la gestion sont donc compatibles avec une architecture de plateforme qui porte des contrôles et des preuves partagés à travers de nombreuses charges de travail consommatrices.\u003C\u002Fp>\n\u003Cp>Les orientations actuelles de Microsoft sur les charges de travail d'IA traitent la conception d'applications, les données, la sécurité, les opérations, les tests\u002Févaluation et GenAIOps comme des domaines architecturaux connectés. Ses orientations actuelles sur la passerelle d'IA montrent également des préoccupations pratiques de plateforme telles que l'accès centralisé aux modèles, les limites de jetons spécifiques au projet, les quotas et le confinement multi-équipes.\u003C\u002Fp>\n\u003Cp>Le Lens d'IA Générative actuel d'AWS et le scénario de plateforme multi-locataires séparent de même les contrôles de plateforme fondamentaux de la propriété des applications consommatrices. AWS note explicitement qu'une plateforme centrale peut appliquer des garde-fous partagés et une auditabilité tandis que la qualité des données et l'observabilité spécifique à la charge de travail restent des responsabilités des applications consommatrices ou des producteurs de données.\u003C\u002Fp>\n\u003Cp>Les produits des fournisseurs diffèrent, mais le modèle inter-sources est stable : les plateformes d'IA en production doivent coordonner l'identité, l'accès aux données, les modèles, la politique, l'évaluation, l'observabilité, la capacité, le coût et le cycle de vie. Un cluster de GPU ou un point de terminaison de modèle ne couvre qu'une partie de cette responsabilité.\u003C\u002Fp>\n\u003Ch2 id=\"section-88\">Idées fausses courantes\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Idée fausse\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Pourquoi c'est faux\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">« Une plateforme d'IA, c'est le cluster de GPU. »\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le calcul est un substrat. Une plateforme a aussi besoin de contrats pour l'identité, l'accès aux modèles, les données, la politique, l'évaluation, l'observabilité et le cycle de vie.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">« Une passerelle d'IA n'est qu'un proxy inverse. »\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Elle peut aussi porter le routage de modèles, les quotas de jetons, l'attribution des coûts, l'application des politiques, l'identité et la télémétrie spécifique à l'IA.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">« Partagé signifie partagé globalement. »\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Un service peut être physiquement partagé tout en étant logiquement segmenté par locataire, application, région, classification ou niveau de risque.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">« Une base de données vectorielle centrale unique devient la vérité de l'entreprise. »\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Un magasin vectoriel ou un service de récupération est une infrastructure. L'autorité du domaine, la fraîcheur, la provenance et l'accès restent des préoccupations distinctes.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">« L'évaluation de la plateforme remplace l'évaluation de la solution. »\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La régression générale et la télémétrie ne peuvent pas définir si une réponse ou une action spécifique à un domaine est acceptable.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">« L'abstraction du fournisseur devrait masquer toutes les différences. »\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Certaines différences sont des capacités matérielles, des sémantiques de sécurité ou des modes de défaillance et doivent rester visibles.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">« Le RBAC résout le multi-locataires. »\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le RBAC contrôle les actions ; l'isolation des locataires contrôle les frontières des ressources. Les deux peuvent être nécessaires.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">« Architecte de Plateforme d'IA n'est qu'un autre nom pour MLOps. »\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">MLOps\u002FLLMOps est une discipline majeure qui se chevauche, mais les frontières partagées d'application\u002Fexécution, d'identité, de passerelle, de récupération et d'outils peuvent s'étendre au-delà des opérations du cycle de vie des modèles.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-90\">Modes de défaillance qu'un Architecte de Plateforme d'IA devrait prévenir\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Mode de défaillance\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Conséquence architecturale\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Chaque équipe stocke ses propres clés de fournisseur\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Gestion dupliquée des secrets, rotation incohérente et rayon d'impact plus large.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">L'abstraction du fournisseur masque les capacités requises\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Les consommateurs ne peuvent pas utiliser les fonctionnalités dont ils ont besoin ou reçoivent silencieusement un comportement différent des hypothèses.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La récupération partagée ignore le contexte du locataire\u002Futilisateur\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Une fuite de données entre frontières peut se produire avant que l'application ait la possibilité de filtrer les résultats.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le repli change silencieusement de fournisseur ou de localité\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le coût, la conformité, la localisation des données et la qualité de sortie peuvent changer sans que l'appelant le sache.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Les outils d'agent sont accordés par le choix du modèle\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Un modèle performant devient sur-privilégié car l'autorité d'exécution n'est pas appliquée indépendamment.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Tous les prompts\u002Fréponses sont journalisés par défaut\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">L'observabilité peut créer un nouveau dépôt de données sensibles et un problème de conformité.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La plateforme possède un score de qualité générique unique\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Les défaillances du domaine restent cachées derrière les métriques de santé de la plateforme.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aucun contrat de version pour les capacités de la plateforme\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Les changements de modèle\u002Ffournisseur\u002Fenvironnement d'exécution cassent les consommateurs de manière imprévisible.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Tout ce qui est lié à l'IA est centralisé\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La plateforme devient un goulot d'étranglement et un monolithe au lieu d'une couche de capacités réutilisables.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-92\">Une séquence de décision pratique pour l'architecture de plateforme\u003C\u002Fh2>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Du besoin de plateforme à une capacité partagée exploitable\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. Identifier les consommateurs réels\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Listez les solutions, équipes, locataires et charges de travail qui consommeraient la plateforme ; évitez de construire une plateforme pour une réutilisation hypothétique.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. Définir la frontière partagée\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Séparez les mécanismes transverses de l'autorité métier, du flux de travail et de l'acceptation propres à la solution.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. Définir d'abord l'identité et l'isolation\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Établissez les utilisateurs, services, applications, locataires, régions et classifications de données avant de partager les capacités de récupération ou d'outils.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. Définir les contrats de capacité\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Spécifiez les API de modèle\u002Ffournisseur, de récupération, d'agent\u002Foutil, de passerelle et de télémétrie avec une propriété et un versionnage explicites.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. Décider de la stratégie de fournisseur et d'exécution\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Choisissez une exécution gérée, auto-hébergée, locale ou hybride et documentez les sémantiques de repli, de localité et de capacité.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. Concevoir les frontières de données et de récupération\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Définissez la provenance, la propagation de l'autorisation, la propriété du corpus, l'indexation et les responsabilités de preuve.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">7\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">7. Ajouter quotas, secrets et politique\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Contrôlez le coût, la capacité, les identifiants, les permissions d'outils, les contrôles de sécurité et le rayon d'impact.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">8\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">8. Construire des contrats d'évaluation et d'observabilité\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Fournissez des métriques de plateforme et de traçage tout en laissant la vérité terrain et l'acceptation du domaine à la solution.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">9\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">9. Définir le cycle de vie et les opérations\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Versionnez les capacités, testez les mises à niveau, documentez la dépréciation, le retour arrière, les incidents, la capacité et l'intégration des consommateurs.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">10\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">10. Valider avec plus d'un consommateur\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Une affirmation de plateforme devient crédible lorsque la capacité partagée sert réellement des charges de travail distinctes sans les forcer dans le même modèle de domaine.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-94\">Cas limites et limites du rôle\u003C\u002Fh2>\n\u003Cp>Une petite organisation avec une seule application d'IA peut ne pas avoir besoin d'une plateforme d'IA distincte ni d'un architecte de plateforme. Une plateformisation prématurée peut créer plus d'abstraction que de valeur. L'architecture correcte peut être une solution bien conçue avec quelques modules réutilisables.\u003C\u002Fp>\n\u003Cp>Un déploiement en air gap ou souverain change considérablement le modèle de fournisseur, de mise à jour et d'observabilité. L'hébergement de modèles, la distribution d'artefacts, l'intégration d'identité et l'export de télémétrie peuvent tous nécessiter des équivalents locaux.\u003C\u002Fp>\n\u003Cp>Les charges de travail hautement réglementées ou à fort impact peuvent nécessiter une isolation physique ou organisationnelle plus forte au lieu d'une plateforme logiquement partagée. La réutilisation n'est jamais une raison suffisante pour affaiblir une frontière de sécurité requise.\u003C\u002Fp>\n\u003Cp>Les services d'IA cloud gérés peuvent supprimer la charge de mise en œuvre mais ne suppriment pas la responsabilité architecturale. L'organisation décide toujours de l'identité, de l'accès aux données, de la journalisation, de la rétention, des quotas, de l'éligibilité des modèles, du repli, de l'évaluation et de l'acceptation des solutions.\u003C\u002Fp>\n\u003Cp>La frontière de la plateforme peut également différer selon la modalité. L'inférence textuelle, la génération multimodale, la parole, l'utilisation d'ordinateur et les agents autonomes peuvent avoir des exigences différentes en matière de latence, de données, de permissions et d'observabilité, même lorsqu'ils partagent l'infrastructure de fournisseur et d'identité.\u003C\u002Fp>\n\u003Ch2 id=\"section-100\">Qu'est-ce qui changerait cette réponse ?\u003C\u002Fh2>\n\u003Cp>La définition principale changerait si la portée organisationnelle change. Si l'architecte est responsable d'une seule charge de travail, le rôle se rapproche de celui d'Architecte de Solutions d'IA. Si la responsabilité s'étend à la stratégie de capacités à l'échelle de l'organisation, aux investissements, aux normes et aux portefeuilles cibles, elle se rapproche de l'Architecture d'IA d'Entreprise.\u003C\u002Fp>\n\u003Cp>Les conseils de mise en œuvre changent chaque fois que les fournisseurs, les produits de passerelle, les protocoles d'agent, les obligations réglementaires, les capacités des modèles ou les contraintes de déploiement changent. C'est pourquoi l'architecture de plateforme doit exprimer des responsabilités et des contrats stables indépendamment des mécanismes actuels des fournisseurs.\u003C\u002Fp>\n\u003Ch2 id=\"section-103\">Liste de contrôle de l'Architecte de Plateforme d'IA\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Question\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Réponse attendue\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Qui sont les consommateurs réels de la plateforme ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Des solutions, équipes ou contextes de locataires nommés avec des besoins distincts mais qui se chevauchent.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Qu'est-ce qui est réellement partagé ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Une liste explicite de capacités, pas un vague « backend IA ».\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Qu'est-ce qui doit rester spécifique à la solution ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">L'autorité métier, le flux de travail métier, l'acceptation des tâches et autres préoccupations propres à la charge de travail.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Comment les modèles\u002Ffournisseurs sont-ils représentés ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Des contrats de fournisseur\u002Fmodèle versionnés avec des capacités et une sémantique de repli explicite.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Comment l'identité est-elle propagée ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le contexte utilisateur\u002Fservice\u002Fapplication\u002Flocataire survit à chaque chemin de requête privilégié.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Comment l'isolation des locataires est-elle appliquée ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La portée des ressources est distincte des vérifications de permissions de rôle.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Comment les secrets sont-ils gérés ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Stockage privilégié, rotation, exposition limitée et propriété auditable.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Comment la récupération préserve-t-elle l'autorité ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Des mécanismes partagés avec autorisation, provenance et règles de preuve propres au domaine.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Comment les outils et agents sont-ils contraints ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Permissions d'exécution, contrats d'outils bornés, approbations, annulation et traçabilité.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Comment le coût et la capacité sont-ils contrôlés ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Quotas, contrôles de jetons\u002Fdébit, attribution d'utilisation et comportement en cas de surcharge.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Comment la qualité est-elle mesurée ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Régression\u002Févaluation de la plateforme plus vérité terrain et acceptation spécifiques à la solution.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Comment les changements sont-ils déployés ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Versionnage, compatibilité, migration, dépréciation, retour arrière et propriété des incidents.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-105\">Conclusion\u003C\u002Fh2>\n\u003Cp>Un Architecte de Plateforme d'IA est responsable de l'architecture réutilisable \u003Cstrong>entre les capacités d'IA et les solutions qui les consomment\u003C\u002Fstrong>. Le rôle définit comment les modèles, fournisseurs, récupération, agents, outils, identité, locataires, secrets, évaluation, observabilité, quotas et opérations d'exécution deviennent des services de plateforme fiables plutôt que des intégrations ponctuelles répétées.\u003C\u002Fp>\n\u003Cp>La partie difficile n'est pas de maximiser la réutilisation. C'est de choisir la bonne frontière. Une plateforme solide standardise les mécanismes, la politique et les opérations là où plusieurs consommateurs en bénéficient réellement, tout en préservant l'autorité sur les données, la logique métier, les exigences de sécurité et les critères d'acceptation propres à chaque solution.\u003C\u002Fp>\n\u003Cp>Cette distinction explique aussi la relation avec l'Architecture de Solutions d'IA : \u003Cstrong>l'architecte de solutions fait en sorte qu'un système doté d'IA corresponde à son objectif ; l'architecte de plateforme fait en sorte que les capacités d'IA partagées soient sûres, réutilisables, exploitables et évolutives à travers de nombreux systèmes de ce type.\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Ch2 id=\"section-109\">Connaissances canoniques associées\u003C\u002Fh2>\n\u003Cp>Cet article se situe après les fondations canoniques sur les composants d'IA générative, ADR versus NFR, et l'architecture de solutions d'IA. Ces concepts sont des prérequis car une plateforme existe pour fournir des capacités système réutilisables et pour encoder les décisions architecturales en fonction d'exigences explicites de qualité et d'exploitation.\u003C\u002Fp>\n\u003Cp>La génération augmentée par récupération est un exemple de capacité qui peut être offerte via une plateforme, mais la plateforme ne doit pas fusionner l'infrastructure de récupération, la connaissance métier et la validité des réponses en un seul concept.\u003C\u002Fp>\n\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Ffr\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Qu'est-ce que le RAG ? L'explication la plus simple de son fonctionnement\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Introduction canonique à la génération augmentée par récupération et à la frontière entre la génération par le modèle et la récupération de connaissances externes.\u003C\u002Fp>\u003C\u002Fa>\n\u003Cp>Les protocoles d'agents, l'isolation des locataires, la gouvernance de l'IA, le routage des modèles, l'ingénierie du contexte et MLOps\u002FLLMOps sont des nœuds de connaissance en aval ou adjacents. Ils deviennent plus faciles à appréhender une fois la frontière de la plateforme explicite.\u003C\u002Fp>\n\u003Ch2 id=\"section-114\">Questions fréquemment posées\u003C\u002Fh2>\n\u003Csection class=\"editorjs-faq my-6 rounded-xl border border-gray-200 p-5 dark:border-gray-700\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">FAQ de l'architecte de plateforme d'IA\u003C\u002Fh3>\u003Cdiv id=\"faq-1\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Un architecte de plateforme d'IA est-il identique à un architecte de solutions d'IA ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Non. L'architecte de solutions se concentre sur une solution concrète activée par l'IA. L'architecte de plateforme se concentre sur les capacités d'IA réutilisables, les contrôles et les contrats opérationnels pouvant prendre en charge plusieurs solutions.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-2\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Une plateforme d'IA doit-elle héberger ses propres modèles ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Non. Une plateforme peut utiliser des modèles cloud gérés, des modèles auto-hébergés, une inférence locale ou une stratégie hybride. L'architecture doit rendre explicites les conséquences liées au fournisseur, à la localisation, à l'identité, au routage, aux données et à l'exploitation.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-3\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Une passerelle d'IA suffit-elle pour constituer une plateforme d'IA ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Généralement non. Une passerelle peut être un composant important de la plateforme, mais une plateforme complète a aussi besoin de contrats pour l'identité, les secrets, les données\u002Frécupération, l'évaluation, l'observabilité, le cycle de vie et la propriété opérationnelle.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-4\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">La récupération doit-elle être centralisée ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Les mécanismes de récupération peuvent souvent être partagés, mais l'autorité métier, l'autorisation, la fraîcheur, la suffisance des preuves et la propriété du corpus doivent rester explicites. Une infrastructure partagée n'implique pas une vérité partagée.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-5\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">L'évaluation de la plateforme remplace-t-elle l'évaluation de l'application ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Non. L'évaluation de la plateforme peut tester les capacités partagées et les régressions. Chaque solution a toujours besoin de vérité terrain spécifique à la tâche, de critères d'acceptation et de seuils de qualité métier.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-6\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">La multi-location est-elle simplement du RBAC ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Non. Le RBAC détermine ce qu'une identité peut faire. L'isolation des locataires détermine sur les ressources de quel locataire l'identité peut agir. Une plateforme a souvent besoin des deux.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-116\">Glossaire\u003C\u002Fh2>\n\u003Csection class=\"editorjs-glossary my-6 rounded-xl border border-gray-200 dark:border-gray-700 p-5\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Termes clés de l'architecture de plateforme d'IA\u003C\u002Fh3>\u003Cdl>\u003Cdiv id=\"ai-platform\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Plateforme d'IA\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Un ensemble réutilisable de capacités techniques et opérationnelles liées à l'IA, consommées par plusieurs applications, équipes ou contextes de locataires.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"ai-gateway\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Passerelle d'IA\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Une couche de passerelle pour les points de terminaison d'IA qui peut ajouter l'authentification, le routage, les quotas, la politique, les tentatives, l'attribution des coûts et la télémétrie spécifique à l'IA au-delà du simple proxy.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"provider-adapter\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Adaptateur de fournisseur\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Un composant qui mappe un contrat de plateforme vers l'API, les capacités, l'état de santé et la sémantique de défaillance d'un fournisseur de modèles.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"tenant-isolation\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Isolation des locataires\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">La frontière qui empêche un contexte de locataire d'accéder aux ressources d'un autre locataire, indépendamment des permissions de rôle.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"capability-contract\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Contrat de capacité\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Une interface versionnée et un accord comportemental décrivant ce qu'un service de plateforme partagé fournit et ce que le consommateur doit fournir ou posséder.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"grounding-service\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Service d'ancrage \u002F de récupération\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Mécanismes partagés pour trouver et fournir des informations externes à une charge de travail d'IA ; cela ne définit pas automatiquement quelles informations font autorité pour un domaine.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"evaluation-harness\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Harnais d'évaluation\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Infrastructure réutilisable pour exécuter des tests, des jeux de données, des versions de modèles\u002Fprompts et des métriques ; l'acceptation métier reste spécifique à la solution.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"control-plane\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Plan de contrôle\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">La couche de configuration et de gouvernance qui gère les capacités de la plateforme, les identités, les politiques, les quotas, les versions et l'état de déploiement.\u003C\u002Fdd>\u003C\u002Fdiv>\u003C\u002Fdl>\u003C\u002Fsection>\n\u003Ch2 id=\"section-118\">Sources primaires et orientations architecturales actuelles\u003C\u002Fh2>\n\u003Cp>Les sources ci-dessous étayent les affirmations générales sur l'architecture et la plateforme de production. Les sections Aaasaasa AI Client, Aaasaasa AI CMS et Source of Truth Research Engine constituent explicitement des preuves de mise en œuvre originales. Les références externes à l'état actuel ont été vérifiées le 8 octobre 2026.\u003C\u002Fp>\n\u003Ca href=\"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F74393.html\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">ISO\u002FIEC\u002FIEEE 42010:2022 — Description de l'architecture\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Norme internationale publiée actuelle pour les concepts et relations de description d'architecture.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Cadre de gestion des risques d'IA du NIST\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Ressources et statut actuel de l'AI RMF du NIST ; l'AI RMF 1.0 est en cours de révision en octobre 2026.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NIST AI 600-1 — Profil d'IA générative\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Profil d'IA générative pour appliquer les considérations de gestion des risques d'IA tout au long du cycle de vie de l'IA.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fget-started\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Microsoft Azure Well-Architected — Charges de travail d'IA\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Orientations architecturales actuelles couvrant l'application d'IA, les données, les opérations, l'évaluation, l'IA responsable et les préoccupations du cycle de vie.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fdesign-principles\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Microsoft — Principes de conception pour les charges de travail d'IA\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Orientations actuelles sur la segmentation des identités, les frontières de sécurité, la télémétrie, les performances, les données et les compromis de plateforme.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-foundry\u002Fconfiguration\u002Fenable-ai-api-management-gateway-portal?view=foundry\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Microsoft Foundry — Architecture de passerelle d'IA\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Orientations actuelles sur la passerelle d'IA pour l'accès partagé aux projets, la maîtrise des jetons, les quotas et la gouvernance.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Farchitecture\u002Fai-ml\u002Fguide\u002Fazure-openai-gateway-guide\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Centre d'architecture Azure — Accéder aux modèles via une passerelle\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Orientations architecturales pour l'accès centralisé aux modèles, le routage, la limitation, le basculement et les responsabilités client\u002Fplateforme.