Poser les fondations avant de déployer
Déployer de l'IA en entreprise sans architecture préalable, c'est accumuler de la dette technique à vitesse accélérée. Salesforce a formalisé cette conviction dans une cartographie destinée aux architectes d'entreprise : un schéma qui structure le chemin des données brutes jusqu'aux résultats métier mesurables, en passant par des couches de gouvernance, de sécurité et de supervision humaine. Ce référentiel méthodologique s'avère utile bien au-delà de l'écosystème Salesforce — ses principes résonnent directement avec les pratiques de déploiement responsable dans Azure et Microsoft 365.
Du Data Cloud aux résultats métier : le pipeline central
Le pipeline décrit par Salesforce suit une logique séquentielle rigoureuse. Chaque brique prépare le terrain pour la suivante.
Salesforce Data Cloud constitue le point d'entrée : profils clients unifiés, données externes, contenus non structurés et articles de base de connaissances forment le corpus sur lequel repose l'ensemble du système.
Vient ensuite le RAG (Retrieval Augmented Generation), qui exploite la recherche vectorielle et sémantique pour ancrer les réponses des modèles dans un contexte factuel vérifiable — et réduire significativement les hallucinations.
Les agents IA — Einstein Copilot et des agents personnalisés — s'appuient sur ce substrat pour exécuter des compétences et traiter des sujets définis. L'orchestration coordonne les enchaînements entre agents, gère le contexte conversationnel et détermine les points d'intervention humaine.
MCP : un standard d'intégration à surveiller
Le schéma introduit le MCP (Model Context Protocol), un protocole d'interfaces standardisées permettant d'invoquer des actions via API REST avec accès sécurisé. Cette approche de découplage facilite l'intégration d'outils tiers sans dépendance forte à la plateforme sous-jacente.
La passerelle IA et le routage de modèles assurent ensuite l'application des politiques, la limitation des coûts et les filtres de sécurité. C'est également à ce niveau que s'active le BYOM (Bring Your Own Model) : les équipes peuvent brancher des LLM externes tels qu'AWS Bedrock ou Azure OpenAI sans reconstruire l'architecture.
Les résultats attendus couvrent trois axes : valeur du Customer 360, productivité des collaborateurs, et optimisation des coûts combinée à la croissance.
La gouvernance comme couche transversale, pas comme afterthought
Le Salesforce Trust Layer coiffe l'ensemble du schéma. Il ne s'agit pas d'une couche additionnelle optionnelle, mais d'un prérequis architectural. Ses composants incluent :
- Inventaire des modèles et gestion des risques associés
- Approbation des cas d'usage avant mise en production
- Politiques et standards d'IA appliqués de manière centralisée
- Explicabilité via Einstein Trust pour justifier les décisions automatisées
- Gouvernance des données conforme aux réglementations (RGPD, HIPAA)
- Défense contre l'injection de prompt et prévention des fuites de données
- Auditabilité complète du cycle de vie des modèles
La conformité ne se configure pas en fin de projet
Intégrer le RGPD ou HIPAA après coup dans un pipeline IA entraîne quasi systématiquement une refonte partielle. Ces contraintes doivent être posées dès la phase de conception de l'architecture de données.
Cette transversalité est également le principe central de Microsoft Responsible AI, qui impose des garde-fous similaires dans les déploiements Azure AI et Copilot for Microsoft 365.
Les piliers opérationnels : sécurité, qualité, observabilité
La base du schéma détaille six domaines opérationnels sans lesquels aucun pipeline IA ne tient en production.
| Domaine | Composants clés | Objectif |
|---|---|---|
| Sécurité et identité | Zero Trust, IAM/RBAC/ABAC, chiffrement Shield | Contrôle d'accès granulaire et protection des données |
| Garde-fous | Filtrage de contenu, détection de toxicité, contrôles de risque | Limiter les sorties non conformes ou nuisibles |
| Évaluation et qualité | Jeux de données de référence, évaluations automatisées, contrôles d'hallucination | Mesurer et maintenir la fiabilité des réponses |
| Observabilité et monitoring | Logs, performance des modèles, alertes d'anomalie | Détecter les dérives et les incidents en temps réel |
| FinOps | Visibilité des coûts, refacturation par département | Maîtriser les dépenses liées aux appels de modèles |
| Human-in-the-Loop | Circuits d'approbation, supervision humaine | Maintenir le contrôle sur les décisions à fort impact |
Le domaine FinOps mérite une attention particulière : les coûts d'inférence LLM peuvent surprendre à l'échelle. Mettre en place la refacturation par équipe ou par cas d'usage dès le départ évite des surprises budgétaires au moment du passage à l'échelle.
Le circuit de décision pour les actions à fort impact
L'un des apports les plus concrets de ce schéma est la formalisation du flux de validation pour les actions critiques. Le séquençage proposé est le suivant :
Recommandation de l'IA
L'agent IA analyse le contexte et formule une recommandation d'action basée sur les données disponibles et les politiques configurées.
Validation par la politique
La politique d'entreprise — encodée dans le Trust Layer — évalue automatiquement si l'action respecte les règles de gouvernance définies (périmètre, conformité, seuil de risque).
Approbation humaine
Pour les actions dépassant un seuil de risque défini, un opérateur humain reçoit une demande d'approbation explicite avant toute exécution.
Exécution et audit
Après approbation, le système exécute l'action et enregistre l'ensemble du traçage dans l'Audit Trail : qui a approuvé, quand, sur quelle base.
Principe applicable hors Salesforce
Ce circuit de validation s'applique directement aux workflows Power Automate avec approbations, aux agents Copilot Studio et aux pipelines Azure Logic Apps. Le principe Human-in-the-Loop n'est pas spécifique à Salesforce.
Les fondations de la plateforme : ce qui rend le tout scalable
Salesforce décrit sa plateforme sous-jacente comme reposant sur quatre propriétés structurantes :
- Pilotée par les métadonnées : les configurations se propagent sans redéploiement de code
- Orientée API : chaque brique s'intègre sans couplage fort
- Scalable : la montée en charge ne nécessite pas de refonte architecturale
- Gouvernée : les politiques s'appliquent de manière uniforme quel que soit le point d'entrée
Ces propriétés ne sont pas des arguments marketing. Elles conditionnent la capacité à faire évoluer le système au rythme des nouvelles capacités des LLM — qui, en 2024-2025, se succèdent à cadence trimestrielle.
Points clés à retenir
Cette cartographie Salesforce dépasse le cadre d'un seul éditeur. Elle formalise un ensemble de principes applicables à tout déploiement IA d'entreprise, quelle que soit la stack technologique :
- La gouvernance s'intègre dès la conception, pas après validation du prototype.
- Le RAG ancre les réponses dans des données vérifiables et réduit les hallucinations sans nécessiter de fine-tuning coûteux.
- Le MCP et les interfaces standardisées permettent d'intégrer des LLM externes sans dépendance à un fournisseur unique.
- Le FinOps IA est non négociable dès que plusieurs équipes partagent le même pipeline.
- La supervision humaine pour les actions critiques n'est pas un frein à la productivité — c'est le mécanisme qui permet d'étendre la confiance accordée au système.
Pour les architectes qui opèrent simultanément sur Salesforce, Azure et Microsoft 365, ce schéma constitue un socle méthodologique commun : les noms de composants changent, les principes restent.
