Block opère Buzz, un espace open source où employés et agents IA travaillent ensemble. Relié à Databricks Unity Gateway, l’outil donne accès, via une seule intégration, à des modèles de OpenAI, Anthropic, Google et à des poids ouverts. L’entreprise teste des équipes d’agents coordonnées par un modèle plus capable pour équilibrer coût et performance.
Des combinaisons d’agents testées pour coût et performance
Block a expérimenté des flux de travail impliquant plusieurs agents pour comparer l’impact de différentes paires modèles–harnachements sur la performance et le coût. Parmi les méthodes évaluées, des ingénieurs ont essayé un schéma où un modèle plus capable coordonne des agents reposant sur des modèles plus petits et plus efficaces. D’après les ingénieurs de Block, il n’est pas nécessaire d’utiliser le modèle le plus onéreux à chaque étape d’une tâche complexe. Un agent chargé de la coordination peut s’occuper des segments les plus complexes, tandis que d’autres agents s’occupent de sous-tâches correspondant à leurs propres aptitudes. Block a aussi développé une méthode interne pour évaluer les équipes d’agents, dans le but d’analyser différentes configurations. Cette approche marque une évolution, privilégiant l’association de modèles, de harnachements et d’agents pour réaliser les tâches de façon efficace, plutôt que de miser sur un seul modèle.
Un espace partagé où humains et agents co-travaillent
Buzz réunit employés et agents IA dans un même espace de travail pour échanger des informations, ajouter du contexte et collaborer sur des tâches. L’outil permet des discussions de groupe, des conversations focalisées et des échanges en tête-à-tête. Un employé peut, par exemple, solliciter un agent pour du code ou de l’analyse, pendant que des collègues relisent, complètent ou posent des questions. Les interactions entre agents peuvent se dérouler au vu des participants dans cet environnement, ce qui facilite l’intervention des personnes dans le fil du travail. De nombreux employés de Block intègrent ainsi des agents directement dans les conversations où la collaboration avec leurs collègues est déjà engagée.
Vous voulez les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Accès unifié aux modèles via Databricks Unity Gateway
Au sein de Block, Buzz se connecte à Databricks Unity Gateway afin d’offrir, grâce à une intégration unique, l’accès à un vaste éventail de modèles. Lorsqu’ils créent un agent, les utilisateurs ont la possibilité de choisir Databricks comme service d’inférence et de sélectionner des modèles issus d’OpenAI, Anthropic, Google ou encore certains modèles à poids ouverts. Grâce à cette interface d’accès centralisée, il devient possible de tester et d’adapter le modèle choisi selon les besoins des tâches. Cette flexibilité est jugée importante à mesure que de nouveaux modèles apparaissent et que les équipes identifient les plus adaptés.
Création d’agents spécialisés et choix par tâche
Buzz laisse aux utilisateurs la main sur le modèle ou le harnachement qui sous-tend chaque agent, en fonction de la nature de la tâche. Plutôt que d’imposer un modèle unique, l’approche permet de composer une collection d’agents spécialisés, chacun optimisé pour un usage, et de les réunir dans un même fil de travail. Les équipes n’ont pas à basculer entre outils distincts pour coopérer avec plusieurs agents. Chez Block, cette souplesse est mise à profit pour le codage, l’analyse et d’autres besoins quotidiens, répondant à une demande de collaboration avec des agents dans le même cadre que le travail habituel.
Open source, agnostique et auto-hébergeable
Buzz inclut un agent natif basé sur une version allégée de Goose et prend en charge d’autres harnachements de codage et outils. Le projet est open source et n’est pas lié à un modèle spécifique, ce qui élargit les options d’intégration. Il peut être auto-hébergé pour fonctionner de manière privée sur une infrastructure interne, offrant aux organisations des modalités de déploiement et de configuration adaptées à leurs contraintes.