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">AWS Well-Architected — Lens IA génératives\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Conseils d'architecture de production actuels pour les charges de travail d'IA génératives couvrant la sécurité, la fiabilité, les opérations, les performances et les coûts.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002Fmulti-tenant-generative-ai-platform-scenario.html\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">AWS — Scénario de plateforme d'IA générative multi-locataires\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Exemple actuel séparant les contrôles de plateforme centrale et l'auditabilité de la qualité des données des applications consommatrices et des responsabilités propres à chaque charge de travail.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fagentic-ai-lens\u002Fdesign-principles.html\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">AWS Well-Architected — Principes de conception de l'IA agentique\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Conseils actuels sur l'autorité limitée des agents, la traçabilité, le comportement versionné, les contrats explicites et la supervision humaine.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdocs.aws.amazon.com\u002FAmazonCloudWatch\u002Flatest\u002Fmonitoring\u002FGenAI-observability.html\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">AWS CloudWatch — Observabilité de l'IA générative\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Capacités d'observabilité actuelles et métriques de production pour les modèles, les agents, les bases de connaissances, les outils et l'analyse des coûts\u002Flatence\u002Ferreurs.\u003C\u002Fp>\u003C\u002Fa>",{"time":212,"blocks":213,"version":1203},1791477536601,[214,219,226,232,237,244,248,252,256,300,304,308,312,316,341,345,349,353,357,388,394,398,402,406,410,416,420,424,428,432,436,440,444,448,452,456,460,464,468,472,476,480,484,488,492,496,500,504,508,512,516,520,524,528,532,536,541,561,565,569,603,607,655,659,684,688,692,697,701,705,709,713,735,739,743,747,751,755,759,763,767,772,776,780,784,788,792,796,800,831,835,869,873,908,912,916,920,924,928,932,936,940,944,948,991,995,999,1003,1007,1011,1015,1019,1029,1033,1037,1066,1070,1107,1111,1115,1123,1131,1139,1147,1155,1163,1171,1179,1187,1195],{"id":215,"data":216,"type":218},"intro",{"text":217},"Un \u003Cstrong>architecte de plateforme d'IA\u003C\u002Fstrong> conçoit la fondation d'IA réutilisable grâce à laquelle plusieurs applications, équipes ou contextes de locataires accèdent aux modèles, aux données et à la récupération, aux environnements d'exécution d'agents et d'outils, à l'identité et aux autorisations, à l'évaluation, à l'observabilité, aux quotas, aux secrets et aux capacités de déploiement. Le rôle est plus large que l'infrastructure mais plus étroit que la possession de chaque produit activé par l'IA : sa responsabilité centrale est de décider \u003Cstrong>ce qui doit être partagé, comment les capacités partagées sont gouvernées et isolées, et ce qui doit rester spécifique à la solution\u003C\u002Fstrong>.","paragraph",{"id":220,"data":221,"type":225},"direct",{"body":222,"title":223,"variant":224},"\u003Cstrong>Un architecte de plateforme d'IA conçoit le substrat technique et opérationnel partagé des systèmes d'IA.\u003C\u002Fstrong> Au lieu d'architecturer un seul assistant ou un seul flux de travail, le rôle définit des contrats et des frontières réutilisables pour l'accès aux modèles\u002Ffournisseurs, les passerelles et le routage, les services de récupération, les environnements d'exécution d'agents, l'accès aux outils, l'identité et l'isolation des locataires, les secrets, l'évaluation, la télémétrie, le déploiement et la gestion du cycle de vie.","Réponse directe","info","callout",{"id":227,"data":228,"type":225},"term-note",{"body":229,"title":230,"variant":231},"\u003Cstrong>Architecte de plateforme d'IA est un libellé de rôle pratique, pas un titre de poste universellement normalisé.\u003C\u002Fstrong> ISO\u002FIEC\u002FIEEE 42010:2022 définit des concepts pour les descriptions d'architecture, pas ce rôle. Différentes organisations peuvent répartir ces responsabilités entre architectes de plateforme, architectes de solutions, architectes d'entreprise, architectes de sécurité, spécialistes MLOps\u002FLLMOps et équipes d'ingénierie de plateforme. Cet article utilise le terme pour la responsabilité d'architecture sur une couche de plateforme d'IA réutilisable.","Note terminologique","note",{"id":233,"data":234,"type":225},"version-note",{"body":235,"title":236,"variant":231},"Les principes architecturaux stables présentés ici sont indépendants des fournisseurs. Les orientations actuelles de Microsoft, AWS et NIST sont utilisées comme preuves externes de mise en œuvre et de gouvernance. Le NIST indique que l'AI RMF 1.0 est en cours de révision ; les fonctionnalités des plateformes des fournisseurs, les produits de passerelle, les environnements d'exécution d'agents et les capacités des modèles évoluent plus vite que les principes architecturaux, de sorte que les choix de mise en œuvre sensibles aux versions doivent être revérifiés avant le déploiement.","Note sur les sources actuelles — 8 octobre 2026",{"id":238,"data":239,"type":243},"toc",{"title":240,"maxLevel":241,"minLevel":242},"Sommaire",3,2,"tableOfContents",{"id":245,"data":246,"type":42},"h-meaning",{"text":247,"level":242},"Que conçoit réellement un architecte de plateforme d'IA ?",{"id":249,"data":250,"type":218},"p-meaning-1",{"text":251},"L'objet du travail est la \u003Cstrong>plateforme\u003C\u002Fstrong> : un ensemble de capacités partagées qui réduit le travail d'intégration répété tout en préservant des frontières explicites en matière de sécurité, de données et d'exploitation. Une plateforme peut exposer l'accès aux modèles, des adaptateurs de fournisseurs, des primitives de récupération, l'exécution d'agents, des courtiers d'outils, l'application des politiques, l'évaluation, la télémétrie et des services de déploiement à de nombreuses solutions consommatrices.",{"id":253,"data":254,"type":218},"p-meaning-2",{"text":255},"La plateforme n'a pas de valeur simplement parce que les composants sont centralisés. Elle a de la valeur lorsque les consommateurs reçoivent des capacités stables avec des contrats clairs, une propriété, une isolation, une observabilité et des règles de cycle de vie. La question architecturale clé n'est donc pas « Quel modèle tout le monde devrait-il utiliser ? » mais \u003Cstrong>« Quelles responsabilités peuvent être normalisées et réutilisées en toute sécurité sans effacer les exigences de chaque solution ? »\u003C\u002Fstrong>.",{"id":257,"data":258,"type":299},"solution-vs-platform",{"rows":259,"title":290,"layout":291,"columns":292},[260,266,272,278,284],{"id":261,"label":262,"values":263},"c1","Portée principale",{"platform":264,"solution":265},"Reusable AI capabilities consumed by multiple solutions, teams or tenant contexts.","One concrete AI-enabled product, workflow or application.",{"id":267,"label":268,"values":269},"c2","Question principale",{"platform":270,"solution":271},"Which shared capabilities and controls should solutions consume, and where must solution-specific ownership remain?","How should this solution meet its business, data, security, quality and operational requirements?",{"id":273,"label":274,"values":275},"c3","Autorité sur les données",{"platform":276,"solution":277},"Provides storage, retrieval, provenance or access primitives without automatically becoming the authority for every domain.","Defines which domain data is authoritative and how the solution may use it.",{"id":279,"label":280,"values":281},"c4","Évaluation",{"platform":282,"solution":283},"Provides reusable evaluation, telemetry and release mechanisms; it cannot define every domain's success threshold.","Defines task-specific quality and acceptance criteria.",{"id":285,"label":286,"values":287},"c5","Cycle de vie",{"platform":288,"solution":289},"Owns shared capability versions, compatibility, onboarding, quotas, policy and operational contracts.","Owns the lifecycle of the specific workload.","L'architecture de solution et l'architecture de plateforme résolvent des problèmes de portée différents","table",[293,296],{"id":294,"label":295},"solution","Architecte de solution d'IA",{"id":297,"label":298},"platform","Architecte de plateforme d'IA","comparison",{"id":301,"data":302,"type":42},"h-simple",{"text":303,"level":242},"L'exemple le plus simple",{"id":305,"data":306,"type":218},"p-simple-1",{"text":307},"Imaginez qu'une organisation dispose de cinq produits activés par l'IA : un assistant documentaire interne, un copilote d'assistance client, un agent d'ingénierie logicielle, un flux de travail de révision de contrats et un assistant de recherche de produits. Chaque produit pourrait intégrer indépendamment des API de modèles, conserver des identifiants, implémenter des nouvelles tentatives, collecter des métriques de jetons, créer du code de récupération et établir ses propres autorisations d'outils.",{"id":309,"data":310,"type":218},"p-simple-2",{"text":311},"Cette duplication est coûteuse et dangereuse lorsque chaque équipe invente un modèle de sécurité et d'exploitation différent. Une plateforme partagée peut plutôt offrir des connexions de fournisseurs approuvées, la découverte de modèles, des quotas, des identifiants, un accès tenant compte des locataires, une télémétrie commune, des services de récupération réutilisables et un contrat d'environnement d'exécution d'agents\u002Fd'outils.",{"id":313,"data":314,"type":218},"p-simple-3",{"text":315},"Mais la plateforme doit s'arrêter à la bonne frontière. La solution de révision de contrats peut exiger une autorité sur les documents juridiques et des règles de citation que l'agent logiciel n'a pas. L'assistant de recherche de produits peut avoir besoin de règles de fraîcheur et d'autorisation spécifiques au commerce. \u003Cstrong>Une infrastructure réutilisable ne rend pas toute la vérité métier réutilisable.\u003C\u002Fstrong>",{"id":317,"data":318,"type":340},"simple-flow",{"steps":319,"title":338,"orientation":339},[320,323,326,329,332,335],{"label":321,"description":322},"1. Le consommateur s'identifie","L'application appelante, l'utilisateur, le service, l'équipe ou le locataire entre par une identité authentifiée et une portée explicite.",{"label":324,"description":325},"2. La politique de la plateforme s'applique","Les couches de passerelle et de politique déterminent les fournisseurs, modèles, quotas, chemins de données, outils et modes d'exécution autorisés.",{"label":327,"description":328},"3. La capacité partagée s'exécute","La requête peut utiliser l'inférence, la récupération, l'environnement d'exécution d'agents, l'accès aux outils ou un autre service de plateforme réutilisable.",{"label":330,"description":331},"4. Le contexte spécifique à la solution reste faisant autorité","La solution consommatrice fournit les règles métier, l'intention de l'utilisateur, l'autorité sur les données, les contraintes spécifiques à la tâche et la logique d'acceptation.",{"label":333,"description":334},"5. La télémétrie et les preuves sont capturées","La plateforme enregistre l'identité, la route, le modèle\u002Ffournisseur, la latence, le coût, les erreurs, l'activité des outils et d'autres signaux d'observabilité autorisés.",{"label":336,"description":337},"6. Le résultat est renvoyé selon le contrat de la solution","La solution reste responsable de la question de savoir si la sortie est acceptable pour son utilisateur et son domaine.","Un chemin de requête d'IA partagé","auto","processFlow",{"id":342,"data":343,"type":42},"h-stops",{"text":344,"level":242},"Où l'exemple simple s'arrête",{"id":346,"data":347,"type":218},"p-stops-1",{"text":348},"La centralisation n'est pas automatiquement de l'architecture. Un point de terminaison unique devant plusieurs API de modèles est utile, mais il ne crée pas à lui seul une plateforme d'IA. Une plateforme de production a également besoin de frontières d'identité, de contrats de capacités, de gestion de la santé et du cycle de vie des fournisseurs, de quotas, de propriété des secrets, d'observabilité, de règles de compatibilité, de contrôles de sécurité, de discipline de publication et d'une responsabilité opérationnelle claire.",{"id":350,"data":351,"type":218},"p-stops-2",{"text":352},"L'échec opposé est également courant : mettre chaque invite, index vectoriel, règle métier, agent et flux de travail applicatif dans un seul « backend d'IA ». Cela crée un monolithe dont le statut partagé est accidentel plutôt qu'architectural. \u003Cstrong>Une plateforme doit normaliser les capacités transversales, pas absorber la propriété métier simplement parce que l'IA est impliquée.\u003C\u002Fstrong>",{"id":354,"data":355,"type":42},"h-boundary",{"text":356,"level":242},"La décision de plateforme la plus importante : partagé ou spécifique à la solution",{"id":358,"data":359,"type":291},"shared-boundary-table",{"content":360,"stretched":43,"withHeadings":14},[361,365,369,373,377,381,384],[362,363,364],"Domaine de capacité","Bon candidat pour une propriété de plateforme partagée","Reste généralement spécifique à la solution",[366,367,368],"Accès aux modèles","Connexions fournisseurs approuvées, adaptateurs, identifiants, santé, primitives de routage, quotas","Acceptation des modèles spécifique à la tâche, comportement des invites, seuil de qualité",[370,371,372],"Récupération","Primitives d'ingestion, extraction, indexation, API de recherche, contrats de provenance, hooks d'autorisation","Corpus faisant autorité, règles de fraîcheur, métadonnées de domaine, suffisance des preuves",[374,375,376],"Agents et outils","Cycle de vie d'exécution, registre\u002Fcourtier d'outils, application des permissions, traçage, annulation","Flux de travail métier, sémantique des actions autorisées, politique d'escalade, succès de la tâche",[378,379,380],"Sécurité","Intégration d'identité, stockage des secrets, application des politiques, contrats d'audit, mécanismes d'isolation des locataires","Classification des données, règles d'autorisation métier, acceptation des risques spécifiques au domaine",[280,382,383],"Harnais, mécanismes de jeu de données\u002Fversion, télémétrie, flux de travail d'expérimentation\u002Fpublication","Vérité terrain, jeu de test de domaine, seuil d'acceptation, résultat utilisateur",[385,386,387],"Opérations","Modèle de déploiement, santé, métriques, intégration des incidents, contrôles de capacité","SLO de solution lorsqu'ils diffèrent, impact sur la continuité d'activité, runbooks spécifiques à la charge de travail",{"id":389,"data":390,"type":225},"boundary-principle",{"body":391,"title":392,"variant":393},"\u003Cstrong>Partagez les mécanismes et les contrôles là où la réutilisation est réelle ; conservez l'autorité et l'acceptation là où le domaine les détient.\u003C\u002Fstrong> Cela évite deux erreurs opposées : une infrastructure dupliquée partout, et une plateforme centrale qui devient faussement propriétaire des données, des politiques et de la qualité de chaque application.","Principe de plateforme","success",{"id":395,"data":396,"type":42},"h-responsibility-map",{"text":397,"level":242},"Carte des responsabilités d'architecture",{"id":399,"data":400,"type":42},"h-provider",{"text":401,"level":241},"1. Accès aux modèles et aux fournisseurs",{"id":403,"data":404,"type":218},"p-provider-1",{"text":405},"Un architecte de plateforme définit comment les consommateurs découvrent et invoquent les modèles sans forcer chaque application à coder en dur un fournisseur. Cela inclut les adaptateurs de fournisseurs, les identifiants de modèles, les métadonnées de capacités, l'authentification, les contrôles de santé, la configuration des points de terminaison, la normalisation des requêtes et le comportement de compatibilité.",{"id":407,"data":408,"type":218},"p-provider-2",{"text":409},"L'abstraction des fournisseurs doit rester honnête. Différents fournisseurs exposent différentes limites de contexte, sémantiques d'outils, comportements de sortie structurée, capacités multimodales, contrôles de sécurité, mise en cache, tarification et modes de défaillance. Une bonne abstraction crée un contrat de plateforme stable tout en préservant l'accès aux capacités qui ne peuvent pas être aplaties de manière significative.",{"id":411,"data":412,"type":225},"provider-warning",{"body":413,"title":414,"variant":415},"Une API au plus petit dénominateur commun peut faciliter la migration mais peut aussi effacer des capacités importantes. L'architecture doit définir quelles fonctionnalités sont portables, lesquelles sont spécifiques au fournisseur et comment les consommateurs découvrent cette différence.","Ne confondez pas abstraction et prétention que les fournisseurs sont identiques","warning",{"id":417,"data":418,"type":42},"h-gateway",{"text":419,"level":241},"2. Passerelle, routage, quotas et contrôles de coûts",{"id":421,"data":422,"type":218},"p-gateway-1",{"text":423},"Une passerelle IA partagée peut centraliser l'authentification, le routage, la limitation de débit, les tentatives, les limites de jetons, l'attribution d'utilisation et l'application des politiques. Les directives actuelles de Microsoft sur AI Gateway traitent explicitement les limites de jetons par minute, les quotas et le confinement multi-projets comme des préoccupations de plateforme ; AWS expose de même les quotas de compte et de modèle et des contrôles centralisés.",{"id":425,"data":426,"type":218},"p-gateway-2",{"text":427},"La passerelle est donc plus qu'un proxy inverse lorsqu'elle porte des politiques et des sémantiques opérationnelles spécifiques à l'IA. Mais elle ne doit pas prendre silencieusement des décisions métier. Une politique de routage peut préférer un modèle local sain, un fournisseur moins coûteux ou un point de terminaison conforme régionalement ; si cette route est acceptable pour une tâche particulière reste un contrat entre la plateforme et la solution.",{"id":429,"data":430,"type":218},"p-gateway-3",{"text":431},"Le routage nécessite également des sémantiques de défaillance. Si le modèle préféré est indisponible, la plateforme doit savoir si le repli est autorisé, si une route cloud nécessite un consentement explicite, si un modèle de moindre capacité est valide et comment la décision est exposée à l'observabilité.",{"id":433,"data":434,"type":42},"h-data",{"text":435,"level":241},"3. Services partagés de données, de récupération et d'ancrage",{"id":437,"data":438,"type":218},"p-data-1",{"text":439},"Les services de récupération sont de bons candidats pour la plateforme car l'analyse, le découpage, l'indexation, la recherche lexicale, la recherche sémantique, le filtrage des métadonnées, la provenance et les mécanismes de citation sont réutilisables. Cependant, la plateforme ne doit pas confondre un moteur de récupération partagé avec une source de vérité partagée.",{"id":441,"data":442,"type":218},"p-data-2",{"text":443},"Une solution reste propriétaire de questions telles que : Quel corpus fait autorité ? Quelle version est valide ? Cet utilisateur peut-il voir ce document ? Quelle fraîcheur les données doivent-elles avoir ? Qu'est-ce qui compte comme preuve suffisante ? Une réponse peut-elle être générée lorsque la récupération échoue ? Ce sont des exigences de domaine et de solution même lorsque la plateforme fournit la machinerie de récupération.",{"id":445,"data":446,"type":218},"p-data-3",{"text":447},"Cette frontière est particulièrement importante dans les systèmes multi-locataires. Un index ou un service vectoriel techniquement partagé ne justifie pas une visibilité entre locataires. Le contexte d'autorisation doit être préservé tout au long de la récupération, et non ajouté seulement après que les résultats de recherche ont déjà franchi la frontière.",{"id":449,"data":450,"type":42},"h-agent-runtime",{"text":451,"level":241},"4. Exécution des agents et des outils",{"id":453,"data":454,"type":218},"p-agent-1",{"text":455},"Les systèmes agentiques ajoutent des préoccupations d'exécution réutilisables : cycle de vie des fils\u002Fsessions, boucles de planification, enregistrement d'outils, invocation d'outils, annulation, délais d'attente, approbations humaines, interfaces de mémoire\u002Fétat, protocoles d'agents distants et corrélation des traces. Une plateforme peut fournir ces mécanismes pour que chaque produit ne les reconstruise pas.",{"id":457,"data":458,"type":218},"p-agent-2",{"text":459},"La plateforme doit également garder la permission des outils séparée de la capacité du modèle. Un modèle capable de générer une commande shell ne signifie pas que l'exécution doit autoriser l'exécution shell. La frontière de permission appartient à l'architecture de l'application\u002Fd'exécution et doit être applicable indépendamment du modèle.",{"id":461,"data":462,"type":218},"p-agent-3",{"text":463},"Les recommandations actuelles d'AWS sur l'IA agentique mettent l'accent sur des agents à périmètre délimité, une autorité explicite, une traçabilité de bout en bout, des artefacts comportementaux versionnés et une supervision humaine proportionnée aux conséquences. Ce sont des préoccupations qui permettent la plateforme, mais la solution consommatrice définit encore quelles actions sont légitimes pour son domaine.",{"id":465,"data":466,"type":42},"h-identity",{"text":467,"level":241},"5. Identité, isolation des locataires et autorisation",{"id":469,"data":470,"type":218},"p-identity-1",{"text":471},"Les plateformes d'IA se trouvent souvent devant des modèles à forte valeur, des données propriétaires et des outils capables d'actions. L'authentification n'est donc que le début. L'architecture doit transporter le contexte de l'utilisateur, du service, de l'application et du locataire à travers chaque opération privilégiée qui en a besoin.",{"id":473,"data":474,"type":218},"p-identity-2",{"text":475},"\u003Cstrong>Le RBAC et l'isolation des locataires résolvent des problèmes différents.\u003C\u002Fstrong> Le RBAC répond à ce qu'une identité peut faire ; l'isolation des locataires répond sur les ressources de quel locataire cette identité peut agir. Une plateforme qui vérifie les rôles mais perd le contexte du locataire peut encore exposer les mauvaises données.",{"id":477,"data":478,"type":218},"p-identity-3",{"text":479},"Les recommandations actuelles de Microsoft sur les charges de travail d'IA préconisent explicitement la segmentation des identités et un accès au contenu tenant compte de l'autorisation. Les recommandations d'AWS sur les plateformes d'IA générative multi-locataires traitent de même l'isolation logique, les contrôles centralisés et l'auditabilité comme des préoccupations de plateforme.",{"id":481,"data":482,"type":42},"h-secrets",{"text":483,"level":241},"6. Secrets, identifiants et frontières de confiance",{"id":485,"data":486,"type":218},"p-secrets-1",{"text":487},"Une plateforme doit définir qui possède les clés des fournisseurs, les jetons porteurs distants, le matériel de signature et les identifiants des outils, où ils sont stockés, quel processus peut y accéder, comment ils sont renouvelés et s'ils peuvent un jour atteindre un navigateur ou un moteur de rendu non fiable.",{"id":489,"data":490,"type":218},"p-secrets-2",{"text":491},"Il s'agit d'une frontière architecturale, pas d'un détail d'implémentation. Si chaque application consommatrice copie les identifiants du fournisseur dans sa propre configuration, l'organisation a dupliqué à la fois la charge opérationnelle et le rayon d'impact. La centralisation ne peut réduire ce risque que si la plateforme elle-même dispose de chemins d'accès plus étroits et auditables.",{"id":493,"data":494,"type":42},"h-eval",{"text":495,"level":241},"7. Évaluation, observabilité et auditabilité",{"id":497,"data":498,"type":218},"p-eval-1",{"text":499},"Une plateforme réutilisable peut fournir des harnais d'évaluation, des identifiants de trace, des métadonnées de modèle\u002Ffournisseur, des métriques de jetons et de coûts, la latence, les taux d'erreur, la liaison version de prompt\u002Fmodèle, les traces d'agents\u002Foutils et une journalisation contrôlée. AWS et Microsoft considèrent tous deux l'observabilité et l'évaluation comme des préoccupations de production essentielles pour les charges de travail d'IA.",{"id":501,"data":502,"type":218},"p-eval-2",{"text":503},"L'évaluation de la plateforme et l'évaluation de la solution doivent rester distinctes. Une plateforme peut vérifier qu'un point de terminaison est sain, qu'une version de modèle passe une suite de régression générale et que les traces sont complètes. Elle ne peut pas décider qu'une réponse juridique, un flux de travail médical ou une recommandation de produit est acceptable sans vérité terrain et critères d'acceptation spécifiques au domaine.",{"id":505,"data":506,"type":218},"p-eval-3",{"text":507},"La journalisation crée également une frontière de confidentialité. Les journaux de prompts et de réponses peuvent contenir des données sensibles ou propriétaires. L'architecte de plateforme doit donc décider ce qui est journalisé, masqué, échantillonné, conservé et accessible plutôt que de supposer que plus de télémétrie est toujours plus sûr.",{"id":509,"data":510,"type":42},"h-runtime",{"text":511,"level":241},"8. Exécution, déploiement et localité",{"id":513,"data":514,"type":218},"p-runtime-1",{"text":515},"Un architecte de plateforme décide comment les capacités d'IA partagées sont déployées et atteintes : services cloud gérés, points de terminaison auto-hébergés, inférence locale, routage hybride, services conteneurisés, environnements d'exécution de bureau, réseaux privés ou environnements isolés. La distinction importante est entre \u003Cstrong>l'endroit où le processus de contrôle\u002Fexécution s'exécute\u003C\u002Fstrong> et \u003Cstrong>l'endroit où l'inférence et le traitement des données se produisent réellement\u003C\u002Fstrong>.",{"id":517,"data":518,"type":218},"p-runtime-2",{"text":519},"Un client local peut encore appeler un modèle cloud. Un plan de contrôle cloud peut router vers un modèle sur site. Un agent distant peut exécuter des outils à l'intérieur du réseau d'un client. Les diagrammes d'architecture doivent donc montrer les frontières de confiance et de flux de données plutôt que d'utiliser « local » et « cloud » comme des étiquettes vagues.",{"id":521,"data":522,"type":42},"h-lifecycle",{"text":523,"level":241},"9. Cycle de vie de la plateforme, compatibilité et intégration",{"id":525,"data":526,"type":218},"p-lifecycle-1",{"text":527},"Une capacité réutilisable ne devient une plateforme que lorsque les consommateurs peuvent en dépendre dans le temps. Cela nécessite des contrats versionnés, des règles de migration, une politique de compatibilité, la dépréciation, des tests de version, la restauration, la responsabilité des incidents, la planification de la capacité, la documentation et un chemin pour intégrer de nouvelles équipes ou applications.",{"id":529,"data":530,"type":218},"p-lifecycle-2",{"text":531},"Les écosystèmes d'IA en évolution rapide rendent cela particulièrement important. Les noms de modèles, les SDK, les versions de protocole, les API des fournisseurs et les capacités de sécurité changent indépendamment. Une plateforme doit absorber une partie de cette volatilité sans masquer les changements qui affectent matériellement le comportement d'une solution.",{"id":533,"data":534,"type":42},"h-control-plane",{"text":535,"level":242},"Un modèle pratique de plan de contrôle \u002F plan d'exécution \u002F plan de solution",{"id":537,"data":538,"type":225},"model-note",{"body":539,"title":540,"variant":231},"Le modèle à trois plans ci-dessous est une manière pratique de raisonner sur les responsabilités ; ce n'est pas une norme ISO, NIST, Microsoft ou AWS. Son objectif est de rendre explicites les frontières de propriété.","Modèle d'architecture proposé",{"id":542,"data":543,"type":291},"planes-table",{"content":544,"stretched":43,"withHeadings":14},[545,549,553,557],[546,547,548],"Plan","Responsabilités typiques","Ne devrait pas posséder silencieusement",[550,551,552],"Plan de contrôle de la plateforme","Registre des fournisseurs, politique de modèles, quotas, configuration des locataires, identités, secrets, règles de routage, versions des capacités, configuration de déploiement","Logique métier applicative ou vérité du domaine",[554,555,556],"Plan d'exécution\u002Fdonnées de la plateforme","Requêtes d'inférence, opérations de récupération, exécution d'agents\u002Foutils, extraction, indexation, émission de télémétrie, application des politiques","Accès inter-locataires simplement parce que l'infrastructure est partagée",[558,559,560],"Plan de solution","Flux de travail utilisateur, invites\u002Finstructions, sélection du corpus faisant autorité, autorisation de domaine, règles métier, évaluation et acceptation des tâches","Intégration de fournisseur de bas niveau que la plateforme possède explicitement",{"id":562,"data":563,"type":218},"p-control-plane-1",{"text":564},"Cette