Session

02/10/2026 : 15h45 - 17h30 | Workshop | Keurcien Luu

Pendant plusieurs mois, j’ai développé auxilia, une plateforme d’agents MCP.

En l’utilisant chez Choose, je suis tombé sur une limite du protocole MCP, toute la donnée transite par le contexte du modèle.

Dès qu’on touche à de vrais volumes, un résultat BigQuery, un Google Sheets de quelques milliers de lignes, un fichier intermédiaire à rapprocher d’un autre, on sature rapidement le contexte.

C’est ce qui m’a poussé à regarder du côté des coding agents.

Et à constater au passage un malentendu : coding agent ne veut pas dire agent qui code à la place du dev.

Un coding agent, c’est d’abord un agent avec un environnement d’exécution.

C’est ça qui débloque les cas d’usage métiers — extraire, transformer, recouper, rapprocher — toutes ces tâches qui demandent un peu d’intelligence (mais pas trop) et beaucoup de données.

Aujourd’hui, la plupart des équipes utilise Claude Code en assistant local.

Or ce qu’on veut souvent en entreprise, c’est l’inverse : des agents partagés, scopés à une tâche métier précise, déclenchables par n’importe qui dans l’équipe.

Pas un agent généraliste qui fait tout (nanobot, openclaw, et compagnie), mais des agents au périmètre étroit, qui font une chose qu’aucun script déterministe ne saurait gérer proprement.

Cette année, deux briques ont rendu ça réaliste à mettre en prod : DeepAgents et OpenSandbox.

Pour exécuter du code en environnement isolé, sur votre propre infra, sans dépendre d’un SaaS externe.

Combinées, elles permettent de construire des systèmes agentiques au niveau des meilleurs outils de coding agentique du marché, tout en gardant la donnée chez soi.

Workshop
Data & AI