L’émergence des grands modèles de langage (LLMs) et des systèmes d’IA agentique transforme en profondeur la manière dont les workflows complexes sont conçus et pilotés. Contrairement aux approches traditionnelles d’orchestration centralisée, les workflows modernes doivent intégrer des agents autonomes et distribués, opérant à travers le cloud, l’edge et les environnements locaux. Ces agents collaborent avec des humains et d’autres systèmes, s’adaptent à des objectifs évolutifs, et franchissent des frontières organisationnelles et de confiance. Ce changement de paradigme est particulièrement pertinent dans des domaines comme la cybersécurité ou la réponse d’urgence en santé, où les workflows doivent être construits et exécutés dynamiquement dans des contextes incertains. Dans de tels environnements, l’automatisation rigide est insuffisante : les workflows agentiques nécessitent une orchestration décentralisée, sécurisée et traçable.
Cette thèse explore comment rendre de tels systèmes possibles, en posant la question : comment assurer une orchestration distribuée, sécurisée et auditable dans des environnements où l’IA agentique opère de manière autonome ? Elle proposera un cadre formel de modélisation des workflows agentiques distribués, des protocoles de coordination traçable et respectueuse de la vie privée, ainsi qu’une architecture de référence illustrée par des cas d’usage réels en cybersécurité et en santé.