séparation aide à diagnostiquer la dérive de la plateforme. Si une application doit connaître chaque identifiant et point de terminaison spécifique à un fournisseur, le contrat de la plateforme est trop mince. Si la plateforme décide quel enregistrement client fait légalement autorité ou si une réponse de domaine est acceptable, la plateforme a empiété sur la propriété de la solution.",{"id":566,"data":567,"type":42},"h-artifacts",{"text":568,"level":242},"Que devrait produire un architecte de plateforme IA ?",{"id":570,"data":571,"type":291},"artifacts-table",{"content":572,"stretched":43,"withHeadings":14},[573,576,579,582,585,588,591,594,597,600],[574,575],"Artefact d'architecture","Objectif",[577,578],"Carte des capacités de la plateforme","Définit ce que la plateforme fournit, qui la consomme et quelles capacités restent hors périmètre.",[580,581],"Contrat fournisseur\u002Fmodèle","Définit les fournisseurs, les modèles, les capacités, les frontières d'abstraction, les métadonnées de routage et la sémantique de repli.",[583,584],"Modèle d'identité et de multi-location","Définit l'identité utilisateur\u002Fservice\u002Fapplication, le contexte de locataire, les points d'ancrage RBAC\u002FABAC et l'isolation des ressources.",[586,587],"Politique de passerelle et de quotas","Définit les limites de débit, les budgets de jetons\u002Fcoûts, les contrôles de routage, les tentatives et le comportement de capacité.",[589,590],"Contrat de récupération\u002Fdonnées","Définit l'ingestion, la provenance, la recherche, les métadonnées, la propagation de l'autorisation et où l'autorité de domaine reste.",[592,593],"Contrat agent\u002Foutil","Définit le cycle de vie d'exécution, l'enregistrement des outils, les permissions, les approbations, l'annulation et le comportement de trace.",[595,596],"Modèle de secrets et de frontières de confiance","Définit la propriété des identifiants, le stockage, les frontières de processus, la rotation et les chemins de données sensibles.",[598,599],"Contrat d'évaluation et de télémétrie","Définit les métriques communes, les traces, les liens de jeux de données\u002Fversions, la politique de journalisation et les points d'extension de solution.",[601,602],"Politique de cycle de vie et de compatibilité","Définit les versions, les migrations, la dépréciation, les versions, le retour arrière, la propriété des incidents et l'intégration.",{"id":604,"data":605,"type":42},"h-tradeoffs",{"text":606,"level":242},"Le travail est surtout une question de compromis, pas de centralisation maximale",{"id":608,"data":609,"type":299},"tradeoff-comparison",{"rows":610,"title":647,"layout":291,"columns":648},[611,617,623,629,635,641],{"id":612,"label":613,"values":614},"t1","Abstraction du fournisseur",{"pressureA":615,"pressureB":616},"Stable portable platform API","Access to provider-specific capabilities and fast innovation",{"id":618,"label":619,"values":620},"t2","Réutilisation",{"pressureA":621,"pressureB":622},"Shared services reduce duplication","Isolation and domain autonomy prevent unsafe coupling",{"id":624,"label":625,"values":626},"t3","Gouvernance",{"pressureA":627,"pressureB":628},"Central policy and auditability","Team speed and local experimentation",{"id":630,"label":631,"values":632},"t4","Observabilité",{"pressureA":633,"pressureB":634},"Rich traces for debugging and evaluation","Privacy, data minimization and logging cost",{"id":636,"label":637,"values":638},"t5","Disponibilité",{"pressureA":639,"pressureB":640},"Fallback and multi-provider resilience","Predictable quality, compliance and data-location guarantees",{"id":642,"label":643,"values":644},"t6","Périmètre de la plateforme",{"pressureA":645,"pressureB":646},"More reusable capabilities","Smaller blast radius and less platform lock-in","Compromis courants de plateforme",[649,652],{"id":650,"label":651},"pressureA","Pression A",{"id":653,"label":654},"pressureB","Pression B",{"id":656,"data":657,"type":42},"h-adjacent",{"text":658,"level":242},"En quoi cela diffère-t-il des rôles adjacents ?",{"id":660,"data":661,"type":291},"roles-table",{"content":662,"stretched":43,"withHeadings":14},[663,666,669,672,675,678,681],[664,665],"Rôle","Périmètre architectural principal",[667,668],"Architecte de solution IA","Une solution concrète activée par l'IA et ses exigences de bout en bout, frontières, compromis et acceptation en production.",[670,671],"Architecte de plateforme IA","Capacités IA réutilisables et contrats opérationnels\u002Fde sécurité consommés à travers plusieurs solutions ou équipes.",[673,674],"Architecte d'entreprise","Portefeuille métier\u002Ftechnologique à l'échelle de l'organisation, alignement des capacités et de la gouvernance à un niveau plus large.",[676,677],"Architecte ou spécialiste MLOps \u002F LLMOps","Cycle de vie des modèles et de l'IA, déploiement, expériences, observabilité, publication et pratiques opérationnelles ; peut fortement chevaucher mais ne possède pas automatiquement toute la plateforme applicative partagée.",[679,680],"Ingénieur de plateforme \u002F SRE","Implémente et exploite l'infrastructure de la plateforme, la fiabilité, l'automatisation et l'expérience développeur ; la responsabilité architecturale peut être partagée avec l'architecte de plateforme.",[682,683],"Ingénieur IA \u002F logiciel","Implémente les modèles, intégrations, services, agents, récupération et fonctionnalités produit dans l'architecture convenue.",{"id":685,"data":686,"type":218},"p-adjacent-1",{"text":687},"Ces frontières sont organisationnelles, pas universelles. Dans une petite équipe, une personne peut assumer plusieurs responsabilités. Dans une entreprise réglementée, elles peuvent être réparties entre les groupes architecture, sécurité, plateforme, données et opérations. La distinction utile est le \u003Cstrong>périmètre de responsabilité architecturale\u003C\u002Fstrong>, pas le titre de poste imprimé sur un organigramme.",{"id":689,"data":690,"type":42},"h-evidence",{"text":691,"level":242},"Preuves de mise en œuvre : comment ces frontières de plateforme apparaissent dans mon propre travail",{"id":693,"data":694,"type":225},"evidence-note",{"body":695,"title":696,"variant":231},"Les sections suivantes décrivent des modèles concrets issus de mes propres projets. Elles constituent la preuve que ces frontières architecturales ont été mises en œuvre ou explicitement conçues dans du code réel et des systèmes de projet. Elles ne constituent \u003Cstrong>pas\u003C\u002Fstrong> des affirmations selon lesquelles les projets constituent déjà ensemble une plateforme IA d'entreprise déployée commercialement.","Preuves de mise en œuvre originales",{"id":698,"data":699,"type":42},"h-ai-client",{"text":700,"level":241},"Aaasaasa AI Client : séparation des fournisseurs, de l'exécution et des permissions",{"id":702,"data":703,"type":218},"p-ai-client-1",{"text":704},"Aaasaasa AI Client est un espace de travail IA de bureau local-first construit avec Nuxt 4, Electron et TypeScript. Son AI Hub sépare délibérément \u003Cstrong>agent\u002Fclient, fournisseur, modèle, emplacement de connexion\u002Fexécution, permissions et client web\u003C\u002Fstrong> au lieu de les traiter comme une seule valeur de configuration.",{"id":706,"data":707,"type":218},"p-ai-client-2",{"text":708},"L'implémentation inclut des adaptateurs de fournisseurs directs, l'intégration du runtime d'agent Codex, des chemins locaux Ollama\u002FLM Studio, des services compatibles OpenAI, des permissions d'espace de travail centralisées, le stockage des identifiants dans le processus principal, DuckDB, le support Qdrant\u002Fvectoriel, l'extraction PDF\u002Flisibilité et l'accès authentifié aux répertoires basé sur MCP.",{"id":710,"data":711,"type":218},"p-ai-client-3",{"text":712},"Deux leçons de plateforme sont particulièrement pertinentes. Premièrement, un runtime local n'est pas la même chose qu'une inférence locale : un processus Codex local peut toujours utiliser un modèle cloud. Deuxièmement, le routage automatique ne bascule pas silencieusement d'une inférence locale à une inférence cloud payante. Cela rend la politique de routage et la localité d'exécution explicites plutôt qu'inférées à partir des libellés de l'interface.",{"id":714,"data":715,"type":291},"ai-client-evidence-table",{"content":716,"stretched":43,"withHeadings":14},[717,720,723,726,729,732],[718,719],"Frontière mise en œuvre","Signification pour l'architecture de plateforme",[721,722],"Agent vs fournisseur vs modèle","Des responsabilités différentes peuvent évoluer indépendamment au lieu d'être cachées derrière un seul sélecteur « IA ».",[724,725],"Permissions séparées du modèle","L'autorité sur le système de fichiers\u002Fles outils appartient à la politique d'exécution, pas à la capacité du modèle.",[727,728],"Secrets dans le processus principal","La propriété des identifiants suit la frontière du processus privilégié plutôt que le moteur de rendu\u002Fl'interface.",[730,731],"Santé du fournisseur et découverte de modèles","Le routage et la disponibilité sont des préoccupations d'exécution\u002Fde plateforme.",[733,734],"Pas de repli cloud silencieux","Les sémantiques de coût, de localité et de transfert de données restent des décisions politiques explicites.",{"id":736,"data":737,"type":42},"h-cms",{"text":738,"level":241},"Aaasaasa AI CMS : l'autorisation limitée au locataire comme frontière de plateforme",{"id":740,"data":741,"type":218},"p-cms-1",{"text":742},"La base de code d'Aaasaasa AI CMS fournit un exemple d'implémentation distinct : le RBAC limité au locataire est représenté par des rôles, des permissions et des attributions de rôles utilisateur liés à un identifiant de locataire. Les permissions système sont regroupées par capacité, et la recherche et les mises à jour des rôles restent limitées au locataire.",{"id":744,"data":745,"type":218},"p-cms-2",{"text":746},"Cela ne constitue pas en soi la preuve d'une plateforme d'IA complète, mais c'est directement pertinent pour l'une des frontières de plateforme partagée les plus difficiles : un service réutilisable doit préserver \u003Cstrong>qui peut faire quoi\u003C\u002Fstrong> et \u003Cstrong>pour quel locataire\u003C\u002Fstrong>. L'ajout d'inférence ou de récupération d'IA au-dessus d'une plateforme applicative ne supprime pas cette exigence.",{"id":748,"data":749,"type":218},"p-cms-3",{"text":750},"L'implication architecturale est que les passerelles de modèles, les services de récupération et les agents devraient consommer le contexte d'identité\u002Flocataire établi plutôt que d'inventer un univers d'autorisation parallèle réservé à l'IA.",{"id":752,"data":753,"type":42},"h-sot",{"text":754,"level":241},"Source of Truth Research Engine : mécanismes de récupération partagés sans vérité partagée",{"id":756,"data":757,"type":218},"p-sot-1",{"text":758},"Le Source of Truth Research Engine fournit un troisième exemple d'implémentation. Différents modes de recherche partagent un noyau de preuves commun : Sources, Artefacts, provenance, Affirmations, Relations, Contradictions, un Modèle de Référence et une piste d'audit. Le système fournit également une récupération lexicale locale, une récupération sémantique optionnelle, l'extraction, des instantanés et une provenance basée sur SHA-256.",{"id":760,"data":761,"type":218},"p-sot-2",{"text":762},"Le projet traite explicitement la recherche et la similarité sémantique comme des signaux de découverte plutôt que comme des preuves. Un résultat doit être retracé jusqu'à une source et un localisateur concrets avant de pouvoir étayer une affirmation. C'est précisément la distinction dont une plateforme d'IA a besoin : \u003Cstrong>la machinerie de récupération réutilisable peut être partagée tandis que l'autorité des preuves reste régie par la méthodologie et le domaine consommateurs.\u003C\u002Fstrong>",{"id":764,"data":765,"type":218},"p-sot-3",{"text":766},"Le moteur démontre également pourquoi une plateforme partagée unique n'exige pas une interprétation partagée unique. Les modes historique, scientifique\u002Ftechnique, d'intelligence de marché et de surveillance peuvent réutiliser l'infrastructure de preuves de base tout en conservant une méthodologie spécifique au mode.",{"id":768,"data":769,"type":225},"evidence-synthesis",{"body":770,"title":771,"variant":393},"À travers ces projets, le modèle réutilisable n'est pas « un backend unique pour tout ». C'est la \u003Cstrong>séparation des préoccupations plus des contrats explicites\u003C\u002Fstrong> : séparation fournisseur\u002Fmodèle\u002Fexécution, autorisation tenant compte du locataire, frontières d'identification, primitives de données\u002Frécupération réutilisables, provenance et autorité spécifique au domaine. Une future plateforme intégrée aurait besoin de contrats stables entre ces capacités plutôt que d'un couplage direct entre les bases de code.","Ce que ces implémentations démontrent ensemble",{"id":773,"data":774,"type":42},"h-frameworks",{"text":775,"level":242},"Comment les orientations architecturales actuelles soutiennent ce périmètre de plateforme",{"id":777,"data":778,"type":218},"p-frameworks-1",{"text":779},"ISO\u002FIEC\u002FIEEE 42010:2022 fournit une discipline générale pour les descriptions d'architecture à travers les logiciels, les systèmes, les entreprises et les entités connexes. Il ne définit pas un Architecte de Plateforme d'IA, mais il renforce la nécessité d'exprimer les préoccupations, les relations et les points de vue architecturaux plutôt que de réduire l'architecture à une liste de technologies.",{"id":781,"data":782,"type":218},"p-frameworks-2",{"text":783},"NIST AI RMF 1.0 et le Profil d'IA Générative encadrent la gestion des risques d'IA sur l'ensemble du cycle de vie plutôt qu'au seul moment de la sélection du modèle. La gouvernance, la cartographie, la mesure et la gestion sont donc compatibles avec une architecture de plateforme qui porte des contrôles et des preuves partagés à travers de nombreuses charges de travail consommatrices.",{"id":785,"data":786,"type":218},"p-frameworks-3",{"text":787},"Les orientations actuelles de Microsoft sur les charges de travail d'IA traitent la conception d'applications, les données, la sécurité, les opérations, les tests\u002Févaluation et GenAIOps comme des domaines architecturaux connectés. Ses orientations actuelles sur la passerelle d'IA montrent également des préoccupations pratiques de plateforme telles que l'accès centralisé aux modèles, les limites de jetons spécifiques au projet, les quotas et le confinement multi-équipes.",{"id":789,"data":790,"type":218},"p-frameworks-4",{"text":791},"Le Lens d'IA Générative actuel d'AWS et le scénario de plateforme multi-locataires séparent de même les contrôles de plateforme fondamentaux de la propriété des applications consommatrices. AWS note explicitement qu'une plateforme centrale peut appliquer des garde-fous partagés et une auditabilité tandis que la qualité des données et l'observabilité spécifique à la charge de travail restent des responsabilités des applications consommatrices ou des producteurs de données.",{"id":793,"data":794,"type":218},"p-frameworks-5",{"text":795},"Les produits des fournisseurs diffèrent, mais le modèle inter-sources est stable : les plateformes d'IA en production doivent coordonner l'identité, l'accès aux données, les modèles, la politique, l'évaluation, l'observabilité, la capacité, le coût et le cycle de vie. Un cluster de GPU ou un point de terminaison de modèle ne couvre qu'une partie de cette responsabilité.",{"id":797,"data":798,"type":42},"h-misconceptions",{"text":799,"level":242},"Idées fausses courantes",{"id":801,"data":802,"type":291},"misconceptions-table",{"content":803,"stretched":43,"withHeadings":14},[804,807,810,813,816,819,822,825,828],[805,806],"Idée fausse","Pourquoi c'est faux",[808,809],"« Une plateforme d'IA, c'est le cluster de GPU. »","Le calcul est un substrat. Une plateforme a aussi besoin de contrats pour l'identité, l'accès aux modèles, les données, la politique, l'évaluation, l'observabilité et le cycle de vie.",[811,812],"« Une passerelle d'IA n'est qu'un proxy inverse. »","Elle peut aussi porter le routage de modèles, les quotas de jetons, l'attribution des coûts, l'application des politiques, l'identité et la télémétrie spécifique à l'IA.",[814,815],"« Partagé signifie partagé globalement. »","Un service peut être physiquement partagé tout en étant logiquement segmenté par locataire, application, région, classification ou niveau de risque.",[817,818],"« Une base de données vectorielle centrale unique devient la vérité de l'entreprise. »","Un magasin vectoriel ou un service de récupération est une infrastructure. L'autorité du domaine, la fraîcheur, la provenance et l'accès restent des préoccupations distinctes.",[820,821],"« L'évaluation de la plateforme remplace l'évaluation de la solution. »","La régression générale et la télémétrie ne peuvent pas définir si une réponse ou une action spécifique à un domaine est acceptable.",[823,824],"« L'abstraction du fournisseur devrait masquer toutes les différences. »","Certaines différences sont des capacités matérielles, des sémantiques de sécurité ou des modes de défaillance et doivent rester visibles.",[826,827],"« Le RBAC résout le multi-locataires. »","Le RBAC contrôle les actions ; l'isolation des locataires contrôle les frontières des ressources. Les deux peuvent être nécessaires.",[829,830],"« Architecte de Plateforme d'IA n'est qu'un autre nom pour MLOps. »","MLOps\u002FLLMOps est une discipline majeure qui se chevauche, mais les frontières partagées d'application\u002Fexécution, d'identité, de passerelle, de récupération et d'outils peuvent s'étendre au-delà des opérations du cycle de vie des modèles.",{"id":832,"data":833,"type":42},"h-failure",{"text":834,"level":242},"Modes de défaillance qu'un Architecte de Plateforme d'IA devrait prévenir",{"id":836,"data":837,"type":291},"failures-table",{"content":838,"stretched":43,"withHeadings":14},[839,842,845,848,851,854,857,860,863,866],[840,841],"Mode de défaillance","Conséquence architecturale",[843,844],"Chaque équipe stocke ses propres clés de fournisseur","Gestion dupliquée des secrets, rotation incohérente et rayon d'impact plus large.",[846,847],"L'abstraction du fournisseur masque les capacités requises","Les consommateurs ne peuvent pas utiliser les fonctionnalités dont ils ont besoin ou reçoivent silencieusement un comportement différent des hypothèses.",[849,850],"La récupération partagée ignore le contexte du locataire\u002Futilisateur","Une fuite de données entre frontières peut se produire avant que l'application ait la possibilité de filtrer les résultats.",[852,853],"Le repli change silencieusement de fournisseur ou de localité","Le coût, la conformité, la localisation des données et la qualité de sortie peuvent changer sans que l'appelant le sache.",[855,856],"Les outils d'agent sont accordés par le choix du modèle","Un modèle performant devient sur-privilégié car l'autorité d'exécution n'est pas appliquée indépendamment.",[858,859],"Tous les prompts\u002Fréponses sont journalisés par défaut","L'observabilité peut créer un nouveau dépôt de données sensibles et un problème de conformité.",[861,862],"La plateforme possède un score de qualité générique unique","Les défaillances du domaine restent cachées derrière les métriques de santé de la plateforme.",[864,865],"Aucun contrat de version pour les capacités de la plateforme","Les changements de modèle\u002Ffournisseur\u002Fenvironnement d'exécution cassent les consommateurs de manière imprévisible.",[867,868],"Tout ce qui est lié à l'IA est centralisé","La plateforme devient un goulot d'étranglement et un monolithe au lieu d'une couche de capacités réutilisables.",{"id":870,"data":871,"type":42},"h-decision",{"text":872,"level":242},"Une séquence de décision pratique pour l'architecture de plateforme",{"id":874,"data":875,"type":340},"decision-flow",{"steps":876,"title":907,"orientation":339},[877,880,883,886,889,892,895,898,901,904],{"label":878,"description":879},"1. Identifier les consommateurs réels","Listez les solutions, équipes, locataires et charges de travail qui consommeraient la plateforme ; évitez de construire une plateforme pour une réutilisation hypothétique.",{"label":881,"description":882},"2. Définir la frontière partagée","Séparez les mécanismes transverses de l'autorité métier, du flux de travail et de l'acceptation propres à la solution.",{"label":884,"description":885},"3. Définir d'abord l'identité et l'isolation","Établissez les utilisateurs, services, applications, locataires, régions et classifications de données avant de partager les capacités de récupération ou d'outils.",{"label":887,"description":888},"4. Définir les contrats de capacité","Spécifiez les API de modèle\u002Ffournisseur, de récupération, d'agent\u002Foutil, de passerelle et de télémétrie avec une propriété et un versionnage explicites.",{"label":890,"description":891},"5. Décider de la stratégie de fournisseur et d'exécution","Choisissez une exécution gérée, auto-hébergée, locale ou hybride et documentez les sémantiques de repli, de localité et de capacité.",{"label":893,"description":894},"6. Concevoir les frontières de données et de récupération","Définissez la provenance, la propagation de l'autorisation, la propriété du corpus, l'indexation et les responsabilités de preuve.",{"label":896,"description":897},"7. Ajouter quotas, secrets et politique","Contrôlez le coût, la capacité, les identifiants, les permissions d'outils, les contrôles de sécurité et le rayon d'impact.",{"label":899,"description":900},"8. Construire des contrats d'évaluation et d'observabilité","Fournissez des métriques de plateforme et de traçage tout en laissant la vérité terrain et l'acceptation du domaine à la solution.",{"label":902,"description":903},"9. Définir le cycle de vie et les opérations","Versionnez les capacités, testez les mises à niveau, documentez la dépréciation, le retour arrière, les incidents, la capacité et l'intégration des consommateurs.",{"label":905,"description":906},"10. Valider avec plus d'un consommateur","Une affirmation de plateforme devient crédible lorsque la capacité partagée sert réellement des charges de travail distinctes sans les forcer dans le même modèle de domaine.","Du besoin de plateforme à une capacité partagée exploitable",{"id":909,"data":910,"type":42},"h-edge",{"text":911,"level":242},"Cas limites et limites du rôle",{"id":913,"data":914,"type":218},"p-edge-1",{"text":915},"Une petite organisation avec une seule application d'IA peut ne pas avoir besoin d'une plateforme d'IA distincte ni d'un architecte de plateforme. Une plateformisation prématurée peut créer plus d'abstraction que de valeur. L'architecture correcte peut être une solution bien conçue avec quelques modules réutilisables.",{"id":917,"data":918,"type":218},"p-edge-2",{"text":919},"Un déploiement en air gap ou souverain change considérablement le modèle de fournisseur, de mise à jour et d'observabilité. L'hébergement de modèles, la distribution d'artefacts, l'intégration d'identité et l'export de télémétrie peuvent tous nécessiter des équivalents locaux.",{"id":921,"data":922,"type":218},"p-edge-3",{"text":923},"Les charges de travail hautement réglementées ou à fort impact peuvent nécessiter une isolation physique ou organisationnelle plus forte au lieu d'une plateforme logiquement partagée. La réutilisation n'est jamais une raison suffisante pour affaiblir une frontière de sécurité requise.",{"id":925,"data":926,"type":218},"p-edge-4",{"text":927},"Les services d'IA cloud gérés peuvent supprimer la charge de mise en œuvre mais ne suppriment pas la responsabilité architecturale. L'organisation décide toujours de l'identité, de l'accès aux données, de la journalisation, de la rétention, des quotas, de l'éligibilité des modèles, du repli, de l'évaluation et de l'acceptation des solutions.",{"id":929,"data":930,"type":218},"p-edge-5",{"text":931},"La frontière de la plateforme peut également différer selon la modalité. L'inférence textuelle, la génération multimodale, la parole, l'utilisation d'ordinateur et les agents autonomes peuvent avoir des exigences différentes en matière de latence, de données, de permissions et d'observabilité, même lorsqu'ils partagent l'infrastructure de fournisseur et d'identité.",{"id":933,"data":934,"type":42},"h-change",{"text":935,"level":242},"Qu'est-ce qui changerait cette réponse ?",{"id":937,"data":938,"type":218},"p-change-1",{"text":939},"La définition principale changerait si la portée organisationnelle change. Si l'architecte est responsable d'une seule charge de travail, le rôle se rapproche de celui d'Architecte de Solutions d'IA. Si la responsabilité s'étend à la stratégie de capacités à l'échelle de l'organisation, aux investissements, aux normes et aux portefeuilles cibles, elle se rapproche de l'Architecture d'IA d'Entreprise.",{"id":941,"data":942,"type":218},"p-change-2",{"text":943},"Les conseils de mise en œuvre changent chaque fois que les fournisseurs, les produits de passerelle, les protocoles d'agent, les obligations réglementaires, les capacités des modèles ou les contraintes de déploiement changent. C'est pourquoi l'architecture de plateforme doit exprimer des responsabilités et des contrats stables indépendamment des mécanismes actuels des fournisseurs.",{"id":945,"data":946,"type":42},"h-checklist",{"text":947,"level":242},"Liste de contrôle de l'Architecte de Plateforme d'IA",{"id":949,"data":950,"type":291},"checklist-table",{"content":951,"stretched":43,"withHeadings":14},[952,955,958,961,964,967,970,973,976,979,982,985,988],[953,954],"Question","Réponse attendue",[956,957],"Qui sont les consommateurs réels de la plateforme ?","Des solutions, équipes ou contextes de locataires nommés avec des besoins distincts mais qui se chevauchent.",[959,960],"Qu'est-ce qui est réellement partagé ?","Une liste explicite de capacités, pas un vague « backend IA ».",[962,963],"Qu'est-ce qui doit rester spécifique à la solution ?","L'autorité métier, le flux de travail métier, l'acceptation des tâches et autres préoccupations propres à la charge de travail.",[965,966],"Comment les modèles\u002Ffournisseurs sont-ils représentés ?","Des contrats de fournisseur\u002Fmodèle versionnés avec des capacités et une sémantique de repli explicite.",[968,969],"Comment l'identité est-elle propagée ?","Le contexte utilisateur\u002Fservice\u002Fapplication\u002Flocataire survit à chaque chemin de requête privilégié.",[971,972],"Comment l'isolation des locataires est-elle appliquée ?","La portée des ressources est distincte des vérifications de permissions de rôle.",[974,975],"Comment les secrets sont-ils gérés ?","Stockage privilégié, rotation, exposition limitée et propriété auditable.",[977,978],"Comment la récupération préserve-t-elle l'autorité ?","Des mécanismes partagés avec autorisation, provenance et règles de preuve propres au domaine.",[980,981],"Comment les outils et agents sont-ils contraints ?","Permissions d'exécution, contrats d'outils bornés, approbations, annulation et traçabilité.",[983,984],"Comment le coût et la capacité sont-ils contrôlés ?","Quotas, contrôles de jetons\u002Fdébit, attribution d'utilisation et comportement en cas de surcharge.",[986,987],"Comment la qualité est-elle mesurée ?","Régression\u002Févaluation de la plateforme plus vérité terrain et acceptation spécifiques à la solution.",[989,990],"Comment les changements sont-ils déployés ?","Versionnage, compatibilité, migration, dépréciation, retour arrière et propriété des incidents.",{"id":992,"data":993,"type":42},"h-conclusion",{"text":994,"level":242},"Conclusion",{"id":996,"data":997,"type":218},"p-conclusion-1",{"text":998},"Un Architecte de Plateforme d'IA est responsable de l'architecture réutilisable \u003Cstrong>entre les capacités d'IA et les solutions qui les consomment\u003C\u002Fstrong>. Le rôle définit comment les modèles, fournisseurs, récupération, agents, outils, identité, locataires, secrets, évaluation, observabilité, quotas et opérations d'exécution deviennent des services de plateforme fiables plutôt que des intégrations ponctuelles répétées.",{"id":1000,"data":1001,"type":218},"p-conclusion-2",{"text":1002},"La partie difficile n'est pas de maximiser la réutilisation. C'est de choisir la bonne frontière. Une plateforme solide standardise les mécanismes, la politique et les opérations là où plusieurs consommateurs en bénéficient réellement, tout en préservant l'autorité sur les données, la logique métier, les exigences de sécurité et les critères d'acceptation propres à chaque solution.",{"id":1004,"data":1005,"type":218},"p-conclusion-3",{"text":1006},"Cette distinction explique aussi la relation avec l'Architecture de Solutions d'IA : \u003Cstrong>l'architecte de solutions fait en sorte qu'un système doté d'IA corresponde à son objectif ; l'architecte de plateforme fait en sorte que les capacités d'IA partagées soient sûres, réutilisables, exploitables et évolutives à travers de nombreux systèmes de ce type.