Microsoft ajoute des graphes de connaissances et le modèle Microsoft-Retriever-1 à Foundry IQ, tandis qu'un service géré est annoncé en aperçu public pour décembre 2026. Ces ajouts visent à faciliter la création d'agents capables d'accéder aux données d'entreprise, de les comprendre et de raisonner sur elles. Les gains envisagés restent assortis de réserves sur la qualité des relations extraites, les dépenses et la dépendance technique.
Précision des graphes et prévisibilité des coûts
Le vocabulaire métier, les sigles ou les variations dans les noms peuvent induire l'extraction automatique en erreur et conduire les agents à des conclusions fausses, avertit Ashish Chaturvedi, responsable de la recherche chez HFS Research. Il considère l'exactitude des entités et de leurs relations comme le premier point de vigilance des graphes. Il recommande donc de contrôler leur correspondance avec les liens commerciaux réels, puis de les actualiser au rythme des changements documentaires.
Autre réserve de l'analyste : produire une réponse à partir d'un graphe peut être plus lent et plus coûteux qu'une recherche traditionnelle. Cette technique lui paraît davantage indiquée pour les demandes complexes que pour les consultations courantes. Avec Microsoft-Retriever-1, les recherches successives pourraient elles aussi augmenter les délais et les dépenses, chaque itération ajoutant des opérations de recherche et de traitement. Le bénéfice dépendrait donc de la capacité du modèle à s'arrêter une fois les éléments nécessaires réunis.
Ashish Chaturvedi conseille des essais sur les données propres à chaque entreprise : selon lui, Microsoft n'a pas fourni de comparatifs détaillés de performances. Il prévient aussi que les choix du modèle pourraient être moins faciles à examiner qu'un mécanisme de recherche programmé explicitement. L'analyste estime notamment que le recours par défaut à la technologie de récupération de Microsoft dans les nouveaux projets Foundry pourrait accentuer la dépendance des entreprises à son égard.
Stephanie Walter, responsable de la pratique consacrée à la pile IA chez HyperFrame Research, avertit pour sa part qu'une consommation continue par les agents pourrait rendre les factures moins prévisibles. Elle préconise des plafonds budgétaires ainsi que des règles déterminant quels projets peuvent utiliser le service.
Les graphes relient les informations entre documents
Annoncée pendant Microsoft Ignite, la fonction de graphe est déjà accessible en aperçu public. Les développeurs peuvent joindre à une source de connaissances existante une configuration comprenant leur ontologie ou importer un graphe déjà constitué. Microsoft indique que Foundry IQ s'appuie sur cette ontologie pour associer documents, contacts et informations, en conservant la provenance de chaque liaison.
Selon Microsoft, ces liens entre entités et faits, ainsi que le classement des contenus par sujets, doivent aider les agents à traiter une demande mobilisant plusieurs sources.
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
Ashish Chaturvedi illustre la différence avec une réglementation susceptible d'affecter certains produits. Une recherche traditionnelle trouve, selon lui, des documents proches de la demande sans parcourir leurs liens : elle peut restituer la règle et des textes qui la mentionnent, mais laisse au développeur le rapprochement entre réglementation, fournisseur et produit. Avec un graphe, explique-t-il, l'agent peut parcourir ces relations et en citer les étapes, avec moins d'assemblage manuel et de programmation spécifique.
L'analyste estime qu'un contexte documentaire plus complet pourrait améliorer les décisions et la fiabilité d'exécution des processus complexes. Il cite comme débouchés possibles la conformité réglementaire, les risques d'approvisionnement, l'examen des contrats et les vérifications préalables aux opérations de fusion ou d'acquisition.
Le modèle choisit comment poursuivre les recherches
Avec son modèle spécialisé, Microsoft cherche à limiter les recherches et le recours aux grands modèles de langage pour en organiser le déroulement. La baisse de la latence et du nombre de jetons consommés constitue un objectif annoncé, non un résultat chiffré. Selon l'entreprise, Microsoft-Retriever-1 interprète la demande, la reformule avec les termes présents dans les documents internes et décide si d'autres recherches sont requises.
Microsoft précise que l'activation est possible sur les index et les bases de connaissances déjà en place, sans provisionnement supplémentaire ni nouvelle indexation des documents. Stephanie Walter estime que le modèle pourrait alléger le code nécessaire lorsque les agents interrogent plusieurs sources internes. Elle lui attribue les décisions sur l'endroit où chercher, la demande suivante et le moment où les preuves sont suffisantes, plutôt que de laisser ces choix à une logique écrite manuellement.
Pour l'analyste, confier la récupération à un modèle spécialisé plutôt que solliciter systématiquement de grands modèles généralistes pourrait diminuer les coûts et améliorer la réactivité. Ces économies éventuelles rendraient le déploiement d'agents financièrement envisageable dans un éventail plus large de processus.
Le service géré équipera chaque nouveau projet
Prévu en aperçu public pour décembre 2026, le dispositif créera automatiquement une ressource Foundry IQ gérée pour tout nouveau projet Foundry. Microsoft annonce qu'il prendra en charge l'infrastructure nécessaire à la récupération avec une facturation sans serveur liée à la consommation. Il ne serait alors plus nécessaire de créer et d'administrer séparément une ressource Azure AI Search pour constituer les bases de connaissances et connecter les agents aux informations internes.
Ashish Chaturvedi rappelle que ce travail suppose habituellement de mettre en place un service de recherche, de raccorder les sources puis de paramétrer les index avant de commencer le développement proprement dit. Il estime que la préparation automatique de l'infrastructure réduirait ces tâches et autoriserait un prototypage immédiat, payé selon l'usage.
Pour Ashish Chaturvedi, démarrer les projets avec un service commun pourrait aussi homogénéiser l'accès à l'information et sa gouvernance. Les directions informatiques auraient moins de configurations internes distinctes à protéger et à entretenir. Il estime enfin que l'expérimentation pourrait coûter moins cher puisque les projets inutilisés n'auraient pas à supporter de dépenses d'infrastructure permanentes.






