How to Build and Evaluate Agentic AI Workflows with FloTorch

How to Build and Evaluate Agentic AI Workflows with FloTorch

par Dr. Hemant Joshi

Sciences appliquées & ingénierie IA — Actualité & Applications UYInformatiqueUYQIntelligence artificielle (IA)
🎙 Dr. Hemant Joshi 👥 5K 📅 24 octobre 2025 ⏱ 85 min 👁 85 📄 tutoriel 🧭 2026-08-15
Disponible en : Français (actuel) English

Mots-clés

agentic workflowAI gatewayRAGobservabilitécoût

Résumé

Cette session, enregistrée lors du MLOps World | GenAI Summit 2025, présente FloTorch, une passerelle d’IA (AI Gateway) conçue pour construire, évaluer et déployer des workflows d’IA agentique à l’échelle de l’entreprise. L’orateur, Dr. Hemant Joshi, CTO de FloTorch, commence par contextualiser les défis des projets GenAI : délai de mise sur le marché, coût total de possession (TCO) et passage à l’échelle. Il introduit ensuite la philosophie ‘BEADS’ (Build, Execute, Evaluate, Deploy, Scale) de FloTorch. La majeure partie de la session est un tutoriel pratique : les participants sont invités à créer un compte sur FloTorch, à générer une clé API, puis à exécuter deux notebooks Google Colab. Le premier notebook illustre un exemple simple de RAG (Retrieval-Augmented Generation). Le second démontre la création d’un agent avec des outils locaux et l’utilisation de l’Agent Development Kit (ADK) de Google. L’orateur insiste sur l’importance de l’évaluation (précision, coût, latence), de l’observabilité (traces, waterfall) et de la gouvernance (gardrails, sécurité). Il compare l’approche FloTorch à une intégration directe avec l’API Gemini, montrant que FloTorch ajoute des fonctionnalités comme le routage intelligent, la mise en cache et la gestion centralisée des modèles. La session se termine par une démonstration du tableau de bord de FloTorch montrant les métriques de coût, de latence et les économies réalisées grâce au caching et au routage.

220 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur principale de cette vidéo réside dans sa démonstration pratique de la construction d’un workflow d’IA agentique à l’aide d’un outil commercial. L’orateur explique clairement les concepts de RAG, d’agents, d’évaluation et d’observabilité, et les illustre par des exemples de code concrets. L’argumentation est structurée autour des défis réels rencontrés par les entreprises (coût, scalabilité, gouvernance) et propose FloTorch comme solution. Cependant, la présentation est fortement orientée vers la promotion du produit, et les avantages de FloTorch par rapport à d’autres solutions ne sont pas comparés de manière objective. Les démonstrations sont convaincantes mais reposent sur l’écosystème FloTorch, ce qui limite la portée générale des conseils.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne. L’orateur cite une enquête AWS portant sur plus de 9 000 entreprises, mais sans référence précise. Les concepts techniques (RAG, évaluation, observabilité) sont présentés correctement, mais sans approfondissement théorique. Les sources citées se limitent au site de FloTorch et à la conférence MLOps World. Le titre est fidèle au contenu, qui est un tutoriel pratique sur FloTorch. La qualité des sources est donc limitée par le caractère promotionnel de la présentation.

198 mots

Adéquation titre / contenu

Le titre correspond bien au contenu : construction et évaluation de workflows d'IA agentique avec FloTorch.

Qualité & fiabilité

7/10

Présentation d'un produit commercial (FloTorch) avec démonstrations pratiques. Les concepts techniques (RAG, agents, évaluation) sont corrects, mais la source est principalement promotionnelle et non indépendante.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

Sources concordantes

  • Documentation FloTorch — Documentation officielle du produit présenté

Apport & nouveautés

La vidéo apporte une démonstration pratique de l’utilisation d’une passerelle d’IA (AI Gateway) pour orchestrer des workflows agentiques, avec un accent sur l’évaluation et l’observabilité. Elle montre comment intégrer des outils comme Google ADK et gérer des modèles de manière centralisée. L’originalité réside dans l’approche ‘gateway’ qui simplifie le déploiement et la gestion des coûts.

Pour aller plus loin :

  • Retrieval-Augmented Generation (RAG) — Concept clé abordé dans la vidéo.
  • Agent Development Kit (ADK) de Google — Outil utilisé pour la démonstration.
  • Observabilité en informatique — Notion centrale pour la surveillance des systèmes.

93 mots

Profil radar

Le profil radar montre des scores équilibrés, avec une légère prédominance de la quantité d'information et du niveau technique. La fiabilité est correcte mais pourrait être améliorée par des sources plus indépendantes.

Fiabilité 6/10