\u003C\u002Fstrong>",{"id":1008,"data":1009,"type":42},"h-related",{"text":1010,"level":242},"Connaissances canoniques associées",{"id":1012,"data":1013,"type":218},"p-related-1",{"text":1014},"Cet article se situe après les fondations canoniques sur les composants d'IA générative, ADR versus NFR, et l'architecture de solutions d'IA. Ces concepts sont des prérequis car une plateforme existe pour fournir des capacités système réutilisables et pour encoder les décisions architecturales en fonction d'exigences explicites de qualité et d'exploitation.",{"id":1016,"data":1017,"type":218},"p-related-2",{"text":1018},"La génération augmentée par récupération est un exemple de capacité qui peut être offerte via une plateforme, mais la plateforme ne doit pas fusionner l'infrastructure de récupération, la connaissance métier et la validité des réponses en un seul concept.",{"id":1020,"data":1021,"type":1028},"related-rag",{"link":1022,"meta":1023},"https:\u002F\u002Fstajic.de\u002Ffr\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works",{"image":1024,"title":1026,"description":1027},{"url":1025},"","Qu'est-ce que le RAG ? L'explication la plus simple de son fonctionnement","Introduction canonique à la génération augmentée par récupération et à la frontière entre la génération par le modèle et la récupération de connaissances externes.","linkTool",{"id":1030,"data":1031,"type":218},"p-related-3",{"text":1032},"Les protocoles d'agents, l'isolation des locataires, la gouvernance de l'IA, le routage des modèles, l'ingénierie du contexte et MLOps\u002FLLMOps sont des nœuds de connaissance en aval ou adjacents. Ils deviennent plus faciles à appréhender une fois la frontière de la plateforme explicite.",{"id":1034,"data":1035,"type":42},"h-faq",{"text":1036,"level":242},"Questions fréquemment posées",{"id":1038,"data":1039,"type":1038},"faq",{"items":1040,"title":1065},[1041,1045,1049,1053,1057,1061],{"id":1042,"answer":1043,"question":1044},"faq-1","Non. L'architecte de solutions se concentre sur une solution concrète activée par l'IA. L'architecte de plateforme se concentre sur les capacités d'IA réutilisables, les contrôles et les contrats opérationnels pouvant prendre en charge plusieurs solutions.","Un architecte de plateforme d'IA est-il identique à un architecte de solutions d'IA ?",{"id":1046,"answer":1047,"question":1048},"faq-2","Non. Une plateforme peut utiliser des modèles cloud gérés, des modèles auto-hébergés, une inférence locale ou une stratégie hybride. L'architecture doit rendre explicites les conséquences liées au fournisseur, à la localisation, à l'identité, au routage, aux données et à l'exploitation.","Une plateforme d'IA doit-elle héberger ses propres modèles ?",{"id":1050,"answer":1051,"question":1052},"faq-3","Généralement non. Une passerelle peut être un composant important de la plateforme, mais une plateforme complète a aussi besoin de contrats pour l'identité, les secrets, les données\u002Frécupération, l'évaluation, l'observabilité, le cycle de vie et la propriété opérationnelle.","Une passerelle d'IA suffit-elle pour constituer une plateforme d'IA ?",{"id":1054,"answer":1055,"question":1056},"faq-4","Les mécanismes de récupération peuvent souvent être partagés, mais l'autorité métier, l'autorisation, la fraîcheur, la suffisance des preuves et la propriété du corpus doivent rester explicites. Une infrastructure partagée n'implique pas une vérité partagée.","La récupération doit-elle être centralisée ?",{"id":1058,"answer":1059,"question":1060},"faq-5","Non. L'évaluation de la plateforme peut tester les capacités partagées et les régressions. Chaque solution a toujours besoin de vérité terrain spécifique à la tâche, de critères d'acceptation et de seuils de qualité métier.","L'évaluation de la plateforme remplace-t-elle l'évaluation de l'application ?",{"id":1062,"answer":1063,"question":1064},"faq-6","Non. Le RBAC détermine ce qu'une identité peut faire. L'isolation des locataires détermine sur les ressources de quel locataire l'identité peut agir. Une plateforme a souvent besoin des deux.","La multi-location est-elle simplement du RBAC ?","FAQ de l'architecte de plateforme d'IA",{"id":1067,"data":1068,"type":42},"h-glossary",{"text":1069,"level":242},"Glossaire",{"id":1071,"data":1072,"type":1071},"glossary",{"title":1073,"entries":1074},"Termes clés de l'architecture de plateforme d'IA",[1075,1079,1083,1087,1091,1095,1099,1103],{"term":1076,"anchor":1077,"definition":1078},"Plateforme d'IA","ai-platform","Un ensemble réutilisable de capacités techniques et opérationnelles liées à l'IA, consommées par plusieurs applications, équipes ou contextes de locataires.",{"term":1080,"anchor":1081,"definition":1082},"Passerelle d'IA","ai-gateway","Une couche de passerelle pour les points de terminaison d'IA qui peut ajouter l'authentification, le routage, les quotas, la politique, les tentatives, l'attribution des coûts et la télémétrie spécifique à l'IA au-delà du simple proxy.",{"term":1084,"anchor":1085,"definition":1086},"Adaptateur de fournisseur","provider-adapter","Un composant qui mappe un contrat de plateforme vers l'API, les capacités, l'état de santé et la sémantique de défaillance d'un fournisseur de modèles.",{"term":1088,"anchor":1089,"definition":1090},"Isolation des locataires","tenant-isolation","La frontière qui empêche un contexte de locataire d'accéder aux ressources d'un autre locataire, indépendamment des permissions de rôle.",{"term":1092,"anchor":1093,"definition":1094},"Contrat de capacité","capability-contract","Une interface versionnée et un accord comportemental décrivant ce qu'un service de plateforme partagé fournit et ce que le consommateur doit fournir ou posséder.",{"term":1096,"anchor":1097,"definition":1098},"Service d'ancrage \u002F de récupération","grounding-service","Mécanismes partagés pour trouver et fournir des informations externes à une charge de travail d'IA ; cela ne définit pas automatiquement quelles informations font autorité pour un domaine.",{"term":1100,"anchor":1101,"definition":1102},"Harnais d'évaluation","evaluation-harness","Infrastructure réutilisable pour exécuter des tests, des jeux de données, des versions de modèles\u002Fprompts et des métriques ; l'acceptation métier reste spécifique à la solution.",{"term":1104,"anchor":1105,"definition":1106},"Plan de contrôle","control-plane","La couche de configuration et de gouvernance qui gère les capacités de la plateforme, les identités, les politiques, les quotas, les versions et l'état de déploiement.",{"id":1108,"data":1109,"type":42},"h-sources",{"text":1110,"level":242},"Sources primaires et orientations architecturales actuelles",{"id":1112,"data":1113,"type":218},"p-sources-note",{"text":1114},"Les sources ci-dessous étayent les affirmations générales sur l'architecture et la plateforme de production. Les sections Aaasaasa AI Client, Aaasaasa AI CMS et Source of Truth Research Engine constituent explicitement des preuves de mise en œuvre originales. Les références externes à l'état actuel ont été vérifiées le 8 octobre 2026.",{"id":1116,"data":1117,"type":1028},"src-iso-42010",{"link":1118,"meta":1119},"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F74393.html",{"image":1120,"title":1121,"description":1122},{"url":1025},"ISO\u002FIEC\u002FIEEE 42010:2022 — Description de l'architecture","Norme internationale publiée actuelle pour les concepts et relations de description d'architecture.",{"id":1124,"data":1125,"type":1028},"src-nist-rmf",{"link":1126,"meta":1127},"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework",{"image":1128,"title":1129,"description":1130},{"url":1025},"Cadre de gestion des risques d'IA du NIST","Ressources et statut actuel de l'AI RMF du NIST ; l'AI RMF 1.0 est en cours de révision en octobre 2026.",{"id":1132,"data":1133,"type":1028},"src-nist-gai",{"link":1134,"meta":1135},"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence",{"image":1136,"title":1137,"description":1138},{"url":1025},"NIST AI 600-1 — Profil d'IA générative","Profil d'IA générative pour appliquer les considérations de gestion des risques d'IA tout au long du cycle de vie de l'IA.",{"id":1140,"data":1141,"type":1028},"src-ms-ai",{"link":1142,"meta":1143},"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fget-started",{"image":1144,"title":1145,"description":1146},{"url":1025},"Microsoft Azure Well-Architected — Charges de travail d'IA","Orientations architecturales actuelles couvrant l'application d'IA, les données, les opérations, l'évaluation, l'IA responsable et les préoccupations du cycle de vie.",{"id":1148,"data":1149,"type":1028},"src-ms-principles",{"link":1150,"meta":1151},"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fdesign-principles",{"image":1152,"title":1153,"description":1154},{"url":1025},"Microsoft — Principes de conception pour les charges de travail d'IA","Orientations actuelles sur la segmentation des identités, les frontières de sécurité, la télémétrie, les performances, les données et les compromis de plateforme.",{"id":1156,"data":1157,"type":1028},"src-ms-gateway",{"link":1158,"meta":1159},"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-foundry\u002Fconfiguration\u002Fenable-ai-api-management-gateway-portal?view=foundry",{"image":1160,"title":1161,"description":1162},{"url":1025},"Microsoft Foundry — Architecture de passerelle d'IA","Orientations actuelles sur la passerelle d'IA pour l'accès partagé aux projets, la maîtrise des jetons, les quotas et la gouvernance.",{"id":1164,"data":1165,"type":1028},"src-ms-gateway-guide",{"link":1166,"meta":1167},"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Farchitecture\u002Fai-ml\u002Fguide\u002Fazure-openai-gateway-guide",{"image":1168,"title":1169,"description":1170},{"url":1025},"Centre d'architecture Azure — Accéder aux modèles via une passerelle","Orientations architecturales pour l'accès centralisé aux modèles, le routage, la limitation, le basculement et les responsabilités client\u002Fplateforme.",{"id":1172,"data":1173,"type":1028},"src-aws-genai",{"link":1174,"meta":1175},"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002F",{"image":1176,"title":1177,"description":1178},{"url":1025},"AWS Well-Architected — Lens IA génératives","Conseils d'architecture de production actuels pour les charges de travail d'IA génératives couvrant la sécurité, la fiabilité, les opérations, les performances et les coûts.",{"id":1180,"data":1181,"type":1028},"src-aws-multitenant",{"link":1182,"meta":1183},"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002Fmulti-tenant-generative-ai-platform-scenario.html",{"image":1184,"title":1185,"description":1186},{"url":1025},"AWS — Scénario de plateforme d'IA générative multi-locataires","Exemple actuel séparant les contrôles de plateforme centrale et l'auditabilité de la qualité des données des applications consommatrices et des responsabilités propres à chaque charge de travail.",{"id":1188,"data":1189,"type":1028},"src-aws-agentic",{"link":1190,"meta":1191},"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fagentic-ai-lens\u002Fdesign-principles.html",{"image":1192,"title":1193,"description":1194},{"url":1025},"AWS Well-Architected — Principes de conception de l'IA agentique","Conseils actuels sur l'autorité limitée des agents, la traçabilité, le comportement versionné, les contrats explicites et la supervision humaine.",{"id":1196,"data":1197,"type":1028},"src-aws-observability",{"link":1198,"meta":1199},"https:\u002F\u002Fdocs.aws.amazon.com\u002FAmazonCloudWatch\u002Flatest\u002Fmonitoring\u002FGenAI-observability.html",{"image":1200,"title":1201,"description":1202},{"url":1025},"AWS CloudWatch — Observabilité de l'IA générative","Capacités d'observabilité actuelles et métriques de production pour les modèles, les agents, les bases de connaissances, les outils et l'analyse des coûts\u002Flatence\u002Ferreurs.","2.31","Un architecte de plateforme d'IA conçoit des fondations d'IA réutilisables à travers les modèles, les fournisseurs, la récupération, les agents, l'identité, la sécurité, l'évaluation, l'observabilité et les opérations.","\u002Fuploads\u002F2026\u002F10\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations-1791477229171-ou3zcc.webp","what-is-an-ai-platform-architect-models-data-runtime-security-and-operations-1791477229171-ou3zcc","PUBLISHED","2026-10-08T12:32:00.000Z","2026-10-08T16:32:14.856Z","2026-10-08T16:47:57.364Z",{"en":1212,"de":1213,"sr":1214,"es":1215,"fr":1216,"it":1217,"ru":1218,"zh":1219},"\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fde\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fsr\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fes\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Ffr\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fit\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fru\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fzh\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations",[1221,1225,1229],{"id":1222,"name":1223,"slug":1224},84,"Politique et limites des données","policy-and-data",{"id":1226,"name":1227,"slug":1228},57,"Limites des données","data-boundaries",{"id":1230,"name":1231,"slug":1232},80,"Accès et identité","access-and-identity",{"id":1234,"login":1235,"email":1236,"displayName":1237},"20","rooth8233","aleksandar@stajic.de","Aleksandar Stajić",[1239,2026],{"lang":1240,"title":1241,"content":1242,"contentJson":1243,"excerpt":2025},"en","What Is an AI Platform Architect? Models, Data, Runtime, Security and Operations","{\"time\":1791476955677,\"blocks\":[{\"id\":\"intro\",\"data\":{\"text\":\"An \u003Cstrong>AI Platform Architect\u003C\u002Fstrong> designs the reusable AI foundation through which multiple applications, teams, or tenant contexts access models, data and retrieval, agent and tool runtimes, identity and permissions, evaluation, observability, quotas, secrets, and deployment capabilities. The role is broader than infrastructure but narrower than owning every AI-enabled product: its central responsibility is deciding \u003Cstrong>what should be shared, how shared capabilities are governed and isolated, and what must remain solution-specific\u003C\u002Fstrong>.\"},\"type\":\"paragraph\"},{\"id\":\"direct\",\"data\":{\"body\":\"\u003Cstrong>An AI Platform Architect designs the shared technical and operational substrate for AI systems.\u003C\u002Fstrong> Instead of architecting one assistant or one workflow, the role defines reusable contracts and boundaries for model\u002Fprovider access, gateways and routing, retrieval services, agent runtimes, tool access, identity and tenant isolation, secrets, evaluation, telemetry, deployment and lifecycle management.\",\"title\":\"Direct answer\",\"variant\":\"info\"},\"type\":\"callout\"},{\"id\":\"term-note\",\"data\":{\"body\":\"\u003Cstrong>AI Platform Architect is a practical role label, not a universally standardized job title.\u003C\u002Fstrong> ISO\u002FIEC\u002FIEEE 42010:2022 defines concepts for architecture descriptions, not this role. Different organizations may split these responsibilities among platform architects, solution architects, enterprise architects, security architects, MLOps\u002FLLMOps specialists and platform engineering teams. This article uses the term for the architecture responsibility over a reusable AI platform layer.\",\"title\":\"Terminology note\",\"variant\":\"note\"},\"type\":\"callout\"},{\"id\":\"version-note\",\"data\":{\"body\":\"The stable architectural principles here are vendor-neutral. Current Microsoft, AWS and NIST guidance is used as external implementation and governance evidence. NIST states that AI RMF 1.0 is being revised; vendor platform features, gateway products, agent runtimes and model capabilities evolve faster than the architectural principles, so version-sensitive implementation choices must be rechecked before deployment.\",\"title\":\"Current-source note — 8 October 2026\",\"variant\":\"note\"},\"type\":\"callout\"},{\"id\":\"toc\",\"data\":{\"title\":\"Contents\",\"maxLevel\":3,\"minLevel\":2},\"type\":\"tableOfContents\"},{\"id\":\"h-meaning\",\"data\":{\"text\":\"What does an AI Platform Architect actually architect?\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-meaning-1\",\"data\":{\"text\":\"The object of the work is the \u003Cstrong>platform\u003C\u002Fstrong>: a set of shared capabilities that reduces repeated integration work while preserving explicit security, data and operational boundaries. A platform can expose model access, provider adapters, retrieval primitives, agent execution, tool brokers, policy enforcement, evaluation, telemetry and deployment services to many consuming solutions.\"},\"type\":\"paragraph\"},{\"id\":\"p-meaning-2\",\"data\":{\"text\":\"The platform is not valuable merely because components are centralized. It is valuable when consumers receive stable capabilities with clear contracts, ownership, isolation, observability and lifecycle rules. The key architectural question is therefore not “Which model should everyone use?” but \u003Cstrong>“Which responsibilities can be safely standardized and reused without erasing the requirements of each solution?”\u003C\u002Fstrong>.\"},\"type\":\"paragraph\"},{\"id\":\"solution-vs-platform\",\"data\":{\"rows\":[{\"id\":\"c1\",\"label\":\"Primary scope\",\"values\":{\"platform\":\"Reusable AI capabilities consumed by multiple solutions, teams or tenant contexts.\",\"solution\":\"One concrete AI-enabled product, workflow or application.\"}},{\"id\":\"c2\",\"label\":\"Main question\",\"values\":{\"platform\":\"Which shared capabilities and controls should solutions consume, and where must solution-specific ownership remain?\",\"solution\":\"How should this solution meet its business, data, security, quality and operational requirements?\"}},{\"id\":\"c3\",\"label\":\"Data authority\",\"values\":{\"platform\":\"Provides storage, retrieval, provenance or access primitives without automatically becoming the authority for every domain.\",\"solution\":\"Defines which domain data is authoritative and how the solution may use it.\"}},{\"id\":\"c4\",\"label\":\"Evaluation\",\"values\":{\"platform\":\"Provides reusable evaluation, telemetry and release mechanisms; it cannot define every domain's success threshold.\",\"solution\":\"Defines task-specific quality and acceptance criteria.\"}},{\"id\":\"c5\",\"label\":\"Lifecycle\",\"values\":{\"platform\":\"Owns shared capability versions, compatibility, onboarding, quotas, policy and operational contracts.\",\"solution\":\"Owns the lifecycle of the specific workload.\"}}],\"title\":\"Solution architecture and platform architecture solve different scope problems\",\"layout\":\"table\",\"columns\":[{\"id\":\"solution\",\"label\":\"AI Solution Architect\"},{\"id\":\"platform\",\"label\":\"AI Platform Architect\"}]},\"type\":\"comparison\"},{\"id\":\"h-simple\",\"data\":{\"text\":\"The simplest example\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-simple-1\",\"data\":{\"text\":\"Imagine an organization has five AI-enabled products: an internal document assistant, a customer-support copilot, a software-engineering agent, a contract review workflow and a product-search assistant. Each product could independently integrate model APIs, keep credentials, implement retries, collect token metrics, create retrieval code and build its own tool permissions.\"},\"type\":\"paragraph\"},{\"id\":\"p-simple-2\",\"data\":{\"text\":\"That duplication is expensive and dangerous when every team invents a different security and operational model. A shared platform can instead offer approved provider connections, model discovery, quotas, credentials, tenant-aware access, common telemetry, reusable retrieval services and an agent\u002Ftool runtime contract.\"},\"type\":\"paragraph\"},{\"id\":\"p-simple-3\",\"data\":{\"text\":\"But the platform must stop at the correct boundary. The contract-review solution may require legal-document authority and citation rules that the software agent does not. The product-search assistant may need commerce-specific freshness and authorization rules. \u003Cstrong>Reusable infrastructure does not make all domain truth reusable.\u003C\u002Fstrong>\"},\"type\":\"paragraph\"},{\"id\":\"simple-flow\",\"data\":{\"steps\":[{\"label\":\"1. Consumer identifies itself\",\"description\":\"The calling application, user, service, team or tenant enters through an authenticated identity and explicit scope.\"},{\"label\":\"2. Platform policy applies\",\"description\":\"Gateway and policy layers determine allowed providers, models, quotas, data paths, tools and execution modes.\"},{\"label\":\"3. Shared capability executes\",\"description\":\"The request may use inference, retrieval, agent runtime, tool access or another reusable platform service.\"},{\"label\":\"4. Solution-specific context remains authoritative\",\"description\":\"The consuming solution supplies domain rules, user intent, data authority, task-specific constraints and acceptance logic.\"},{\"label\":\"5. Telemetry and evidence are captured\",\"description\":\"The platform records identity, route, model\u002Fprovider, latency, cost, errors, tool activity and other permitted observability signals.\"},{\"label\":\"6. Result returns under the solution contract\",\"description\":\"The solution remains responsible for whether the output is acceptable for its user and domain.\"}],\"title\":\"A shared AI request path\",\"orientation\":\"auto\"},\"type\":\"processFlow\"},{\"id\":\"h-stops\",\"data\":{\"text\":\"Where the simple example stops\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-stops-1\",\"data\":{\"text\":\"Centralization is not automatically architecture. A single endpoint in front of several model APIs is useful, but it does not by itself create an AI platform. A production platform also needs identity boundaries, capability contracts, provider health and lifecycle handling, quotas, secret ownership, observability, compatibility rules, security controls, release discipline and clear operational responsibility.\"},\"type\":\"paragraph\"},{\"id\":\"p-stops-2\",\"data\":{\"text\":\"The opposite failure is also common: putting every prompt, vector index, business rule, agent and application workflow into one “AI backend.” That creates a monolith whose shared status is accidental rather than architectural. \u003Cstrong>A platform should standardize cross-cutting capabilities, not absorb domain ownership merely because AI is involved.\u003C\u002Fstrong>\"},\"type\":\"paragraph\"},{\"id\":\"h-boundary\",\"data\":{\"text\":\"The most important platform decision: shared versus solution-specific\",\"level\":2},\"type\":\"header\"},{\"id\":\"shared-boundary-table\",\"data\":{\"content\":[[\"Capability area\",\"Good candidate for shared platform ownership\",\"Usually remains solution-specific\"],[\"Model access\",\"Approved provider connections, adapters, credentials, health, routing primitives, quotas\",\"Task-specific model acceptance, prompt behavior, quality threshold\"],[\"Retrieval\",\"Ingestion primitives, extraction, indexing, search APIs, provenance contracts, authorization hooks\",\"Authoritative corpus, freshness rules, domain metadata, evidence sufficiency\"],[\"Agents and tools\",\"Runtime lifecycle, tool registry\u002Fbroker, permission enforcement, tracing, cancellation\",\"Business workflow, allowed action semantics, escalation policy, task success\"],[\"Security\",\"Identity integration, secret storage, policy enforcement, audit contracts, tenant isolation mechanisms\",\"Data classification, business authorization rules, domain-specific risk acceptance\"],[\"Evaluation\",\"Harness, dataset\u002Fversion mechanics, telemetry, experiment\u002Frelease workflow\",\"Ground truth, domain test set, acceptance threshold, user outcome\"],[\"Operations\",\"Deployment pattern, health, metrics, incident integration, capacity controls\",\"Solution SLOs where they differ, business continuity impact, workload-specific runbooks\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"boundary-principle\",\"data\":{\"body\":\"\u003Cstrong>Share mechanics and controls where reuse is real; keep authority and acceptance where the domain owns them.\u003C\u002Fstrong> This prevents two opposite errors: duplicated infrastructure everywhere, and a central platform that falsely becomes the owner of every application's data, policy and quality.\",\"title\":\"Platform principle\",\"variant\":\"success\"},\"type\":\"callout\"},{\"id\":\"h-responsibility-map\",\"data\":{\"text\":\"Architecture responsibility map\",\"level\":2},\"type\":\"header\"},{\"id\":\"h-provider\",\"data\":{\"text\":\"1. Model and provider access\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-provider-1\",\"data\":{\"text\":\"A platform architect defines how consumers discover and invoke models without forcing every application to hard-code one provider. This includes provider adapters, model identifiers, capability metadata, authentication, health checks, endpoint configuration, request normalization and compatibility behavior.\"},\"type\":\"paragraph\"},{\"id\":\"p-provider-2\",\"data\":{\"text\":\"Provider abstraction must remain honest. Different providers expose different context limits, tool semantics, structured-output behavior, multimodal capabilities, safety controls, caching, pricing and failure modes. A good abstraction creates a stable platform contract while preserving access to capabilities that cannot be meaningfully flattened.\"},\"type\":\"paragraph\"},{\"id\":\"provider-warning\",\"data\":{\"body\":\"A lowest-common-denominator API can make migration easier but can also erase capabilities that matter. The architecture should define which features are portable, which are provider-specific and how consumers discover that difference.\",\"title\":\"Do not confuse abstraction with pretending providers are identical\",\"variant\":\"warning\"},\"type\":\"callout\"},{\"id\":\"h-gateway\",\"data\":{\"text\":\"2. Gateway, routing, quotas and cost controls\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-gateway-1\",\"data\":{\"text\":\"A shared AI gateway can centralize authentication, routing, throttling, retries, token limits, usage attribution and policy enforcement. Microsoft’s current AI Gateway guidance explicitly treats token-per-minute limits, quotas and multi-project containment as platform concerns; AWS likewise exposes account and model quotas and centralized controls.\"},\"type\":\"paragraph\"},{\"id\":\"p-gateway-2\",\"data\":{\"text\":\"The gateway is therefore more than a reverse proxy when it carries AI-specific policy and operational semantics. But it should not silently make business decisions. A routing policy may prefer a healthy local model, a lower-cost provider or a regionally compliant endpoint; whether that route is acceptable for a particular task is still a contract between platform and solution.\"},\"type\":\"paragraph\"},{\"id\":\"p-gateway-3\",\"data\":{\"text\":\"Routing also needs failure semantics. If the preferred model is unavailable, the platform must know whether fallback is permitted, whether a cloud route requires explicit consent, whether a lower-capability model is valid and how the decision is surfaced to observability.\"},\"type\":\"paragraph\"},{\"id\":\"h-data\",\"data\":{\"text\":\"3. Shared data, retrieval and grounding services\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-data-1\",\"data\":{\"text\":\"Retrieval services are strong platform candidates because parsing, chunking, indexing, lexical search, semantic search, metadata filtering, provenance and citation mechanics are reusable. However, the platform must not confuse a shared retrieval engine with a shared source of truth.\"},\"type\":\"paragraph\"},{\"id\":\"p-data-2\",\"data\":{\"text\":\"A solution still owns questions such as: Which corpus is authoritative? Which version is valid? Can this user see this document? How fresh must the data be? What counts as sufficient evidence? Can an answer be generated when retrieval fails? Those are domain and solution requirements even when the platform supplies the retrieval machinery.\"},\"type\":\"paragraph\"},{\"id\":\"p-data-3\",\"data\":{\"text\":\"This boundary is especially important in multi-tenant systems. A technically shared index or vector service does not justify cross-tenant visibility. Authorization context must be preserved through retrieval, not added only after search results have already crossed the boundary.\"},\"type\":\"paragraph\"},{\"id\":\"h-agent-runtime\",\"data\":{\"text\":\"4. Agent and tool runtime\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-agent-1\",\"data\":{\"text\":\"Agentic systems add reusable runtime concerns: thread\u002Fsession lifecycle, planning loops, tool registration, tool invocation, cancellation, timeouts, human approvals, memory\u002Fstate interfaces, remote-agent protocols and trace correlation. A platform can provide these mechanics so each product does not rebuild them.\"},\"type\":\"paragraph\"},{\"id\":\"p-agent-2\",\"data\":{\"text\":\"The platform must also keep tool permission separate from model capability. A model being capable of generating a shell command does not mean the runtime should allow shell execution. The permission boundary belongs to the application\u002Fruntime architecture and must be enforceable independently of the model.\"},\"type\":\"paragraph\"},{\"id\":\"p-agent-3\",\"data\":{\"text\":\"Current AWS Agentic AI guidance emphasizes bounded agents, explicit authority, end-to-end tracing, versioned behavioral artifacts and human oversight proportionate to consequence. Those are platform-enabling concerns, but the consuming solution still defines what actions are legitimate for its domain.\"},\"type\":\"paragraph\"},{\"id\":\"h-identity\",\"data\":{\"text\":\"5. Identity, tenant isolation and authorization\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-identity-1\",\"data\":{\"text\":\"AI platforms often sit in front of high-value models, proprietary data and action-capable tools. Authentication is therefore only the beginning. The architecture must carry user, service, application and tenant context through every privileged operation that needs it.\"},\"type\":\"paragraph\"},{\"id\":\"p-identity-2\",\"data\":{\"text\":\"\u003Cstrong>RBAC and tenant isolation solve different problems.\u003C\u002Fstrong> RBAC answers what an identity may do; tenant isolation answers which tenant’s resources that identity may act on. A platform that checks roles but loses tenant context can still expose the wrong data.\"},\"type\":\"paragraph\"},{\"id\":\"p-identity-3\",\"data\":{\"text\":\"Microsoft’s current AI workload guidance explicitly recommends identity segmentation and authorization-aware access to content. AWS’s multi-tenant generative AI platform guidance similarly treats logical isolation, centralized controls and auditability as platform concerns.\"},\"type\":\"paragraph\"},{\"id\":\"h-secrets\",\"data\":{\"text\":\"6. Secrets, credentials and trust boundaries\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-secrets-1\",\"data\":{\"text\":\"A platform should define who owns provider keys, remote bearer tokens, signing material and tool credentials, where they are stored, which process can access them, how they are rotated and whether they can ever reach a browser or untrusted renderer.\"},\"type\":\"paragraph\"},{\"id\":\"p-secrets-2\",\"data\":{\"text\":\"This is an architectural boundary, not an implementation detail. If every consuming application copies provider credentials into its own configuration, the organization has duplicated both operational burden and blast radius. Centralization can reduce that risk only if the platform itself has narrower, auditable access paths.\"},\"type\":\"paragraph\"},{\"id\":\"h-eval\",\"data\":{\"text\":\"7. Evaluation, observability and auditability\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-eval-1\",\"data\":{\"text\":\"A reusable platform can provide evaluation harnesses, trace IDs, model\u002Fprovider metadata, token and cost metrics, latency, error rates, prompt\u002Fmodel version linkage, agent\u002Ftool traces and controlled logging. AWS and Microsoft both treat observability and evaluation as core production concerns for AI workloads.\"},\"type\":\"paragraph\"},{\"id\":\"p-eval-2\",\"data\":{\"text\":\"Platform evaluation and solution evaluation must remain separate. A platform can verify that an endpoint is healthy, a model version passes a general regression suite and traces are complete. It cannot decide that a legal answer, medical workflow or product recommendation is acceptable without domain-specific ground truth and acceptance criteria.\"},\"type\":\"paragraph\"},{\"id\":\"p-eval-3\",\"data\":{\"text\":\"Logging also creates a privacy boundary. Prompt and response logs may contain sensitive or proprietary data. The platform architect must therefore decide what is logged, redacted, sampled, retained and accessible rather than assuming that more telemetry is always safer.\"},\"type\":\"paragraph\"},{\"id\":\"h-runtime\",\"data\":{\"text\":\"8. Runtime, deployment and locality\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-runtime-1\",\"data\":{\"text\":\"A platform architect decides how shared AI capabilities are deployed and reached: managed cloud services, self-hosted endpoints, local inference, hybrid routing, containerized services, desktop runtimes, private networking or air-gapped environments. The important distinction is between \u003Cstrong>where the control\u002Fruntime process runs\u003C\u002Fstrong> and \u003Cstrong>where inference and data processing actually occur\u003C\u002Fstrong>.\"},\"type\":\"paragraph\"},{\"id\":\"p-runtime-2\",\"data\":{\"text\":\"A local client may still call a cloud model. A cloud control plane may route to an on-premises model. A remote agent may execute tools inside a customer network. Architectural diagrams must therefore show trust and data-flow boundaries rather than using “local” and “cloud” as vague labels.\"},\"type\":\"paragraph\"},{\"id\":\"h-lifecycle\",\"data\":{\"text\":\"9. Platform lifecycle, compatibility and onboarding\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-lifecycle-1\",\"data\":{\"text\":\"Reusable capability becomes a platform only when consumers can depend on it over time. That requires versioned contracts, migration rules, compatibility policy, deprecation, release testing, rollback, incident ownership, capacity planning, documentation and a path for onboarding new teams or applications.\"},\"type\":\"paragraph\"},{\"id\":\"p-lifecycle-2\",\"data\":{\"text\":\"Fast-moving AI ecosystems make this particularly important. Model names, SDKs, protocol versions, provider APIs and safety capabilities change independently. A platform must absorb some of that volatility without hiding changes that materially affect a solution’s behavior.\"},\"type\":\"paragraph\"},{\"id\":\"h-control-plane\",\"data\":{\"text\":\"A practical control-plane \u002F execution-plane \u002F solution-plane model\",\"level\":2},\"type\":\"header\"},{\"id\":\"model-note\",\"data\":{\"body\":\"The three-plane model below is a practical way to reason about responsibilities; it is not an ISO, NIST, Microsoft or AWS standard. Its purpose is to make ownership boundaries explicit.\",\"title\":\"Proposed architecture model\",\"variant\":\"note\"},\"type\":\"callout\"},{\"id\":\"planes-table\",\"data\":{\"content\":[[\"Plane\",\"Typical responsibilities\",\"Should not silently own\"],[\"Platform control plane\",\"Provider registry, model policy, quotas, tenant configuration, identities, secrets, routing rules, capability versions, deployment configuration\",\"Application business logic or domain truth\"],[\"Platform execution\u002Fdata plane\",\"Inference requests, retrieval operations, agent\u002Ftool execution, extraction, indexing, telemetry emission, policy enforcement\",\"Cross-tenant access merely because infrastructure is shared\"],[\"Solution plane\",\"User workflow, prompts\u002Finstructions, authoritative corpus selection, domain authorization, business rules, task evaluation and acceptance\",\"Low-level provider integration that the platform explicitly owns\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"p-control-plane-1\",\"data\":{\"text\":\"This separation helps diagnose platform drift. If an application must know every provider-specific credential and endpoint, the platform contract is too thin. If the platform decides which customer record is legally authoritative or whether a domain answer is acceptable, the platform has crossed into solution ownership.\"},\"type\":\"paragraph\"},{\"id\":\"h-artifacts\",\"data\":{\"text\":\"What should an AI Platform Architect produce?\",\"level\":2},\"type\":\"header\"},{\"id\":\"artifacts-table\",\"data\":{\"content\":[[\"Architecture artifact\",\"Purpose\"],[\"Platform capability map\",\"Defines what the platform provides, who consumes it and which capabilities remain outside scope.\"],[\"Provider\u002Fmodel contract\",\"Defines providers, models, capabilities, abstraction boundaries, route metadata and fallback semantics.\"],[\"Identity and tenancy model\",\"Defines user\u002Fservice\u002Fapplication identity, tenant context, RBAC\u002FABAC hooks and resource isolation.\"],[\"Gateway and quota policy\",\"Defines rate limits, token\u002Fcost budgets, routing controls, retries and capacity behavior.\"],[\"Retrieval\u002Fdata contract\",\"Defines ingestion, provenance, search, metadata, authorization propagation and where domain authority remains.\"],[\"Agent\u002Ftool contract\",\"Defines runtime lifecycle, tool registration, permissions, approvals, cancellation and trace behavior.\"],[\"Secret and trust-boundary model\",\"Defines credential ownership, storage, process boundaries, rotation and sensitive data paths.\"],[\"Evaluation and telemetry contract\",\"Defines common metrics, traces, datasets\u002Fversion links, logging policy and solution extension points.\"],[\"Lifecycle and compatibility policy\",\"Defines versions, migrations, deprecation, releases, rollback, incident ownership and onboarding.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"h-tradeoffs\",\"data\":{\"text\":\"The work is mostly trade-offs, not maximum centralization\",\"level\":2},\"type\":\"header\"},{\"id\":\"tradeoff-comparison\",\"data\":{\"rows\":[{\"id\":\"t1\",\"label\":\"Provider abstraction\",\"values\":{\"pressureA\":\"Stable portable platform API\",\"pressureB\":\"Access to provider-specific capabilities and fast innovation\"}},{\"id\":\"t2\",\"label\":\"Reuse\",\"values\":{\"pressureA\":\"Shared services reduce duplication\",\"pressureB\":\"Isolation and domain autonomy prevent unsafe coupling\"}},{\"id\":\"t3\",\"label\":\"Governance\",\"values\":{\"pressureA\":\"Central policy and auditability\",\"pressureB\":\"Team speed and local experimentation\"}},{\"id\":\"t4\",\"label\":\"Observability\",\"values\":{\"pressureA\":\"Rich traces for debugging and evaluation\",\"pressureB\":\"Privacy, data minimization and logging cost\"}},{\"id\":\"t5\",\"label\":\"Availability\",\"values\":{\"pressureA\":\"Fallback and multi-provider resilience\",\"pressureB\":\"Predictable quality, compliance and data-location guarantees\"}},{\"id\":\"t6\",\"label\":\"Platform scope\",\"values\":{\"pressureA\":\"More reusable capabilities\",\"pressureB\":\"Smaller blast radius and less platform lock-in\"}}],\"title\":\"Common platform trade-offs\",\"layout\":\"table\",\"columns\":[{\"id\":\"pressureA\",\"label\":\"Pressure A\"},{\"id\":\"pressureB\",\"label\":\"Pressure B\"}]},\"type\":\"comparison\"},{\"id\":\"h-adjacent\",\"data\":{\"text\":\"How is this different from adjacent roles?\",\"level\":2},\"type\":\"header\"},{\"id\":\"roles-table\",\"data\":{\"content\":[[\"Role\",\"Primary architectural scope\"],[\"AI Solution Architect\",\"A concrete AI-enabled solution and its end-to-end requirements, boundaries, trade-offs and production acceptance.\"],[\"AI Platform Architect\",\"Reusable AI capabilities and operational\u002Fsecurity contracts consumed across multiple solutions or teams.\"],[\"Enterprise Architect\",\"Organization-wide business\u002Ftechnology portfolio, capability and governance alignment at a broader level.\"],[\"MLOps \u002F LLMOps Architect or specialist\",\"Model and AI lifecycle, deployment, experiments, observability, release and operational practices; may overlap strongly but does not automatically own the whole shared application platform.\"],[\"Platform Engineer \u002F SRE\",\"Implements and operates platform infrastructure, reliability, automation and developer experience; architecture responsibility may be shared with the platform architect.\"],[\"AI \u002F Software Engineer\",\"Implements models, integrations, services, agents, retrieval and product functionality inside the agreed architecture.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"p-adjacent-1\",\"data\":{\"text\":\"These boundaries are organizational, not universal. In a small team one person may hold several responsibilities. In a regulated enterprise they may be split across architecture, security, platform, data and operations groups. The useful distinction is the \u003Cstrong>scope of architectural responsibility\u003C\u002Fstrong>, not the job title printed on an org chart.\"},\"type\":\"paragraph\"},{\"id\":\"h-evidence\",\"data\":{\"text\":\"Implementation evidence: how these platform boundaries appear in my own work\",\"level\":2},\"type\":\"header\"},{\"id\":\"evidence-note\",\"data\":{\"body\":\"The following sections describe concrete patterns from my own projects. They are evidence that these architectural boundaries have been implemented or explicitly designed in real code and project systems. They are \u003Cstrong>not\u003C\u002Fstrong> claims that the projects together already constitute a commercially deployed enterprise AI platform.\",\"title\":\"Original implementation evidence\",\"variant\":\"note\"},\"type\":\"callout\"},{\"id\":\"h-ai-client\",\"data\":{\"text\":\"Aaasaasa AI Client: provider, runtime and permission separation\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-ai-client-1\",\"data\":{\"text\":\"Aaasaasa AI Client is a local-first desktop AI workspace built with Nuxt 4, Electron and TypeScript. Its AI Hub deliberately separates \u003Cstrong>agent\u002Fclient, provider, model, connection\u002Fruntime location, permissions and web client\u003C\u002Fstrong> instead of treating them as one configuration value.\"},\"type\":\"paragraph\"},{\"id\":\"p-ai-client-2\",\"data\":{\"text\":\"The implementation includes direct provider adapters, Codex agent runtime integration, local Ollama\u002FLM Studio paths, OpenAI-compatible services, centralized workspace permissions, main-process credential storage, DuckDB, Qdrant\u002Fvector support, PDF\u002Freadability extraction and authenticated MCP-based directory access.\"},\"type\":\"paragraph\"},{\"id\":\"p-ai-client-3\",\"data\":{\"text\":\"Two platform lessons are especially relevant. First, a local runtime is not the same as local inference: a local Codex process can still use a cloud model. Second, automatic routing does not silently fall back from local to paid cloud inference. That makes routing policy and runtime locality explicit rather than inferred from UI labels.\"},\"type\":\"paragraph\"},{\"id\":\"ai-client-evidence-table\",\"data\":{\"content\":[[\"Implemented boundary\",\"Platform-architecture meaning\"],[\"Agent vs provider vs model\",\"Different responsibilities can evolve independently instead of being hidden behind one “AI” selector.\"],[\"Permissions separate from model\",\"Filesystem\u002Ftool authority belongs to the runtime policy, not model capability.\"],[\"Main-process secrets\",\"Credential ownership follows the privileged process boundary rather than the renderer\u002FUI.\"],[\"Provider health and model discovery\",\"Routing and availability are runtime\u002Fplatform concerns.\"],[\"No silent cloud fallback\",\"Cost, locality and data-transfer semantics remain explicit policy decisions.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"h-cms\",\"data\":{\"text\":\"Aaasaasa AI CMS: tenant-scoped authorization as a platform boundary\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-cms-1\",\"data\":{\"text\":\"The Aaasaasa AI CMS codebase provides a separate implementation example: tenant-scoped RBAC is represented through roles, permissions and user-role assignments bound to a tenant identifier. System permissions are grouped by capability, and role lookup and updates remain tenant-scoped.\"},\"type\":\"paragraph\"},{\"id\":\"p-cms-2\",\"data\":{\"text\":\"This is not itself proof of a complete AI platform, but it is directly relevant to one of the hardest shared-platform boundaries: a reusable service must preserve \u003Cstrong>who may do what\u003C\u002Fstrong> and \u003Cstrong>for which tenant\u003C\u002Fstrong>. Adding AI inference or retrieval on top of an application platform does not remove that requirement.\"},\"type\":\"paragraph\"},{\"id\":\"p-cms-3\",\"data\":{\"text\":\"The architectural implication is that model gateways, retrieval services and agents should consume established identity\u002Ftenant context rather than inventing a parallel AI-only authorization universe.\"},\"type\":\"paragraph\"},{\"id\":\"h-sot\",\"data\":{\"text\":\"Source of Truth Research Engine: shared retrieval mechanics without shared truth\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-sot-1\",\"data\":{\"text\":\"The Source of Truth Research Engine provides a third implementation example. Different research modes share a common evidence core: Sources, Artifacts, provenance, Claims, Relations, Contradictions, a Reference Model and audit trail. The system also provides local lexical retrieval, optional semantic retrieval, extraction, snapshots and SHA-256-based provenance.\"},\"type\":\"paragraph\"},{\"id\":\"p-sot-2\",\"data\":{\"text\":\"The project explicitly treats search and semantic similarity as discovery signals rather than evidence. A result must be traced back to a concrete source and locator before it can support a claim. This is precisely the distinction an AI platform needs: \u003Cstrong>reusable retrieval machinery can be shared while evidence authority remains governed by the consuming methodology and domain.\u003C\u002Fstrong>\"},\"type\":\"paragraph\"},{\"id\":\"p-sot-3\",\"data\":{\"text\":\"The engine also demonstrates why one shared platform does not require one shared interpretation. Historical, scientific\u002Ftechnical, market-intelligence and monitoring modes can reuse core evidence infrastructure while retaining mode-specific methodology.\"},\"type\":\"paragraph\"},{\"id\":\"evidence-synthesis\",\"data\":{\"body\":\"Across these projects, the reusable pattern is not “one backend for everything.” It is \u003Cstrong>separation of concerns plus explicit contracts\u003C\u002Fstrong>: provider\u002Fmodel\u002Fruntime separation, tenant-aware authorization, credential boundaries, reusable data\u002Fretrieval primitives, provenance, and domain-specific authority. A future integrated platform would need stable contracts between those capabilities rather than direct coupling between codebases.\",\"title\":\"What these implementations demonstrate together\",\"variant\":\"success\"},\"type\":\"callout\"},{\"id\":\"h-frameworks\",\"data\":{\"text\":\"How current architecture guidance supports this platform scope\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-frameworks-1\",\"data\":{\"text\":\"ISO\u002FIEC\u002FIEEE 42010:2022 provides a general discipline for architecture descriptions across software, systems, enterprises and related entities. It does not define an AI Platform Architect, but it reinforces the need to express architectural concerns, relationships and viewpoints rather than reducing architecture to a technology list.\"},\"type\":\"paragraph\"},{\"id\":\"p-frameworks-2\",\"data\":{\"text\":\"NIST AI RMF 1.0 and the Generative AI Profile frame AI risk management across the lifecycle rather than only at model selection time. Governance, mapping, measurement and management are therefore compatible with a platform architecture that carries shared controls and evidence across many consuming workloads.\"},\"type\":\"paragraph\"},{\"id\":\"p-frameworks-3\",\"data\":{\"text\":\"Microsoft’s current AI workload guidance treats application design, data, security, operations, testing\u002Fevaluation and GenAIOps as connected architectural areas. Its current AI Gateway guidance also shows practical platform concerns such as centralized model access, project-specific token limits, quotas and multi-team containment.\"},\"type\":\"paragraph\"},{\"id\":\"p-frameworks-4\",\"data\":{\"text\":\"AWS’s current Generative AI Lens and multi-tenant platform scenario similarly separate foundational platform controls from consuming-application ownership. AWS explicitly notes that a central platform can enforce shared guardrails and auditability while data quality and workload-specific observability still remain responsibilities of consuming applications or data producers.\"},\"type\":\"paragraph\"},{\"id\":\"p-frameworks-5\",\"data\":{\"text\":\"The vendor products differ, but the cross-source pattern is stable: production AI platforms must coordinate identity, data access, models, policy, evaluation, observability, capacity, cost and lifecycle. A GPU cluster or model endpoint covers only part of that responsibility.\"},\"type\":\"paragraph\"},{\"id\":\"h-misconceptions\",\"data\":{\"text\":\"Common misconceptions\",\"level\":2},\"type\":\"header\"},{\"id\":\"misconceptions-table\",\"data\":{\"content\":[[\"Misconception\",\"Why it is wrong\"],[\"“An AI platform is the GPU cluster.”\",\"Compute is one substrate. A platform also needs contracts for identity, model access, data, policy, evaluation, observability and lifecycle.\"],[\"“An AI gateway is just a reverse proxy.”\",\"It may also carry model routing, token quotas, cost attribution, policy enforcement, identity and AI-specific telemetry.\"],[\"“Shared means globally shared.”\",\"A service may be physically shared while logically segmented by tenant, application, region, classification or risk level.\"],[\"“One central vector database becomes the company truth.”\",\"A vector store or retrieval service is infrastructure. Domain authority, freshness, provenance and access remain separate concerns.\"],[\"“Platform evaluation replaces solution evaluation.”\",\"General regression and telemetry cannot define whether a domain-specific answer or action is acceptable.\"],[\"“Provider abstraction should hide every difference.”\",\"Some differences are material capabilities, security semantics or failure modes and must remain visible.\"],[\"“RBAC solves multi-tenancy.”\",\"RBAC controls actions; tenant isolation controls resource boundaries. Both can be required.\"],[\"“AI Platform Architect is just another name for MLOps.”\",\"MLOps\u002FLLMOps is a major overlapping discipline, but shared application\u002Fruntime, identity, gateway, retrieval and tool boundaries can extend beyond model lifecycle operations.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"h-failure\",\"data\":{\"text\":\"Failure modes an AI Platform Architect should prevent\",\"level\":2},\"type\":\"header\"},{\"id\":\"failures-table\",\"data\":{\"content\":[[\"Failure mode\",\"Architectural consequence\"],[\"Every team stores its own provider keys\",\"Duplicated secret handling, inconsistent rotation and larger blast radius.\"],[\"Provider abstraction hides required capabilities\",\"Consumers cannot use features they need or silently receive behavior different from assumptions.\"],[\"Shared retrieval ignores tenant\u002Fuser context\",\"Cross-boundary data leakage can occur before the application gets a chance to filter results.\"],[\"Fallback silently changes provider or locality\",\"Cost, compliance, data location and output quality can change without the caller knowing.\"],[\"Agent tools are granted by model choice\",\"A capable model becomes over-privileged because runtime authority is not independently enforced.\"],[\"All prompts\u002Fresponses are logged by default\",\"Observability can create a new sensitive-data repository and compliance problem.\"],[\"Platform owns one generic quality score\",\"Domain failures remain hidden behind platform health metrics.\"],[\"No version contract for platform capabilities\",\"Model\u002Fprovider\u002Fruntime changes break consumers unpredictably.\"],[\"Everything AI-related is centralized\",\"The platform becomes a bottleneck and monolith instead of a reusable capability layer.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"h-decision\",\"data\":{\"text\":\"A practical platform-architecture decision sequence\",\"level\":2},\"type\":\"header\"},{\"id\":\"decision-flow\",\"data\":{\"steps\":[{\"label\":\"1. Identify real consumers\",\"description\":\"List solutions, teams, tenants and workloads that would consume the platform; avoid building a platform for hypothetical reuse.\"},{\"label\":\"2. Define the shared boundary\",\"description\":\"Separate cross-cutting mechanics from solution-specific domain authority, workflow and acceptance.\"},{\"label\":\"3. Define identity and isolation first\",\"description\":\"Establish users, services, applications, tenants, regions and data classifications before sharing retrieval or tool capabilities.\"},{\"label\":\"4. Define capability contracts\",\"description\":\"Specify model\u002Fprovider, retrieval, agent\u002Ftool, gateway and telemetry APIs with explicit ownership and versioning.\"},{\"label\":\"5. Decide provider and runtime strategy\",\"description\":\"Choose managed, self-hosted, local or hybrid execution and document fallback, locality and capability semantics.\"},{\"label\":\"6. Design data and retrieval boundaries\",\"description\":\"Define provenance, authorization propagation, corpus ownership, indexing and evidence responsibilities.\"},{\"label\":\"7. Add quotas, secrets and policy\",\"description\":\"Control cost, capacity, credentials, tool permissions, safety controls and blast radius.\"},{\"label\":\"8. Build evaluation and observability contracts\",\"description\":\"Provide platform metrics and tracing while leaving domain ground truth and acceptance to the solution.\"},{\"label\":\"9. Define lifecycle and operations\",\"description\":\"Version capabilities, test upgrades, document deprecation, rollback, incidents, capacity and consumer onboarding.\"},{\"label\":\"10. Validate with more than one consumer\",\"description\":\"A platform claim becomes credible when the shared capability actually serves distinct workloads without forcing them into the same domain model.\"}],\"title\":\"From platform need to operable shared capability\",\"orientation\":\"auto\"},\"type\":\"processFlow\"},{\"id\":\"h-edge\",\"data\":{\"text\":\"Edge cases and limits of the role\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-edge-1\",\"data\":{\"text\":\"A small organization with one AI application may not need a distinct AI platform or platform architect. Premature platforming can create more abstraction than value. The correct architecture may be one well-designed solution with a few reusable modules.\"},\"type\":\"paragraph\"},{\"id\":\"p-edge-2\",\"data\":{\"text\":\"An air-gapped or sovereign deployment changes the provider, update and observability model substantially. Model hosting, artifact distribution, identity integration and telemetry export may all need local equivalents.\"},\"type\":\"paragraph\"},{\"id\":\"p-edge-3\",\"data\":{\"text\":\"Highly regulated or high-consequence workloads may require stronger physical or organizational isolation instead of a logically shared platform. Reuse is never a sufficient reason to weaken a required security boundary.\"},\"type\":\"paragraph\"},{\"id\":\"p-edge-4\",\"data\":{\"text\":\"Managed cloud AI services can remove implementation burden but do not remove architectural accountability. The organization still decides identity, data access, logging, retention, quotas, model eligibility, fallback, evaluation and solution acceptance.\"},\"type\":\"paragraph\"},{\"id\":\"p-edge-5\",\"data\":{\"text\":\"The platform boundary may also differ by modality. Text inference, multimodal generation, speech, computer use and autonomous agents can have different latency, data, permission and observability requirements even when they share provider and identity infrastructure.\"},\"type\":\"paragraph\"},{\"id\":\"h-change\",\"data\":{\"text\":\"What would change this answer?\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-change-1\",\"data\":{\"text\":\"The core definition would change if the organizational scope changes. If the architect owns one workload, the role becomes closer to AI Solution Architect. If the responsibility expands to organization-wide capability strategy, investment, standards and target-state portfolios, it moves toward Enterprise AI Architecture.\"},\"type\":\"paragraph\"},{\"id\":\"p-change-2\",\"data\":{\"text\":\"Implementation guidance changes whenever providers, gateway products, agent protocols, regulatory obligations, model capabilities or deployment constraints change. That is why platform architecture should express stable responsibilities and contracts separately from current vendor mechanisms.\"},\"type\":\"paragraph\"},{\"id\":\"h-checklist\",\"data\":{\"text\":\"AI Platform Architect checklist\",\"level\":2},\"type\":\"header\"},{\"id\":\"checklist-table\",\"data\":{\"content\":[[\"Question\",\"Expected answer\"],[\"Who are the actual platform consumers?\",\"Named solutions, teams or tenant contexts with distinct but overlapping needs.\"],[\"What is genuinely shared?\",\"Explicit capability list, not a vague “AI backend.”\"],[\"What must remain solution-specific?\",\"Domain authority, business workflow, task acceptance and other workload-owned concerns.\"],[\"How are models\u002Fproviders represented?\",\"Versioned provider\u002Fmodel contracts with capabilities and explicit fallback semantics.\"],[\"How is identity propagated?\",\"User\u002Fservice\u002Fapplication\u002Ftenant context survives every privileged request path.\"],[\"How is tenant isolation enforced?\",\"Resource scoping is separate from role permission checks.\"],[\"How are secrets handled?\",\"Privileged storage, rotation, limited exposure and auditable ownership.\"],[\"How does retrieval preserve authority?\",\"Shared mechanics with authorization, provenance and domain-owned evidence rules.\"],[\"How are tools and agents constrained?\",\"Runtime permissions, bounded tool contracts, approvals, cancellation and traceability.\"],[\"How are cost and capacity controlled?\",\"Quotas, token\u002Frate controls, usage attribution and overload behavior.\"],[\"How is quality measured?\",\"Platform regression\u002Fevaluation plus solution-specific ground truth and acceptance.\"],[\"How are changes rolled out?\",\"Versioning, compatibility, migration, deprecation, rollback and incident ownership.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"h-conclusion\",\"data\":{\"text\":\"Conclusion\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-conclusion-1\",\"data\":{\"text\":\"An AI Platform Architect is responsible for the reusable architecture \u003Cstrong>between AI capabilities and the solutions that consume them\u003C\u002Fstrong>. The role defines how models, providers, retrieval, agents, tools, identity, tenants, secrets, evaluation, observability, quotas and runtime operations become dependable platform services rather than repeated one-off integrations.\"},\"type\":\"paragraph\"},{\"id\":\"p-conclusion-2\",\"data\":{\"text\":\"The difficult part is not maximizing reuse. It is choosing the correct boundary. A strong platform standardizes mechanics, policy and operations where multiple consumers genuinely benefit, while preserving solution-specific data authority, business logic, security requirements and acceptance criteria.\"},\"type\":\"paragraph\"},{\"id\":\"p-conclusion-3\",\"data\":{\"text\":\"That distinction also explains the relationship with AI Solution Architecture: \u003Cstrong>the solution architect makes one AI-enabled system fit its purpose; the platform architect makes shared AI capabilities safe, reusable, operable and evolvable across many such systems.\u003C\u002Fstrong>\"},\"type\":\"paragraph\"},{\"id\":\"h-related\",\"data\":{\"text\":\"Related canonical knowledge\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-related-1\",\"data\":{\"text\":\"This article sits after the canonical foundations on generative AI components, ADR versus NFR, and AI Solution Architecture. Those concepts are prerequisites because a platform exists to provide reusable system capabilities and to encode architectural decisions against explicit quality and operational requirements.\"},\"type\":\"paragraph\"},{\"id\":\"p-related-2\",\"data\":{\"text\":\"Retrieval-Augmented Generation is one example of a capability that may be offered through a platform, but the platform should not collapse retrieval infrastructure, domain knowledge and answer validity into one concept.\"},\"type\":\"paragraph\"},{\"id\":\"related-rag\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"What Is RAG? The Simplest Explanation of How It Works\",\"description\":\"Canonical introduction to retrieval-augmented generation and the boundary between model generation and external knowledge retrieval.\"}},\"type\":\"linkTool\"},{\"id\":\"p-related-3\",\"data\":{\"text\":\"Agent protocols, tenant isolation, AI governance, model routing, Context Engineering and MLOps\u002FLLMOps are downstream or adjacent knowledge nodes. They become easier to reason about once the platform boundary is explicit.\"},\"type\":\"paragraph\"},{\"id\":\"h-faq\",\"data\":{\"text\":\"Frequently asked questions\",\"level\":2},\"type\":\"header\"},{\"id\":\"faq\",\"data\":{\"items\":[{\"id\":\"faq-1\",\"answer\":\"No. The solution architect focuses on one concrete AI-enabled solution. The platform architect focuses on reusable AI capabilities, controls and operational contracts that can support multiple solutions.\",\"question\":\"Is an AI Platform Architect the same as an AI Solution Architect?\"},{\"id\":\"faq-2\",\"answer\":\"No. A platform can use managed cloud models, self-hosted models, local inference or a hybrid strategy. The architecture must make provider, locality, identity, routing, data and operational consequences explicit.\",\"question\":\"Does an AI platform need to host its own models?\"},{\"id\":\"faq-3\",\"answer\":\"Usually not. A gateway can be an important platform component, but a complete platform also needs contracts for identity, secrets, data\u002Fretrieval, evaluation, observability, lifecycle and operational ownership.\",\"question\":\"Is an AI gateway enough to be an AI platform?\"},{\"id\":\"faq-4\",\"answer\":\"Retrieval mechanics can often be shared, but domain authority, authorization, freshness, evidence sufficiency and corpus ownership should remain explicit. Shared infrastructure does not imply shared truth.\",\"question\":\"Should retrieval be centralized?\"},{\"id\":\"faq-5\",\"answer\":\"No. Platform evaluation can test shared capabilities and regressions. Each solution still needs task-specific ground truth, acceptance criteria and domain quality thresholds.\",\"question\":\"Does platform evaluation replace application evaluation?\"},{\"id\":\"faq-6\",\"answer\":\"No. RBAC determines what an identity may do. Tenant isolation determines which tenant's resources the identity may act on. A platform often needs both.\",\"question\":\"Is multi-tenancy just RBAC?\"}],\"title\":\"AI Platform Architect FAQ\"},\"type\":\"faq\"},{\"id\":\"h-glossary\",\"data\":{\"text\":\"Glossary\",\"level\":2},\"type\":\"header\"},{\"id\":\"glossary\",\"data\":{\"title\":\"Key AI platform architecture terms\",\"entries\":[{\"term\":\"AI platform\",\"anchor\":\"ai-platform\",\"definition\":\"A reusable set of AI-related technical and operational capabilities consumed by multiple applications, teams or tenant contexts.\"},{\"term\":\"AI gateway\",\"anchor\":\"ai-gateway\",\"definition\":\"A gateway layer for AI endpoints that may add authentication, routing, quotas, policy, retries, cost attribution and AI-specific telemetry beyond basic proxying.\"},{\"term\":\"Provider adapter\",\"anchor\":\"provider-adapter\",\"definition\":\"A component that maps a platform contract to a model provider's API, capabilities, health and failure semantics.\"},{\"term\":\"Tenant isolation\",\"anchor\":\"tenant-isolation\",\"definition\":\"The boundary that prevents one tenant context from accessing another tenant's resources, independent of role permissions.\"},{\"term\":\"Capability contract\",\"anchor\":\"capability-contract\",\"definition\":\"A versioned interface and behavioral agreement describing what a shared platform service provides and what the consumer must supply or own.\"},{\"term\":\"Grounding \u002F retrieval service\",\"anchor\":\"grounding-service\",\"definition\":\"Shared mechanics for finding and supplying external information to an AI workload; it does not automatically define which information is authoritative for a domain.\"},{\"term\":\"Evaluation harness\",\"anchor\":\"evaluation-harness\",\"definition\":\"Reusable infrastructure for running tests, datasets, model\u002Fprompt versions and metrics; domain acceptance remains solution-specific.\"},{\"term\":\"Control plane\",\"anchor\":\"control-plane\",\"definition\":\"The configuration and governance layer that manages platform capabilities, identities, policies, quotas, versions and deployment state.\"}]},\"type\":\"glossary\"},{\"id\":\"h-sources\",\"data\":{\"text\":\"Primary sources and current architecture guidance\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-sources-note\",\"data\":{\"text\":\"The sources below support the general architecture and production-platform claims. The Aaasaasa AI Client, Aaasaasa AI CMS and Source of Truth Research Engine sections are explicitly original implementation evidence. Current-state external references were checked on 8 October 2026.\"},\"type\":\"paragraph\"},{\"id\":\"src-iso-42010\",\"data\":{\"link\":\"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F74393.html\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"ISO\u002FIEC\u002FIEEE 42010:2022 — Architecture Description\",\"description\":\"Current published international standard for architecture-description concepts and relationships.\"}},\"type\":\"linkTool\"},{\"id\":\"src-nist-rmf\",\"data\":{\"link\":\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST AI Risk Management Framework\",\"description\":\"NIST's AI RMF resources and current status; AI RMF 1.0 is under revision as of October 2026.\"}},\"type\":\"linkTool\"},{\"id\":\"src-nist-gai\",\"data\":{\"link\":\"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST AI 600-1 — Generative AI Profile\",\"description\":\"Generative AI profile for applying AI risk-management considerations across the AI lifecycle.\"}},\"type\":\"linkTool\"},{\"id\":\"src-ms-ai\",\"data\":{\"link\":\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fget-started\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Microsoft Azure Well-Architected — AI Workloads\",\"description\":\"Current architectural guidance covering AI application, data, operations, evaluation, responsible AI and lifecycle concerns.\"}},\"type\":\"linkTool\"},{\"id\":\"src-ms-principles\",\"data\":{\"link\":\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fdesign-principles\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Microsoft — Design Principles for AI Workloads\",\"description\":\"Current guidance on identity segmentation, security boundaries, telemetry, performance, data and platform trade-offs.\"}},\"type\":\"linkTool\"},{\"id\":\"src-ms-gateway\",\"data\":{\"link\":\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-foundry\u002Fconfiguration\u002Fenable-ai-api-management-gateway-portal?view=foundry\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Microsoft Foundry — AI Gateway Architecture\",\"description\":\"Current AI Gateway guidance for shared project access, token containment, quotas and governance.\"}},\"type\":\"linkTool\"},{\"id\":\"src-ms-gateway-guide\",\"data\":{\"link\":\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Farchitecture\u002Fai-ml\u002Fguide\u002Fazure-openai-gateway-guide\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Azure Architecture Center — Access Models Through a Gateway\",\"description\":\"Architecture guidance for centralized model access, routing, throttling, failover and client\u002Fplatform responsibilities.\"}},\"type\":\"linkTool\"},{\"id\":\"src-aws-genai\",\"data\":{\"link\":\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"AWS Well-Architected — Generative AI Lens\",\"description\":\"Current production architecture guidance for generative AI workloads across security, reliability, operations, performance and cost.\"}},\"type\":\"linkTool\"},{\"id\":\"src-aws-multitenant\",\"data\":{\"link\":\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002Fmulti-tenant-generative-ai-platform-scenario.html\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"AWS — Multi-tenant Generative AI Platform Scenario\",\"description\":\"Current example separating central platform controls and auditability from consuming-application data quality and workload-specific responsibilities.\"}},\"type\":\"linkTool\"},{\"id\":\"src-aws-agentic\",\"data\":{\"link\":\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fagentic-ai-lens\u002Fdesign-principles.html\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"AWS Well-Architected — Agentic AI Design Principles\",\"description\":\"Current guidance on bounded agent authority, traceability, versioned behavior, explicit contracts and human oversight.\"}},\"type\":\"linkTool\"},{\"id\":\"src-aws-observability\",\"data\":{\"link\":\"https:\u002F\u002Fdocs.aws.amazon.com\u002FAmazonCloudWatch\u002Flatest\u002Fmonitoring\u002FGenAI-observability.html\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"AWS CloudWatch — Generative AI Observability\",\"description\":\"Current observability capabilities and production metrics for models, agents, knowledge bases, tools and cost\u002Flatency\u002Ferror analysis.\"}},\"type\":\"linkTool\"}],\"version\":\"2.31.0\"}",{"time":1244,"blocks":1245,"version":2024},1791476955677,[1246,1249,1253,1257,1261,1264,1267,1270,1273,1297,1300,1303,1306,1309,1331,1334,1337,1340,1343,1373,1377,1380,1383,1386,1389,1393,1396,1399,1402,1405,1408,1411,1414,1417,1420,1423,1426,1429,1432,1435,1438,1441,1444,1447,1450,1453,1456,1459,1462,1465,1468,1471,1474,1477,1480,1483,1487,1506,1509,1512,1545,1548,1575,1578,1600,1603,1606,1610,1613,1616,1619,1622,1643,1646,1649,1652,1655,1658,1661,1664,1667,1671,1674,1677,1680,1683,1686,1689,1692,1722,1725,1758,1761,1795,1798,1801,1804,1807,1810,1813,1816,1819,1822,1825,1866,1868,1871,1874,1877,1880,1883,1886,1893,1896,1899,1921,1924,1952,1955,1958,1964,1970,1976,1982,1988,1994,2000,2006,2012,2018],{"id":215,"data":1247,"type":218},{"text":1248},"An \u003Cstrong>AI Platform Architect\u003C\u002Fstrong> designs the reusable AI foundation through which multiple applications, teams, or tenant contexts access models, data and retrieval, agent and tool runtimes, identity and permissions, evaluation, observability, quotas, secrets, and deployment capabilities. The role is broader than infrastructure but narrower than owning every AI-enabled product: its central responsibility is deciding \u003Cstrong>what should be shared, how shared capabilities are governed and isolated, and what must remain solution-specific\u003C\u002Fstrong>.",{"id":220,"data":1250,"type":225},{"body":1251,"title":1252,"variant":224},"\u003Cstrong>An AI Platform Architect designs the shared technical and operational substrate for AI systems.\u003C\u002Fstrong> Instead of architecting one assistant or one workflow, the role defines reusable contracts and boundaries for model\u002Fprovider access, gateways and routing, retrieval services, agent runtimes, tool access, identity and tenant isolation, secrets, evaluation, telemetry, deployment and lifecycle management.","Direct answer",{"id":227,"data":1254,"type":225},{"body":1255,"title":1256,"variant":231},"\u003Cstrong>AI Platform Architect is a practical role label, not a universally standardized job title.\u003C\u002Fstrong> ISO\u002FIEC\u002FIEEE 42010:2022 defines concepts for architecture descriptions, not this role. Different organizations may split these responsibilities among platform architects, solution architects, enterprise architects, security architects, MLOps\u002FLLMOps specialists and platform engineering teams. This article uses the term for the architecture responsibility over a reusable AI platform layer.","Terminology note",{"id":233,"data":1258,"type":225},{"body":1259,"title":1260,"variant":231},"The stable architectural principles here are vendor-neutral. Current Microsoft, AWS and NIST guidance is used as external implementation and governance evidence. NIST states that AI RMF 1.0 is being revised; vendor platform features, gateway products, agent runtimes and model capabilities evolve faster than the architectural principles, so version-sensitive implementation choices must be rechecked before deployment.","Current-source note — 8 October 2026",{"id":238,"data":1262,"type":243},{"title":1263,"maxLevel":241,"minLevel":242},"Contents",{"id":245,"data":1265,"type":42},{"text":1266,"level":242},"What does an AI Platform Architect actually architect?",{"id":249,"data":1268,"type":218},{"text":1269},"The object of the work is the \u003Cstrong>platform\u003C\u002Fstrong>: a set of shared capabilities that reduces repeated integration work while preserving explicit security, data and operational boundaries. A platform can expose model access, provider adapters, retrieval primitives, agent execution, tool brokers, policy enforcement, evaluation, telemetry and deployment services to many consuming solutions.",{"id":253,"data":1271,"type":218},{"text":1272},"The platform is not valuable merely because components are centralized. It is valuable when consumers receive stable capabilities with clear contracts, ownership, isolation, observability and lifecycle rules. The key architectural question is therefore not “Which model should everyone use?” but \u003Cstrong>“Which responsibilities can be safely standardized and reused without erasing the requirements of each solution?”\u003C\u002Fstrong>.",{"id":257,"data":1274,"type":299},{"rows":1275,"title":1291,"layout":291,"columns":1292},[1276,1279,1282,1285,1288],{"id":261,"label":1277,"values":1278},"Primary scope",{"platform":264,"solution":265},{"id":267,"label":1280,"values":1281},"Main question",{"platform":270,"solution":271},{"id":273,"label":1283,"values":1284},"Data authority",{"platform":276,"solution":277},{"id":279,"label":1286,"values":1287},"Evaluation",{"platform":282,"solution":283},{"id":285,"label":1289,"values":1290},"Lifecycle",{"platform":288,"solution":289},"Solution architecture and platform architecture solve different scope problems",[1293,1295],{"id":294,"label":1294},"AI Solution Architect",{"id":297,"label":1296},"AI Platform Architect",{"id":301,"data":1298,"type":42},{"text":1299,"level":242},"The simplest example",{"id":305,"data":1301,"type":218},{"text":1302},"Imagine an organization has five AI-enabled products: an internal document assistant, a customer-support copilot, a software-engineering agent, a contract review workflow and a product-search assistant. Each product could independently integrate model APIs, keep credentials, implement retries, collect token metrics, create retrieval code and build its own tool permissions.",{"id":309,"data":1304,"type":218},{"text":1305},"That duplication is expensive and dangerous when every team invents a different security and operational model. A shared platform can instead offer approved provider connections, model discovery, quotas, credentials, tenant-aware access, common telemetry, reusable retrieval services and an agent\u002Ftool runtime contract.",{"id":313,"data":1307,"type":218},{"text":1308},"But the platform must stop at the correct boundary. The contract-review solution may require legal-document authority and citation rules that the software agent does not. The product-search assistant may need commerce-specific freshness and authorization rules. \u003Cstrong>Reusable infrastructure does not make all domain truth reusable.\u003C\u002Fstrong>",{"id":317,"data":1310,"type":340},{"steps":1311,"title":1330,"orientation":339},[1312,1315,1318,1321,1324,1327],{"label":1313,"description":1314},"1. Consumer identifies itself","The calling application, user, service, team or tenant enters through an authenticated identity and explicit scope.",{"label":1316,"description":1317},"2. Platform policy applies","Gateway and policy layers determine allowed providers, models, quotas, data paths, tools and execution modes.",{"label":1319,"description":1320},"3. Shared capability executes","The request may use inference, retrieval, agent runtime, tool access or another reusable platform service.",{"label":1322,"description":1323},"4. Solution-specific context remains authoritative","The consuming solution supplies domain rules, user intent, data authority, task-specific constraints and acceptance logic.",{"label":1325,"description":1326},"5. Telemetry and evidence are captured","The platform records identity, route, model\u002Fprovider, latency, cost, errors, tool activity and other permitted observability signals.",{"label":1328,"description":1329},"6. Result returns under the solution contract","The solution remains responsible for whether the output is acceptable for its user and domain.","A shared AI request path",{"id":342,"data":1332,"type":42},{"text":1333,"level":242},"Where the simple example stops",{"id":346,"data":1335,"type":218},{"text":1336},"Centralization is not automatically architecture. A single endpoint in front of several model APIs is useful, but it does not by itself create an AI platform. A production platform also needs identity boundaries, capability contracts, provider health and lifecycle handling, quotas, secret ownership, observability, compatibility rules, security controls, release discipline and clear operational responsibility.",{"id":350,"data":1338,"type":218},{"text":1339},"The opposite failure is also common: putting every prompt, vector index, business rule, agent and application workflow into one “AI backend.” That creates a monolith whose shared status is accidental rather than architectural. \u003Cstrong>A platform should standardize cross-cutting capabilities, not absorb domain ownership merely because AI is involved.\u003C\u002Fstrong>",{"id":354,"data":1341,"type":42},{"text":1342,"level":242},"The most important platform decision: shared versus solution-specific",{"id":358,"data":1344,"type":291},{"content":1345,"stretched":43,"withHeadings":14},[1346,1350,1354,1358,1362,1366,1369],[1347,1348,1349],"Capability area","Good candidate for shared platform ownership","Usually remains solution-specific",[1351,1352,1353],"Model access","Approved provider connections, adapters, credentials, health, routing primitives, quotas","Task-specific model acceptance, prompt behavior, quality threshold",[1355,1356,1357],"Retrieval","Ingestion primitives, extraction, indexing, search APIs, provenance contracts, authorization hooks","Authoritative corpus, freshness rules, domain metadata, evidence sufficiency",[1359,1360,1361],"Agents and tools","Runtime lifecycle, tool registry\u002Fbroker, permission enforcement, tracing, cancellation","Business workflow, allowed action semantics, escalation policy, task success",[1363,1364,1365],"Security","Identity integration, secret storage, policy enforcement, audit contracts, tenant isolation mechanisms","Data classification, business authorization rules, domain-specific risk acceptance",[1286,1367,1368],"Harness, dataset\u002Fversion mechanics, telemetry, experiment\u002Frelease workflow","Ground truth, domain test set, acceptance threshold, user outcome",[1370,1371,1372],"Operations","Deployment pattern, health, metrics, incident integration, capacity controls","Solution SLOs where they differ, business continuity impact, workload-specific runbooks",{"id":389,"data":1374,"type":225},{"body":1375,"title":1376,"variant":393},"\u003Cstrong>Share mechanics and controls where reuse is real; keep authority and acceptance where the domain owns them.\u003C\u002Fstrong> This prevents two opposite errors: duplicated infrastructure everywhere, and a central platform that falsely becomes the owner of every application's data, policy and quality.","Platform principle",{"id":395,"data":1378,"type":42},{"text":1379,"level":242},"Architecture responsibility map",{"id":399,"data":1381,"type":42},{"text":1382,"level":241},"1. Model and provider access",{"id":403,"data":1384,"type":218},{"text":1385},"A platform architect defines how consumers discover and invoke models without forcing every application to hard-code one provider. This includes provider adapters, model identifiers, capability metadata, authentication, health checks, endpoint configuration, request normalization and compatibility behavior.",{"id":407,"data":1387,"type":218},{"text":1388},"Provider abstraction must remain honest. Different providers expose different context limits, tool semantics, structured-output behavior, multimodal capabilities, safety controls, caching, pricing and failure modes. A good abstraction creates a stable platform contract while preserving access to capabilities that cannot be meaningfully flattened.",{"id":411,"data":1390,"type":225},{"body":1391,"title":1392,"variant":415},"A lowest-common-denominator API can make migration easier but can also erase capabilities that matter. The architecture should define which features are portable, which are provider-specific and how consumers discover that difference.","Do not confuse abstraction with pretending providers are identical",{"id":417,"data":1394,"type":42},{"text":1395,"level":241},"2. Gateway, routing, quotas and cost controls",{"id":421,"data":1397,"type":218},{"text":1398},"A shared AI gateway can centralize authentication, routing, throttling, retries, token limits, usage attribution and policy enforcement. Microsoft’s current AI Gateway guidance explicitly treats token-per-minute limits, quotas and multi-project containment as platform concerns; AWS likewise exposes account and model quotas and centralized controls.",{"id":425,"data":1400,"type":218},{"text":1401},"The gateway is therefore more than a reverse proxy when it carries AI-specific policy and operational semantics. But it should not silently make business decisions. A routing policy may prefer a healthy local model, a lower-cost provider or a regionally compliant endpoint; whether that route is acceptable for a particular task is still a contract between platform and solution.",{"id":429,"data":1403,"type":218},{"text":1404},"Routing also needs failure semantics. If the preferred model is unavailable, the platform must know whether fallback is permitted, whether a cloud route requires explicit consent, whether a lower-capability model is valid and how the decision is surfaced to observability.",{"id":433,"data":1406,"type":42},{"text":1407,"level":241},"3. Shared data, retrieval and grounding services",{"id":437,"data":1409,"type":218},{"text":1410},"Retrieval services are strong platform candidates because parsing, chunking, indexing, lexical search, semantic search, metadata filtering, provenance and citation mechanics are reusable. However, the platform must not confuse a shared retrieval engine with a shared source of truth.",{"id":441,"data":1412,"type":218},{"text":1413},"A solution still owns questions such as: Which corpus is authoritative? Which version is valid? Can this user see this document? How fresh must the data be? What counts as sufficient evidence? Can an answer be generated when retrieval fails? Those are domain and solution requirements even when the platform supplies the retrieval machinery.",{"id":445,"data":1415,"type":218},{"text":1416},"This boundary is especially important in multi-tenant systems. A technically shared index or vector service does not justify cross-tenant visibility. Authorization context must be preserved through retrieval, not added only after search results have already crossed the boundary.",{"id":449,"data":1418,"type":42},{"text":1419,"level":241},"4. Agent and tool runtime",{"id":453,"data":1421,"type":218},{"text":1422},"Agentic systems add reusable runtime concerns: thread\u002Fsession lifecycle, planning loops, tool registration, tool invocation, cancellation, timeouts, human approvals, memory\u002Fstate interfaces, remote-agent protocols and trace correlation. A platform can provide these mechanics so each product does not rebuild them.",{"id":457,"data":1424,"type":218},{"text":1425},"The platform must also keep tool permission separate from model capability. A model being capable of generating a shell command does not mean the runtime should allow shell execution. The permission boundary belongs to the application\u002Fruntime architecture and must be enforceable independently of the model.",{"id":461,"data":1427,"type":218},{"text":1428},"Current AWS Agentic AI guidance emphasizes bounded agents, explicit authority, end-to-end tracing, versioned behavioral artifacts and human oversight proportionate to consequence. Those are platform-enabling concerns, but the consuming solution still defines what actions are legitimate for its domain.",{"id":465,"data":1430,"type":42},{"text":1431,"level":241},"5. Identity, tenant isolation and authorization",{"id":469,"data":1433,"type":218},{"text":1434},"AI platforms often sit in front of high-value models, proprietary data and action-capable tools. Authentication is therefore only the beginning. The architecture must carry user, service, application and tenant context through every privileged operation that needs it.",{"id":473,"data":1436,"type":218},{"text":1437},"\u003Cstrong>RBAC and tenant isolation solve different problems.\u003C\u002Fstrong> RBAC answers what an identity may do; tenant isolation answers which tenant’s resources that identity may act on. A platform that checks roles but loses tenant context can still expose the wrong data.",{"id":477,"data":1439,"type":218},{"text":1440},"Microsoft’s current AI workload guidance explicitly recommends identity segmentation and authorization-aware access to content. AWS’s multi-tenant generative AI platform guidance similarly treats logical isolation, centralized controls and auditability as platform concerns.",{"id":481,"data":1442,"type":42},{"text":1443,"level":241},"6. Secrets, credentials and trust boundaries",{"id":485,"data":1445,"type":218},{"text":1446},"A platform should define who owns provider keys, remote bearer tokens, signing material and tool credentials, where they are stored, which process can access them, how they are rotated and whether they can ever reach a browser or untrusted renderer.",{"id":489,"data":1448,"type":218},{"text":1449},"This is an architectural boundary, not an implementation detail. If every consuming application copies provider credentials into its own configuration, the organization has duplicated both operational burden and blast radius. Centralization can reduce that risk only if the platform itself has narrower, auditable access paths.",{"id":493,"data":1451,"type":42},{"text":1452,"level":241},"7. Evaluation, observability and auditability",{"id":497,"data":1454,"type":218},{"text":1455},"A reusable platform can provide evaluation harnesses, trace IDs, model\u002Fprovider metadata, token and cost metrics, latency, error rates, prompt\u002Fmodel version linkage, agent\u002Ftool traces and controlled logging. AWS and Microsoft both treat observability and evaluation as core production concerns for AI workloads.",{"id":501,"data":1457,"type":218},{"text":1458},"Platform evaluation and solution evaluation must remain separate. A platform can verify that an endpoint is healthy, a model version passes a general regression suite and traces are complete. It cannot decide that a legal answer, medical workflow or product recommendation is acceptable without domain-specific ground truth and acceptance criteria.",{"id":505,"data":1460,"type":218},{"text":1461},"Logging also creates a privacy boundary. Prompt and response logs may contain sensitive or proprietary data. The platform architect must therefore decide what is logged, redacted, sampled, retained and accessible rather than assuming that more telemetry is always safer.",{"id":509,"data":1463,"type":42},{"text":1464,"level":241},"8. Runtime, deployment and locality",{"id":513,"data":1466,"type":218},{"text":1467},"A platform architect decides how shared AI capabilities are deployed and reached: managed cloud services, self-hosted endpoints, local inference, hybrid routing, containerized services, desktop runtimes, private networking or air-gapped environments. The important distinction is between \u003Cstrong>where the control\u002Fruntime process runs\u003C\u002Fstrong> and \u003Cstrong>where inference and data processing actually occur\u003C\u002Fstrong>.",{"id":517,"data":1469,"type":218},{"text":1470},"A local client may still call a cloud model. A cloud control plane may route to an on-premises model. A remote agent may execute tools inside a customer network. Architectural diagrams must therefore show trust and data-flow boundaries rather than using “local” and “cloud” as vague labels.",{"id":521,"data":1472,"type":42},{"text":1473,"level":241},"9. Platform lifecycle, compatibility and onboarding",{"id":525,"data":1475,"type":218},{"text":1476},"Reusable capability becomes a platform only when consumers can depend on it over time. That requires versioned contracts, migration rules, compatibility policy, deprecation, release testing, rollback, incident ownership, capacity planning, documentation and a path for onboarding new teams or applications.",{"id":529,"data":1478,"type":218},{"text":1479},"Fast-moving AI ecosystems make this particularly important. Model names, SDKs, protocol versions, provider APIs and safety capabilities change independently. A platform must absorb some of that volatility without hiding changes that materially affect a solution’s behavior.",{"id":533,"data":1481,"type":42},{"text":1482,"level":242},"A practical control-plane \u002F execution-plane \u002F solution-plane model",{"id":537,"data":1484,"type":225},{"body":1485,"title":1486,"variant":231},"The three-plane model below is a practical way to reason about responsibilities; it is not an ISO, NIST, Microsoft or AWS standard. Its purpose is to make ownership boundaries explicit.","Proposed architecture model",{"id":542,"data":1488,"type":291},{"content":1489,"stretched":43,"withHeadings":14},[1490,1494,1498,1502],[1491,1492,1493],"Plane","Typical responsibilities","Should not silently own",[1495,1496,1497],"Platform control plane","Provider registry, model policy, quotas, tenant configuration, identities, secrets, routing rules, capability versions, deployment configuration","Application business logic or domain truth",[1499,1500,1501],"Platform execution\u002Fdata plane","Inference requests, retrieval operations, agent\u002Ftool execution, extraction, indexing, telemetry emission, policy enforcement","Cross-tenant access merely because infrastructure is shared",[1503,1504,1505],"Solution plane","User workflow, prompts\u002Finstructions, authoritative corpus selection, domain authorization, business rules, task evaluation and acceptance","Low-level provider integration that the platform explicitly owns",{"id":562,"data":1507,"type":218},{"text":1508},"This separation helps diagnose platform drift. If an application must know every provider-specific credential and endpoint, the platform contract is too thin. If the platform decides which customer record is legally authoritative or whether a domain answer is acceptable, the platform has crossed into solution ownership.",{"id":566,"data":1510,"type":42},{"text":1511,"level":242},"What should an AI Platform Architect produce?",{"id":570,"data":1513,"type":291},{"content":1514,"stretched":43,"withHeadings":14},[1515,1518,1521,1524,1527,1530,1533,1536,1539,1542],[1516,1517],"Architecture artifact","Purpose",[1519,1520],"Platform capability map","Defines what the platform provides, who consumes it and which capabilities remain outside scope.",[1522,1523],"Provider\u002Fmodel contract","Defines providers, models, capabilities, abstraction boundaries, route metadata and fallback semantics.",[1525,1526],"Identity and tenancy model","Defines user\u002Fservice\u002Fapplication identity, tenant context, RBAC\u002FABAC hooks and resource isolation.",[1528,1529],"Gateway and quota policy","Defines rate limits, token\u002Fcost budgets, routing controls, retries and capacity behavior.",[1531,1532],"Retrieval\u002Fdata contract","Defines ingestion, provenance, search, metadata, authorization propagation and where domain authority remains.",[1534,1535],"Agent\u002Ftool contract","Defines runtime lifecycle, tool registration, permissions, approvals, cancellation and trace behavior.",[1537,1538],"Secret and trust-boundary model","Defines credential ownership, storage, process boundaries, rotation and sensitive data paths.",[1540,1541],"Evaluation and telemetry contract","Defines common metrics, traces, datasets\u002Fversion links, logging policy and solution extension points.",[1543,1544],"Lifecycle and compatibility policy","Defines versions, migrations, deprecation, releases, rollback, incident ownership and onboarding.",{"id":604,"data":1546,"type":42},{"text":1547,"level":242},"The work is mostly trade-offs, not maximum centralization",{"id":608,"data":1549,"type":299},{"rows":1550,"title":1569,"layout":291,"columns":1570},[1551,1554,1557,1560,1563,1566],{"id":612,"label":1552,"values":1553},"Provider abstraction",{"pressureA":615,"pressureB":616},{"id":618,"label":1555,"values":1556},"Reuse",{"pressureA":621,"pressureB":622},{"id":624,"label":1558,"values":1559},"Governance",{"pressureA":627,"pressureB":628},{"id":630,"label":1561,"values":1562},"Observability",{"pressureA":633,"pressureB":634},{"id":636,"label":1564,"values":1565},"Availability",{"pressureA":639,"pressureB":640},{"id":642,"label":1567,"values":1568},"Platform scope",{"pressureA":645,"pressureB":646},"Common platform trade-offs",[1571,1573],{"id":650,"label":1572},"Pressure A",{"id":653,"label":1574},"Pressure B",{"id":656,"data":1576,"type":42},{"text":1577,"level":242},"How is this different from adjacent roles?",{"id":660,"data":1579,"type":291},{"content":1580,"stretched":43,"withHeadings":14},[1581,1584,1586,1588,1591,1594,1597],[1582,1583],"Role","Primary architectural scope",[1294,1585],"A concrete AI-enabled solution and its end-to-end requirements, boundaries, trade-offs and production acceptance.",[1296,1587],"Reusable AI capabilities and operational\u002Fsecurity contracts consumed across multiple solutions or teams.",[1589,1590],"Enterprise Architect","Organization-wide business\u002Ftechnology portfolio, capability and governance alignment at a broader level.",[1592,1593],"MLOps \u002F LLMOps Architect or specialist","Model and AI lifecycle, deployment, experiments, observability, release and operational practices; may overlap strongly but does not automatically own the whole shared application platform.",[1595,1596],"Platform Engineer \u002F SRE","Implements and operates platform infrastructure, reliability, automation and developer experience; architecture responsibility may be shared with the platform architect.",[1598,1599],"AI \u002F Software Engineer","Implements models, integrations, services, agents, retrieval and product functionality inside the agreed architecture.",{"id":685,"data":1601,"type":218},{"text":1602},"These boundaries are organizational, not universal. In a small team one person may hold several responsibilities. In a regulated enterprise they may be split across architecture, security, platform, data and operations groups. The useful distinction is the \u003Cstrong>scope of architectural responsibility\u003C\u002Fstrong>, not the job title printed on an org chart.",{"id":689,"data":1604,"type":42},{"text":1605,"level":242},"Implementation evidence: how these platform boundaries appear in my own work",{"id":693,"data":1607,"type":225},{"body":1608,"title":1609,"variant":231},"The following sections describe concrete patterns from my own projects. They are evidence that these architectural boundaries have been implemented or explicitly designed in real code and project systems. They are \u003Cstrong>not\u003C\u002Fstrong> claims that the projects together already constitute a commercially deployed enterprise AI platform.","Original implementation evidence",{"id":698,"data":1611,"type":42},{"text":1612,"level":241},"Aaasaasa AI Client: provider, runtime and permission separation",{"id":702,"data":1614,"type":218},{"text":1615},"Aaasaasa AI Client is a local-first desktop AI workspace built with Nuxt 4, Electron and TypeScript. Its AI Hub deliberately separates \u003Cstrong>agent\u002Fclient, provider, model, connection\u002Fruntime location, permissions and web client\u003C\u002Fstrong> instead of treating them as one configuration value.",{"id":706,"data":1617,"type":218},{"text":1618},"The implementation includes direct provider adapters, Codex agent runtime integration, local Ollama\u002FLM Studio paths, OpenAI-compatible services, centralized workspace permissions, main-process credential storage, DuckDB, Qdrant\u002Fvector support, PDF\u002Freadability extraction and authenticated MCP-based directory access.",{"id":710,"data":1620,"type":218},{"text":1621},"Two platform lessons are especially relevant. First, a local runtime is not the same as local inference: a local Codex process can still use a cloud model. Second, automatic routing does not silently fall back from local to paid cloud inference. That makes routing policy and runtime locality explicit rather than inferred from UI labels.",{"id":714,"data":1623,"type":291},{"content":1624,"stretched":43,"withHeadings":14},[1625,1628,1631,1634,1637,1640],[1626,1627],"Implemented boundary","Platform-architecture meaning",[1629,1630],"Agent vs provider vs model","Different responsibilities can evolve independently instead of being hidden behind one “AI” selector.",[1632,1633],"Permissions separate from model","Filesystem\u002Ftool authority belongs to the runtime policy, not model capability.",[1635,1636],"Main-process secrets","Credential ownership follows the privileged process boundary rather than the renderer\u002FUI.",[1638,1639],"Provider health and model discovery","Routing and availability are runtime\u002Fplatform concerns.",[1641,1642],"No silent cloud fallback","Cost, locality and data-transfer semantics remain explicit policy decisions.",{"id":736,"data":1644,"type":42},{"text":1645,"level":241},"Aaasaasa AI CMS: tenant-scoped authorization as a platform boundary",{"id":740,"data":1647,"type":218},{"text":1648},"The Aaasaasa AI CMS codebase provides a separate implementation example: tenant-scoped RBAC is represented through roles, permissions and user-role assignments bound to a tenant identifier. System permissions are grouped by capability, and role lookup and updates remain tenant-scoped.",{"id":744,"data":1650,"type":218},{"text":1651},"This is not itself proof of a complete AI platform, but it is directly relevant to one of the hardest shared-platform boundaries: a reusable service must preserve \u003Cstrong>who may do what\u003C\u002Fstrong> and \u003Cstrong>for which tenant\u003C\u002Fstrong>. Adding AI inference or retrieval on top of an application platform does not remove that requirement.",{"id":748,"data":1653,"type":218},{"text":1654},"The architectural implication is that model gateways, retrieval services and agents should consume established identity\u002Ftenant context rather than inventing a parallel AI-only authorization universe.",{"id":752,"data":1656,"type":42},{"text":1657,"level":241},"Source of Truth Research Engine: shared retrieval mechanics without shared truth",{"id":756,"data":1659,"type":218},{"text":1660},"The Source of Truth Research Engine provides a third implementation example. Different research modes share a common evidence core: Sources, Artifacts, provenance, Claims, Relations, Contradictions, a Reference Model and audit trail. The system also provides local lexical retrieval, optional semantic retrieval, extraction, snapshots and SHA-256-based provenance.",{"id":760,"data":1662,"type":218},{"text":1663},"The project explicitly treats search and semantic similarity as discovery signals rather than evidence. A result must be traced back to a concrete source and locator before it can support a claim. This is precisely the distinction an AI platform needs: \u003Cstrong>reusable retrieval machinery can be shared while evidence authority remains governed by the consuming methodology and domain.\u003C\u002Fstrong>",{"id":764,"data":1665,"type":218},{"text":1666},"The engine also demonstrates why one shared platform does not require one shared interpretation. Historical, scientific\u002Ftechnical, market-intelligence and monitoring modes can reuse core evidence infrastructure while retaining mode-specific methodology.",{"id":768,"data":1668,"type":225},{"body":1669,"title":1670,"variant":393},"Across these projects, the reusable pattern is not “one backend for everything.” It is \u003Cstrong>separation of concerns plus explicit contracts\u003C\u002Fstrong>: provider\u002Fmodel\u002Fruntime separation, tenant-aware authorization, credential boundaries, reusable data\u002Fretrieval primitives, provenance, and domain-specific authority. A future integrated platform would need stable contracts between those capabilities rather than direct coupling between codebases.","What these implementations demonstrate together",{"id":773,"data":1672,"type":42},{"text":1673,"level":242},"How current architecture guidance supports this platform scope",{"id":777,"data":1675,"type":218},{"text":1676},"ISO\u002FIEC\u002FIEEE 42010:2022 provides a general discipline for architecture descriptions across software, systems, enterprises and related entities. It does not define an AI Platform Architect, but it reinforces the need to express architectural concerns, relationships and viewpoints rather than reducing architecture to a technology list.",{"id":781,"data":1678,"type":218},{"text":1679},"NIST AI RMF 1.0 and the Generative AI Profile frame AI risk management across the lifecycle rather than only at model selection time. Governance, mapping, measurement and management are therefore compatible with a platform architecture that carries shared controls and evidence across many consuming workloads.",{"id":785,"data":1681,"type":218},{"text":1682},"Microsoft’s current AI workload guidance treats application design, data, security, operations, testing\u002Fevaluation and GenAIOps as connected architectural areas. Its current AI Gateway guidance also shows practical platform concerns such as centralized model access, project-specific token limits, quotas and multi-team containment.",{"id":789,"data":1684,"type":218},{"text":1685},"AWS’s current Generative AI Lens and multi-tenant platform scenario similarly separate foundational platform controls from consuming-application ownership. AWS explicitly notes that a central platform can enforce shared guardrails and auditability while data quality and workload-specific observability still remain responsibilities of consuming applications or data producers.",{"id":793,"data":1687,"type":218},{"text":1688},"The vendor products differ, but the cross-source pattern is stable: production AI platforms must coordinate identity, data access, models, policy, evaluation, observability, capacity, cost and lifecycle. A GPU cluster or model endpoint covers only part of that responsibility.",{"id":797,"data":1690,"type":42},{"text":1691,"level":242},"Common misconceptions",{"id":801,"data":1693,"type":291},{"content":1694,"stretched":43,"withHeadings":14},[1695,1698,1701,1704,1707,1710,1713,1716,1719],[1696,1697],"Misconception","Why it is wrong",[1699,1700],"“An AI platform is the GPU cluster.”","Compute is one substrate. A platform also needs contracts for identity, model access, data, policy, evaluation, observability and lifecycle.",[1702,1703],"“An AI gateway is just a reverse proxy.”","It may also carry model routing, token quotas, cost attribution, policy enforcement, identity and AI-specific telemetry.",[1705,1706],"“Shared means globally shared.”","A service may be physically shared while logically segmented by tenant, application, region, classification or risk level.",[1708,1709],"“One central vector database becomes the company truth.”","A vector store or retrieval service is infrastructure. Domain authority, freshness, provenance and access remain separate concerns.",[1711,1712],"“Platform evaluation replaces solution evaluation.”","General regression and telemetry cannot define whether a domain-specific answer or action is acceptable.",[1714,1715],"“Provider abstraction should hide every difference.”","Some differences are material capabilities, security semantics or failure modes and must remain visible.",[1717,1718],"“RBAC solves multi-tenancy.”","RBAC controls actions; tenant isolation controls resource boundaries. Both can be required.",[1720,1721],"“AI Platform Architect is just another name for MLOps.”","MLOps\u002FLLMOps is a major overlapping discipline, but shared application\u002Fruntime, identity, gateway, retrieval and tool boundaries can extend beyond model lifecycle operations.",{"id":832,"data":1723,"type":42},{"text":1724,"level":242},"Failure modes an AI Platform Architect should prevent",{"id":836,"data":1726,"type":291},{"content":1727,"stretched":43,"withHeadings":14},[1728,1731,1734,1737,1740,1743,1746,1749,1752,1755],[1729,1730],"Failure mode","Architectural consequence",[1732,1733],"Every team stores its own provider keys","Duplicated secret handling, inconsistent rotation and larger blast radius.",[1735,1736],"Provider abstraction hides required capabilities","Consumers cannot use features they need or silently receive behavior different from assumptions.",[1738,1739],"Shared retrieval ignores tenant\u002Fuser context","Cross-boundary data leakage can occur before the application gets a chance to filter results.",[1741,1742],"Fallback silently changes provider or locality","Cost, compliance, data location and output quality can change without the caller knowing.",[1744,1745],"Agent tools are granted by model choice","A capable model becomes over-privileged because runtime authority is not independently enforced.",[1747,1748],"All prompts\u002Fresponses are logged by default","Observability can create a new sensitive-data repository and compliance problem.",[1750,1751],"Platform owns one generic quality score","Domain failures remain hidden behind platform health metrics.",[1753,1754],"No version contract for platform capabilities","Model\u002Fprovider\u002Fruntime changes break consumers unpredictably.",[1756,1757],"Everything AI-related is centralized","The platform becomes a bottleneck and monolith instead of a reusable capability layer.",{"id":870,"data":1759,"type":42},{"text":1760,"level":242},"A practical platform-architecture decision sequence",{"id":874,"data":1762,"type":340},{"steps":1763,"title":1794,"orientation":339},[1764,1767,1770,1773,1776,1779,1782,1785,1788,1791],{"label":1765,"description":1766},"1. Identify real consumers","List solutions, teams, tenants and workloads that would consume the platform; avoid building a platform for hypothetical reuse.",{"label":1768,"description":1769},"2. Define the shared boundary","Separate cross-cutting mechanics from solution-specific domain authority, workflow and acceptance.",{"label":1771,"description":1772},"3. Define identity and isolation first","Establish users, services, applications, tenants, regions and data classifications before sharing retrieval or tool capabilities.",{"label":1774,"description":1775},"4. Define capability contracts","Specify model\u002Fprovider, retrieval, agent\u002Ftool, gateway and telemetry APIs with explicit ownership and versioning.",{"label":1777,"description":1778},"5. Decide provider and runtime strategy","Choose managed, self-hosted, local or hybrid execution and document fallback, locality and capability semantics.",{"label":1780,"description":1781},"6. Design data and retrieval boundaries","Define provenance, authorization propagation, corpus ownership, indexing and evidence responsibilities.",{"label":1783,"description":1784},"7. Add quotas, secrets and policy","Control cost, capacity, credentials, tool permissions, safety controls and blast radius.",{"label":1786,"description":1787},"8. Build evaluation and observability contracts","Provide platform metrics and tracing while leaving domain ground truth and acceptance to the solution.",{"label":1789,"description":1790},"9. Define lifecycle and operations","Version capabilities, test upgrades, document deprecation, rollback, incidents, capacity and consumer onboarding.",{"label":1792,"description":1793},"10. Validate with more than one consumer","A platform claim becomes credible when the shared capability actually serves distinct workloads without forcing them into the same domain model.","From platform need to operable shared capability",{"id":909,"data":1796,"type":42},{"text":1797,"level":242},"Edge cases and limits of the role",{"id":913,"data":1799,"type":218},{"text":1800},"A small organization with one AI application may not need a distinct AI platform or platform architect. Premature platforming can create more abstraction than value. The correct architecture may be one well-designed solution with a few reusable modules.",{"id":917,"data":1802,"type":218},{"text":1803},"An air-gapped or sovereign deployment changes the provider, update and observability model substantially. Model hosting, artifact distribution, identity integration and telemetry export may all need local equivalents.",{"id":921,"data":1805,"type":218},{"text":1806},"Highly regulated or high-consequence workloads may require stronger physical or organizational isolation instead of a logically shared platform. Reuse is never a sufficient reason to weaken a required security boundary.",{"id":925,"data":1808,"type":218},{"text":1809},"Managed cloud AI services can remove implementation burden but do not remove architectural accountability. The organization still decides identity, data access, logging, retention, quotas, model eligibility, fallback, evaluation and solution acceptance.",{"id":929,"data":1811,"type":218},{"text":1812},"The platform boundary may also differ by modality. Text inference, multimodal generation, speech, computer use and autonomous agents can have different latency, data, permission and observability requirements even when they share provider and identity infrastructure.",{"id":933,"data":1814,"type":42},{"text":1815,"level":242},"What would change this answer?",{"id":937,"data":1817,"type":218},{"text":1818},"The core definition would change if the organizational scope changes. If the architect owns one workload, the role becomes closer to AI Solution Architect. If the responsibility expands to organization-wide capability strategy, investment, standards and target-state portfolios, it moves toward Enterprise AI Architecture.",{"id":941,"data":1820,"type":218},{"text":1821},"Implementation guidance changes whenever providers, gateway products, agent protocols, regulatory obligations, model capabilities or deployment constraints change. That is why platform architecture should express stable responsibilities and contracts separately from current vendor mechanisms.",{"id":945,"data":1823,"type":42},{"text":1824,"level":242},"AI Platform Architect checklist",{"id":949,"data":1826,"type":291},{"content":1827,"stretched":43,"withHeadings":14},[1828,1830,1833,1836,1839,1842,1845,1848,1851,1854,1857,1860,1863],[953,1829],"Expected answer",[1831,1832],"Who are the actual platform consumers?","Named solutions, teams or tenant contexts with distinct but overlapping needs.",[1834,1835],"What is genuinely shared?","Explicit capability list, not a vague “AI backend.”",[1837,1838],"What must remain solution-specific?","Domain authority, business workflow, task acceptance and other workload-owned concerns.",[1840,1841],"How are models\u002Fproviders represented?","Versioned provider\u002Fmodel contracts with capabilities and explicit fallback semantics.",[1843,1844],"How is identity propagated?","User\u002Fservice\u002Fapplication\u002Ftenant context survives every privileged request path.",[1846,1847],"How is tenant isolation enforced?","Resource scoping is separate from role permission checks.",[1849,1850],"How are secrets handled?","Privileged storage, rotation, limited exposure and auditable ownership.",[1852,1853],"How does retrieval preserve authority?","Shared mechanics with authorization, provenance and domain-owned evidence rules.",[1855,1856],"How are tools and agents constrained?","Runtime permissions, bounded tool contracts, approvals, cancellation and traceability.",[1858,1859],"How are cost and capacity controlled?","Quotas, token\u002Frate controls, usage attribution and overload behavior.",[1861,1862],"How is quality measured?","Platform regression\u002Fevaluation plus solution-specific ground truth and acceptance.",[1864,1865],"How are changes rolled out?","Versioning, compatibility, migration, deprecation, rollback and incident ownership.",{"id":992,"data":1867,"type":42},{"text":994,"level":242},{"id":996,"data":1869,"type":218},{"text":1870},"An AI Platform Architect is responsible for the reusable architecture \u003Cstrong>between AI capabilities and the solutions that consume them\u003C\u002Fstrong>. The role defines how models, providers, retrieval, agents, tools, identity, tenants, secrets, evaluation, observability, quotas and runtime operations become dependable platform services rather than repeated one-off integrations.",{"id":1000,"data":1872,"type":218},{"text":1873},"The difficult part is not maximizing reuse. It is choosing the correct boundary. A strong platform standardizes mechanics, policy and operations where multiple consumers genuinely benefit, while preserving solution-specific data authority, business logic, security requirements and acceptance criteria.",{"id":1004,"data":1875,"type":218},{"text":1876},"That distinction also explains the relationship with AI Solution Architecture: \u003Cstrong>the solution architect makes one AI-enabled system fit its purpose; the platform architect makes shared AI capabilities safe, reusable, operable and evolvable across many such systems.\u003C\u002Fstrong>",{"id":1008,"data":1878,"type":42},{"text":1879,"level":242},"Related canonical knowledge",{"id":1012,"data":1881,"type":218},{"text":1882},"This article sits after the canonical foundations on generative AI components, ADR versus NFR, and AI Solution Architecture. Those concepts are prerequisites because a platform exists to provide reusable system capabilities and to encode architectural decisions against explicit quality and operational requirements.",{"id":1016,"data":1884,"type":218},{"text":1885},"Retrieval-Augmented Generation is one example of a capability that may be offered through a platform, but the platform should not collapse retrieval infrastructure, domain knowledge and answer validity into one concept.",{"id":1020,"data":1887,"type":1028},{"link":1888,"meta":1889},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works",{"image":1890,"title":1891,"description":1892},{"url":1025},"What Is RAG? The Simplest Explanation of How It Works","Canonical introduction to retrieval-augmented generation and the boundary between model generation and external knowledge retrieval.",{"id":1030,"data":1894,"type":218},{"text":1895},"Agent protocols, tenant isolation, AI governance, model routing, Context Engineering and MLOps\u002FLLMOps are downstream or adjacent knowledge nodes. They become easier to reason about once the platform boundary is explicit.",{"id":1034,"data":1897,"type":42},{"text":1898,"level":242},"Frequently asked questions",{"id":1038,"data":1900,"type":1038},{"items":1901,"title":1920},[1902,1905,1908,1911,1914,1917],{"id":1042,"answer":1903,"question":1904},"No. The solution architect focuses on one concrete AI-enabled solution. The platform architect focuses on reusable AI capabilities, controls and operational contracts that can support multiple solutions.","Is an AI Platform Architect the same as an AI Solution Architect?",{"id":1046,"answer":1906,"question":1907},"No. A platform can use managed cloud models, self-hosted models, local inference or a hybrid strategy. The architecture must make provider, locality, identity, routing, data and operational consequences explicit.","Does an AI platform need to host its own models?",{"id":1050,"answer":1909,"question":1910},"Usually not. A gateway can be an important platform component, but a complete platform also needs contracts for identity, secrets, data\u002Fretrieval, evaluation, observability, lifecycle and operational ownership.","Is an AI gateway enough to be an AI platform?",{"id":1054,"answer":1912,"question":1913},"Retrieval mechanics can often be shared, but domain authority, authorization, freshness, evidence sufficiency and corpus ownership should remain explicit. Shared infrastructure does not imply shared truth.","Should retrieval be centralized?",{"id":1058,"answer":1915,"question":1916},"No. Platform evaluation can test shared capabilities and regressions. Each solution still needs task-specific ground truth, acceptance criteria and domain quality thresholds.","Does platform evaluation replace application evaluation?",{"id":1062,"answer":1918,"question":1919},"No. RBAC determines what an identity may do. Tenant isolation determines which tenant's resources the identity may act on. A platform often needs both.","Is multi-tenancy just RBAC?","AI Platform Architect FAQ",{"id":1067,"data":1922,"type":42},{"text":1923,"level":242},"Glossary",{"id":1071,"data":1925,"type":1071},{"title":1926,"entries":1927},"Key AI platform architecture terms",[1928,1931,1934,1937,1940,1943,1946,1949],{"term":1929,"anchor":1077,"definition":1930},"AI platform","A reusable set of AI-related technical and operational capabilities consumed by multiple applications, teams or tenant contexts.",{"term":1932,"anchor":1081,"definition":1933},"AI gateway","A gateway layer for AI endpoints that may add authentication, routing, quotas, policy, retries, cost attribution and AI-specific telemetry beyond basic proxying.",{"term":1935,"anchor":1085,"definition":1936},"Provider adapter","A component that maps a platform contract to a model provider's API, capabilities, health and failure semantics.",{"term":1938,"anchor":1089,"definition":1939},"Tenant isolation","The boundary that prevents one tenant context from accessing another tenant's resources, independent of role permissions.",{"term":1941,"anchor":1093,"definition":1942},"Capability contract","A versioned interface and behavioral agreement describing what a shared platform service provides and what the consumer must supply or own.",{"term":1944,"anchor":1097,"definition":1945},"Grounding \u002F retrieval service","Shared mechanics for finding and supplying external information to an AI workload; it does not automatically define which information is authoritative for a domain.",{"term":1947,"anchor":1101,"definition":1948},"Evaluation harness","Reusable infrastructure for running tests, datasets, model\u002Fprompt versions and metrics; domain acceptance remains solution-specific.",{"term":1950,"anchor":1105,"definition":1951},"Control plane","The configuration and governance layer that manages platform capabilities, identities, policies, quotas, versions and deployment state.",{"id":1108,"data":1953,"type":42},{"text":1954,"level":242},"Primary sources and current architecture guidance",{"id":1112,"data":1956,"type":218},{"text":1957},"The sources below support the general architecture and production-platform claims. The Aaasaasa AI Client, Aaasaasa AI CMS and Source of Truth Research Engine sections are explicitly original implementation evidence. Current-state external references were checked on 8 October 2026.",{"id":1116,"data":1959,"type":1028},{"link":1118,"meta":1960},{"image":1961,"title":1962,"description":1963},{"url":1025},"ISO\u002FIEC\u002FIEEE 42010:2022 — Architecture Description","Current published international standard for architecture-description concepts and relationships.",{"id":1124,"data":1965,"type":1028},{"link":1126,"meta":1966},{"image":1967,"title":1968,"description":1969},{"url":1025},"NIST AI Risk Management Framework","NIST's AI RMF resources and current status; AI RMF 1.0 is under revision as of October 2026.",{"id":1132,"data":1971,"type":1028},{"link":1134,"meta":1972},{"image":1973,"title":1974,"description":1975},{"url":1025},"NIST AI 600-1 — Generative AI Profile","Generative AI profile for applying AI risk-management considerations across the AI lifecycle.",{"id":1140,"data":1977,"type":1028},{"link":1142,"meta":1978},{"image":1979,"title":1980,"description":1981},{"url":1025},"Microsoft Azure Well-Architected — AI Workloads","Current architectural guidance covering AI application, data, operations, evaluation, responsible AI and lifecycle concerns.",{"id":1148,"data":1983,"type":1028},{"link":1150,"meta":1984},{"image":1985,"title":1986,"description":1987},{"url":1025},"Microsoft — Design Principles for AI Workloads","Current guidance on identity segmentation, security boundaries, telemetry, performance, data and platform trade-offs.",{"id":1156,"data":1989,"type":1028},{"link":1158,"meta":1990},{"image":1991,"title":1992,"description":1993},{"url":1025},"Microsoft Foundry — AI Gateway Architecture","Current AI Gateway guidance for shared project access, token containment, quotas and governance.",{"id":1164,"data":1995,"type":1028},{"link":1166,"meta":1996},{"image":1997,"title":1998,"description":1999},{"url":1025},"Azure Architecture Center — Access Models Through a Gateway","Architecture guidance for centralized model access, routing, throttling, failover and client\u002Fplatform responsibilities.",{"id":1172,"data":2001,"type":1028},{"link":1174,"meta":2002},{"image":2003,"title":2004,"description":2005},{"url":1025},"AWS Well-Architected — Generative AI Lens","Current production architecture guidance for generative AI workloads across security, reliability, operations, performance and cost.",{"id":1180,"data":2007,"type":1028},{"link":1182,"meta":2008},{"image":2009,"title":2010,"description":2011},{"url":1025},"AWS — Multi-tenant Generative AI Platform Scenario","Current example separating central platform controls and auditability from consuming-application data quality and workload-specific responsibilities.",{"id":1188,"data":2013,"type":1028},{"link":1190,"meta":2014},{"image":2015,"title":2016,"description":2017},{"url":1025},"AWS Well-Architected — Agentic AI Design Principles","Current guidance on bounded agent authority, traceability, versioned behavior, explicit contracts and human oversight.",{"id":1196,"data":2019,"type":1028},{"link":1198,"meta":2020},{"image":2021,"title":2022,"description":2023},{"url":1025},"AWS CloudWatch — Generative AI Observability","Current observability capabilities and production metrics for models, agents, knowledge bases, tools and cost\u002Flatency\u002Ferror analysis.","2.31.0","An AI Platform Architect designs reusable AI foundations across models, providers, retrieval, agents, identity, security, evaluation, observability and operations.",{"lang":7,"title":208,"content":210,"contentJson":2027,"excerpt":1204},{"time":212,"blocks":2028,"version":1203},[2029,2031,2033,2035,2037,2039,2041,2043,2045,2061,2063,2065,2067,2069,2078,2080,2082,2084,2086,2096,2098,2100,2102,2104,2106,2108,2110,2112,2114,2116,2118,2120,2122,2124,2126,2128,2130,2132,2134,2136,2138,2140,2142,2144,2146,2148,2150,2152,2154,2156,2158,2160,2162,2164,2166,2168,2170,2177,2179,2181,2194,2196,2214,2216,2226,2228,2230,2232,2234,2236,2238,2240,2249,2251,2253,2255,2257,2259,2261,2263,2265,2267,2269,2271,2273,2275,2277,2279,2281,2293,2295,2308,2310,2323,2325,2327,2329,2331,2333,2335,2337,2339,2341,2343,2359,2361,2363,2365,2367,2369,2371,2373,2377,2379,2381,2390,2392,2403,2405,2407,2411,2415,2419,2423,2427,2431,2435,2439,2443,2447],{"id":215,"data":2030,"type":218},{"text":217},{"id":220,"data":2032,"type":225},{"body":222,"title":223,"variant":224},{"id":227,"data":2034,"type":225},{"body":229,"title":230,"variant":231},{"id":233,"data":2036,"type":225},{"body":235,"title":236,"variant":231},{"id":238,"data":2038,"type":243},{"title":240,"maxLevel":241,"minLevel":242},{"id":245,"data":2040,"type":42},{"text":247,"level":242},{"id":249,"data":2042,"type":218},{"text":251},{"id":253,"data":2044,"type":218},{"text":255},{"id":257,"data":2046,"type":299},{"rows":2047,"title":290,"layout":291,"columns":2058},[2048,2050,2052,2054,2056],{"id":261,"label":262,"values":2049},{"platform":264,"solution":265},{"id":267,"label":268,"values":2051},{"platform":270,"solution":271},{"id":273,"label":274,"values":2053},{"platform":276,"solution":277},{"id":279,"label":280,"values":2055},{"platform":282,"solution":283},{"id":285,"label":286,"values":2057},{"platform":288,"solution":289},[2059,2060],{"id":294,"label":295},{"id":297,"label":298},{"id":301,"data":2062,"type":42},{"text":303,"level":242},{"id":305,"data":2064,"type":218},{"text":307},{"id":309,"data":2066,"type":218},{"text":311},{"id":313,"data":2068,"type":218},{"text":315},{"id":317,"data":2070,"type":340},{"steps":2071,"title":338,"orientation":339},[2072,2073,2074,2075,2076,2077],{"label":321,"description":322},{"label":324,"description":325},{"label":327,"description":328},{"label":330,"description":331},{"label":333,"description":334},{"label":336,"description":337},{"id":342,"data":2079,"type":42},{"text":344,"level":242},{"id":346,"data":2081,"type":218},{"text":348},{"id":350,"data":2083,"type":218},{"text":352},{"id":354,"data":2085,"type":42},{"text":356,"level":242},{"id":358,"data":2087,"type":291},{"content":2088,"stretched":43,"withHeadings":14},[2089,2090,2091,2092,2093,2094,2095],[362,363,364],[366,367,368],[370,371,372],[374,375,376],[378,379,380],[280,382,383],[385,386,387],{"id":389,"data":2097,"type":225},{"body":391,"title":392,"variant":393},{"id":395,"data":2099,"type":42},{"text":397,"level":242},{"id":399,"data":2101,"type":42},{"text":401,"level":241},{"id":403,"data":2103,"type":218},{"text":405},{"id":407,"data":2105,"type":218},{"text":409},{"id":411,"data":2107,"type":225},{"body":413,"title":414,"variant":415},{"id":417,"data":2109,"type":42},{"text":419,"level":241},{"id":421,"data":2111,"type":218},{"text":423},{"id":425,"data":2113,"type":218},{"text":427},{"id":429,"data":2115,"type":218},{"text":431},{"id":433,"data":2117,"type":42},{"text":435,"level":241},{"id":437,"data":2119,"type":218},{"text":439},{"id":441,"data":2121,"type":218},{"text":443},{"id":445,"data":2123,"type":218},{"text":447},{"id":449,"data":2125,"type":42},{"text":451,"level":241},{"id":453,"data":2127,"type":218},{"text":455},{"id":457,"data":2129,"type":218},{"text":459},{"id":461,"data":2131,"type":218},{"text":463},{"id":465,"data":2133,"type":42},{"text":467,"level":241},{"id":469,"data":2135,"type":218},{"text":471},{"id":473,"data":2137,"type":218},{"text":475},{"id":477,"data":2139,"type":218},{"text":479},{"id":481,"data":2141,"type":42},{"text":483,"level":241},{"id":485,"data":2143,"type":218},{"text":487},{"id":489,"data":2145,"type":218},{"text":491},{"id":493,"data":2147,"type":42},{"text":495,"level":241},{"id":497,"data":2149,"type":218},{"text":499},{"id":501,"data":2151,"type":218},{"text":503},{"id":505,"data":2153,"type":218},{"text":507},{"id":509,"data":2155,"type":42},{"text":511,"level":241},{"id":513,"data":2157,"type":218},{"text":515},{"id":517,"data":2159,"type":218},{"text":519},{"id":521,"data":2161,"type":42},{"text":523,"level":241},{"id":525,"data":2163,"type":218},{"text":527},{"id":529,"data":2165,"type":218},{"text":531},{"id":533,"data":2167,"type":42},{"text":535,"level":242},{"id":537,"data":2169,"type":225},{"body":539,"title":540,"variant":231},{"id":542,"data":2171,"type":291},{"content":2172,"stretched":43,"withHeadings":14},[2173,2174,2175,2176],[546,547,548],[550,551,552],[554,555,556],[558,559,560],{"id":562,"data":2178,"type":218},{"text":564},{"id":566,"data":2180,"type":42},{"text":568,"level":242},{"id":570,"data":2182,"type":291},{"content":2183,"stretched":43,"withHeadings":14},[2184,2185,2186,2187,2188,2189,2190,2191,2192,2193],[574,575],[577,578],[580,581],[583,584],[586,587],[589,590],[592,593],[595,596],[598,599],[601,602],{"id":604,"data":2195,"type":42},{"text":606,"level":242},{"id":608,"data":2197,"type":299},{"rows":2198,"title":647,"layout":291,"columns":2211},[2199,2201,2203,2205,2207,2209],{"id":612,"label":613,"values":2200},{"pressureA":615,"pressureB":616},{"id":618,"label":619,"values":2202},{"pressureA":621,"pressureB":622},{"id":624,"label":625,"values":2204},{"pressureA":627,"pressureB":628},{"id":630,"label":631,"values":2206},{"pressureA":633,"pressureB":634},{"id":636,"label":637,"values":2208},{"pressureA":639,"pressureB":640},{"id":642,"label":643,"values":2210},{"pressureA":645,"pressureB":646},[2212,2213],{"id":650,"label":651},{"id":653,"label":654},{"id":656,"data":2215,"type":42},{"text":658,"level":242},{"id":660,"data":2217,"type":291},{"content":2218,"stretched":43,"withHeadings":14},[2219,2220,2221,2222,2223,2224,2225],[664,665],[667,668],[670,671],[673,674],[676,677],[679,680],[682,683],{"id":685,"data":2227,"type":218},{"text":687},{"id":689,"data":2229,"type":42},{"text":691,"level":242},{"id":693,"data":2231,"type":225},{"body":695,"title":696,"variant":231},{"id":698,"data":2233,"type":42},{"text":700,"level":241},{"id":702,"data":2235,"type":218},{"text":704},{"id":706,"data":2237,"type":218},{"text":708},{"id":710,"data":2239,"type":218},{"text":712},{"id":714,"data":2241,"type":291},{"content":2242,"stretched":43,"withHeadings":14},[2243,2244,2245,2246,2247,2248],[718,719],[721,722],[724,725],[727,728],[730,731],[733,734],{"id":736,"data":2250,"type":42},{"text":738,"level":241},{"id":740,"data":2252,"type":218},{"text":742},{"id":744,"data":2254,"type":218},{"text":746},{"id":748,"data":2256,"type":218},{"text":750},{"id":752,"data":2258,"type":42},{"text":754,"level":241},{"id":756,"data":2260,"type":218},{"text":758},{"id":760,"data":2262,"type":218},{"text":762},{"id":764,"data":2264,"type":218},{"text":766},{"id":768,"data":2266,"type":225},{"body":770,"title":771,"variant":393},{"id":773,"data":2268,"type":42},{"text":775,"level":242},{"id":777,"data":2270,"type":218},{"text":779},{"id":781,"data":2272,"type":218},{"text":783},{"id":785,"data":2274,"type":218},{"text":787},{"id":789,"data":2276,"type":218},{"text":791},{"id":793,"data":2278,"type":218},{"text":795},{"id":797,"data":2280,"type":42},{"text":799,"level":242},{"id":801,"data":2282,"type":291},{"content":2283,"stretched":43,"withHeadings":14},[2284,2285,2286,2287,2288,2289,2290,2291,2292],[805,806],[808,809],[811,812],[814,815],[817,818],[820,821],[823,824],[826,827],[829,830],{"id":832,"data":2294,"type":42},{"text":834,"level":242},{"id":836,"data":2296,"type":291},{"content":2297,"stretched":43,"withHeadings":14},[2298,2299,2300,2301,2302,2303,2304,2305,2306,2307],[840,841],[843,844],[846,847],[849,850],[852,853],[855,856],[858,859],[861,862],[864,865],[867,868],{"id":870,"data":2309,"type":42},{"text":872,"level":242},{"id":874,"data":2311,"type":340},{"steps":2312,"title":907,"orientation":339},[2313,2314,2315,2316,2317,2318,2319,2320,2321,2322],{"label":878,"description":879},{"label":881,"description":882},{"label":884,"description":885},{"label":887,"description":888},{"label":890,"description":891},{"label":893,"description":894},{"label":896,"description":897},{"label":899,"description":900},{"label":902,"description":903},{"label":905,"description":906},{"id":909,"data":2324,"type":42},{"text":911,"level":242},{"id":913,"data":2326,"type":218},{"text":915},{"id":917,"data":2328,"type":218},{"text":919},{"id":921,"data":2330,"type":218},{"text":923},{"id":925,"data":2332,"type":218},{"text":927},{"id":929,"data":2334,"type":218},{"text":931},{"id":933,"data":2336,"type":42},{"text":935,"level":242},{"id":937,"data":2338,"type":218},{"text":939},{"id":941,"data":2340,"type":218},{"text":943},{"id":945,"data":2342,"type":42},{"text":947,"level":242},{"id":949,"data":2344,"type":291},{"content":2345,"stretched":43,"withHeadings":14},[2346,2347,2348,2349,2350,2351,2352,2353,2354,2355,2356,2357,2358],[953,954],[956,957],[959,960],[962,963],[965,966],[968,969],[971,972],[974,975],[977,978],[980,981],[983,984],[986,987],[989,990],{"id":992,"data":2360,"type":42},{"text":994,"level":242},{"id":996,"data":2362,"type":218},{"text":998},{"id":1000,"data":2364,"type":218},{"text":1002},{"id":1004,"data":2366,"type":218},{"text":1006},{"id":1008,"data":2368,"type":42},{"text":1010,"level":242},{"id":1012,"data":2370,"type":218},{"text":1014},{"id":1016,"data":2372,"type":218},{"text":1018},{"id":1020,"data":2374,"type":1028},{"link":1022,"meta":2375},{"image":2376,"title":1026,"description":1027},{"url":1025},{"id":1030,"data":2378,"type":218},{"text":1032},{"id":1034,"data":2380,"type":42},{"text":1036,"level":242},{"id":1038,"data":2382,"type":1038},{"items":2383,"title":1065},[2384,2385,2386,2387,2388,2389],{"id":1042,"answer":1043,"question":1044},{"id":1046,"answer":1047,"question":1048},{"id":1050,"answer":1051,"question":1052},{"id":1054,"answer":1055,"question":1056},{"id":1058,"answer":1059,"question":1060},{"id":1062,"answer":1063,"question":1064},{"id":1067,"data":2391,"type":42},{"text":1069,"level":242},{"id":1071,"data":2393,"type":1071},{"title":1073,"entries":2394},[2395,2396,2397,2398,2399,2400,2401,2402],{"term":1076,"anchor":1077,"definition":1078},{"term":1080,"anchor":1081,"definition":1082},{"term":1084,"anchor":1085,"definition":1086},{"term":1088,"anchor":1089,"definition":1090},{"term":1092,"anchor":1093,"definition":1094},{"term":1096,"anchor":1097,"definition":1098},{"term":1100,"anchor":1101,"definition":1102},{"term":1104,"anchor":1105,"definition":1106},{"id":1108,"data":2404,"type":42},{"text":1110,"level":242},{"id":1112,"data":2406,"type":218},{"text":1114},{"id":1116,"data":2408,"type":1028},{"link":1118,"meta":2409},{"image":2410,"title":1121,"description":1122},{"url":1025},{"id":1124,"data":2412,"type":1028},{"link":1126,"meta":2413},{"image":2414,"title":1129,"description":1130},{"url":1025},{"id":1132,"data":2416,"type":1028},{"link":1134,"meta":2417},{"image":2418,"title":1137,"description":1138},{"url":1025},{"id":1140,"data":2420,"type":1028},{"link":1142,"meta":2421},{"image":2422,"title":1145,"description":1146},{"url":1025},{"id":1148,"data":2424,"type":1028},{"link":1150,"meta":2425},{"image":2426,"title":1153,"description":1154},{"url":1025},{"id":1156,"data":2428,"type":1028},{"link":1158,"meta":2429},{"image":2430,"title":1161,"description":1162},{"url":1025},{"id":1164,"data":2432,"type":1028},{"link":1166,"meta":2433},{"image":2434,"title":1169,"description":1170},{"url":1025},{"id":1172,"data":2436,"type":1028},{"link":1174,"meta":2437},{"image":2438,"title":1177,"description":1178},{"url":1025},{"id":1180,"data":2440,"type":1028},{"link":1182,"meta":2441},{"image":2442,"title":1185,"description":1186},{"url":1025},{"id":1188,"data":2444,"type":1028},{"link":1190,"meta":2445},{"image":2446,"title":1193,"description":1194},{"url":1025},{"id":1196,"data":2448,"type":1028},{"link":1198,"meta":2449},{"image":2450,"title":1201,"description":1202},{"url":1025},"Post erfolgreich abgerufen",{"items":2453,"source":2538,"manualIds":2539,"manualMatchedIds":2540},[2454,2461,2468,2475,2482,2489,2496,2503,2510,2517,2524,2531],{"id":2455,"slug":2456,"title":2457,"excerpt":2458,"featuredImage":2459,"publishedAt":2460},"483","what-is-an-ai-solution-architect-system-boundaries-responsibilities-and-trade-offs","Qu'est-ce qu'un architecte de solutions IA ? Limites du système, responsabilités et compromis","Un architecte de solutions d'IA transforme les exigences métier en un système d'IA prêt pour la production, couvrant les données, les modèles, les outils, la sécurité, l'exécution, l'évaluation et les opérations.","\u002Fuploads\u002F2026\u002F10\u002Fwhat-is-an-ai-solution-architect-system-boundaries-responsibilities-and-trade-offs-1791476643267-1st5xz.webp","2026-10-08T12:23:00.000Z",{"id":2462,"slug":2463,"title":2464,"excerpt":2465,"featuredImage":2466,"publishedAt":2467},"480","when-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger","Quand une IA devrait-elle cesser de faire confiance à ses propres connaissances ? — Le déclencheur de récupération","Un modèle d'IA n'a pas besoin de récupération pour chaque question. Le problème important est de savoir quand ses connaissances internes ne suffisent plus. Le Déclencheur de Récupération est une frontière de décision pratique qui détermine quand un système d'IA devrait cesser de se fier uniquement aux connaissances du modèle et obtenir des preuves externes avant de répondre.","\u002Fuploads\u002F2026\u002F09\u002Fwhen-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger-1790574991244-f4rpyg.webp","2026-09-28T01:49:00.000Z",{"id":2469,"slug":2470,"title":2471,"excerpt":2472,"featuredImage":2473,"publishedAt":2474},"490","rbac-vs-tenant-isolation-two-different-security-boundaries","RBAC vs isolation des locataires : deux frontières de sécurité différentes","Le RBAC contrôle ce qu’un utilisateur peut faire ; l’isolation des locataires contrôle à quelles ressources de locataire cette action peut accéder. Découvrez pourquoi la sécurité SaaS multi-locataires nécessite ces deux frontières.","\u002Fuploads\u002F2026\u002F10\u002Frbac-vs-tenant-isolation-two-different-security-boundaries-1791485111528-qqtzby.webp","2026-10-08T14:43:00.000Z",{"id":2476,"slug":2477,"title":2478,"excerpt":2479,"featuredImage":2480,"publishedAt":2481},"470","what-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","Que devrait mémoriser, oublier, recalculer ou récupérer à nouveau un agent IA ?","Les agents à exécution longue ne devraient pas tout retenir. Cet article propose un modèle de cycle de vie pratique pour décider de ce qui a sa place dans la mémoire durable, de ce qui devrait être récupéré à nouveau, de ce qu'il est plus sûr de recalculer et de ce qui devrait expirer ou être remplacé.","\u002Fuploads\u002F2026\u002F09\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again-1790351131087-iehz28.webp","2026-09-25T09:43:00.000Z",{"id":2483,"slug":2484,"title":2485,"excerpt":2486,"featuredImage":2487,"publishedAt":2488},"479","where-does-an-llm-get-its-data-rag-data-sources-in-python","D'où un LLM tire-t-il ses données ? Sources de données RAG en Python","Un LLM ne connaît pas magiquement vos fichiers, bases de données ou API. Cette suite pratique de la série sur le RAG montre, avec du Python simple, comment des données externes deviennent des preuves récupérables : des fichiers texte et du SQL à la recherche en texte intégral, aux embeddings, à l'assemblage du contexte et à l'appel final au LLM.","\u002Fuploads\u002F2026\u002F09\u002Fwhere-does-an-llm-get-its-data-rag-data-sources-in-python-1790517200521-nfsi5i.webp","2026-09-27T05:51:00.000Z",{"id":2490,"slug":2491,"title":2492,"excerpt":2493,"featuredImage":2494,"publishedAt":2495},"481","generative-ai-explained-models-retrieval-tools-and-applications-are-not-the-same-thing","L'IA générative expliquée : modèles, recherche, outils et applications ne sont pas la même chose","L'IA générative est plus qu'un modèle. Découvrez comment les modèles, la récupération, les outils, le contexte, les environnements d'exécution et les applications s'articulent dans les systèmes d'IA en production.","\u002Fuploads\u002F2026\u002F10\u002Fgenerative-ai-explained-models-retrieval-tools-and-applications-are-not-the-same-thing-1791475411822-pp0dvz.webp","2026-10-08T12:00:00.000Z",{"id":2497,"slug":2498,"title":2499,"excerpt":2500,"featuredImage":2501,"publishedAt":2502},"486","source-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from","Source de vérité dans les systèmes d’IA : d’où provient réellement une connaissance fiable","Une source de vérité définit quelle source fait autorité pour un fait ou un état spécifique. Découvrez en quoi elle diffère du RAG, de la provenance, de la mémoire, du contexte, des bases de données vectorielles et des systèmes d'enregistrement.","\u002Fuploads\u002F2026\u002F10\u002Fsource-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from-1791479103235-6bq9em.webp","2026-10-08T13:02:00.000Z",{"id":2504,"slug":2505,"title":2506,"excerpt":2507,"featuredImage":2508,"publishedAt":2509},"476","mcp-vs-a2a-vs-ucp-vs-ap2-vs-a2ui-the-agent-protocol-stack-explained","MCP vs A2A vs UCP vs AP2 vs A2UI : La pile de protocoles d'agent expliquée","MCP, A2A, UCP, AP2 et A2UI sont souvent présentés comme des standards d'agents concurrents. Ils résolvent principalement des problèmes d'interopérabilité différents. Ce guide associe chaque protocole à la frontière qu'il standardise réellement—et montre comment ils peuvent fonctionner ensemble dans un seul système de production.","\u002Fuploads\u002F2026\u002F09\u002Fmcp-vs-a2a-vs-ucp-vs-ap2-vs-a2ui-the-agent-protocol-stack-explained-1790352625869-2ezle0.webp","2026-09-25T12:09:00.000Z",{"id":2511,"slug":2512,"title":2513,"excerpt":2514,"featuredImage":2515,"publishedAt":2516},"495","sovereign-ai-control-of-models-data-infrastructure-and-dependencies","IA souveraine : contrôle des modèles, des données, des infrastructures et des dépendances","L'IA souveraine concerne le contrôle effectif sur les modèles, les données, l'infrastructure, les logiciels, les opérations et les dépendances stratégiques — et non simplement l'endroit où un modèle d'IA est hébergé.","\u002Fuploads\u002F2026\u002F10\u002Fsovereign-ai-control-of-models-data-infrastructure-and-dependencies-1791488833132-niy85x.webp","2026-10-08T15:45:00.000Z",{"id":2518,"slug":2519,"title":2520,"excerpt":2521,"featuredImage":2522,"publishedAt":2523},"489","agentic-ai-explained-when-an-ai-system-can-plan-use-tools-and-act","L'IA agentique expliquée : quand un système d'IA peut planifier, utiliser des outils et agir","L'IA agentique utilise des modèles au sein de boucles d'exécution multi-étapes où ils peuvent choisir des outils, observer les résultats, mettre à jour l'état et adapter leur action suivante dans des limites explicites d'exécution et de permissions.","\u002Fuploads\u002F2026\u002F10\u002Fagentic-ai-explained-when-an-ai-system-can-plan-use-tools-and-act-1791481499084-wnji2a.webp","2026-10-08T11:43:00.000Z",{"id":2525,"slug":2526,"title":2527,"excerpt":2528,"featuredImage":2529,"publishedAt":2530},"471","how-to-know-whether-an-ai-agent-actually-used-the-right-evidence","Comment savoir si un agent IA a réellement utilisé les bonnes preuves","Un agent IA peut citer des sources et tout de même utiliser les mauvais éléments de preuve. Cet article présente une méthode pratique pour vérifier le soutien des affirmations, l'autorité de la source, l'applicabilité, la provenance et si les éléments de preuve ont réellement influencé la réponse.","\u002Fuploads\u002F2026\u002F09\u002Fhow-to-know-whether-an-ai-agent-actually-used-the-right-evidence-1790351317188-o5z9ve.webp","2026-09-25T11:47:00.000Z",{"id":2532,"slug":2533,"title":2534,"excerpt":2535,"featuredImage":2536,"publishedAt":2537},"381","enterprise-grade-multi-tenant-architecture-for-an-international-platform","Enterprise-Grade Multi-Tenant Architecture for an International Platform","Loving Rocks is an enterprise-grade wedding platform designed with a true multi-tenant architecture, isolated databases per tenant, and built-in internationalization for global scalability, security, and long-term operational stability.","\u002Fuploads\u002F2026\u002F01\u002Fenterprise-grade-multi-tenant-architecture-for-an-international-platform-1769789121298-b6v7ak.webp","2026-01-30T12:04:00.000Z","fallback",[],[]]