L'intégration intelligente : Quand vos flux de données deviennent autonomes

L'intégration de systèmes fonctionne depuis 20 ans avec des patterns éprouvés. Mais un goulot persiste : l'humain dans la boucle. Celui qui valide un PDF, trie un email, approuve une facture. Et si un agent IA pouvait prendre le relais dans vos workflows existants ? Et si l'IA pouvait aussi créer de nouvelles intégrations, voire rendre vos logiciels métier extensibles par leurs utilisateurs ?

Dans ce talk, on explore trois niveaux d'autonomie pour l'intégration : assistée, déléguée, et autonome. Avec des exemples concrets autour d'Apache Camel.

Transcript

1. L’intégration intelligente Quand vos flux de données deviennent autonomes De l'intégration classique à l'intégration agentique Zineb Bendhiba — 2026
2. Zineb Bendhiba zbendhiba @ZinebBendhiba @zinebbendhiba.com zinebbendhiba.com Principal Software Engineer @ IBM / Red Hat Apache Camel PMC member Camel Quarkus maintainer Contributor : Quarkus, Kaoto, Wanaku, Camel AI Duchess France alumna
3. L’intégration, ça marche. Depuis 20 ans, on connecte des systèmes avec des patterns éprouvés. 📨 Messaging 🔄 Transformation 🛣️ Routing 🔗 Connecteurs Enterprise Integration Patterns — Apache Camel — ...
4. Un workflow d’intégration classique 📥 Réception email / API / fichier 🔄 Transformation mapping, format ✅ Validation règles métier 🛣️ Routage conditions 📤 Livraison DB / API / queue 🔔 Notification email / alert Tout est automatisé, prévisible, fiable. Jusqu'au moment où un humain doit intervenir...
5. Le goulot d’étranglement humain 📥 Données entrantes 🔄 Traitement automatique 👤 ACTION HUMAINE 📤 Suite du workflow Le workflow est bloqué L'humain fait un travail répétitif
6. Quelles tâches humaines bloquent vos workflows ? 📋 Validation de formulaires 🔍 Analyse de logs 📄 Classification de contenu ✅ Approbation de données 🧾 Extraction d'information 💬 Analyse de sentiment
7. Use case 1 : Débloquer les workflows avec l’IA Remplacer le goulot humain par un agent IA dans le flux cas complexe 📥 Données entrantes 🔄 Traitement automatique 🤖 AGENT IA Analyse & Décide 📤 Suite du workflow 👤 Escalade humaine Temps de traitement : minutes → secondes Disponible 24/7 Escalade humaine quand nécessaire
8. Exemple concret Avant : Un agent support lit chaque ticket, évalue l'urgence, identifie le sujet, et route vers la bonne équipe. ~10 min/ticket Après : Un agent IA comprend le texte libre, détecte le sentiment, classifie la sévérité et route automatiquement. L'humain gère les cas ambigus. ~3 sec/ticket L'IA ne remplace pas l'humain. Elle libère l'humain pour les décisions qui comptent vraiment. Analyse de tickets support # Route Camel + OpenAI structured output - route: from: uri: jira:newTickets steps: - setBody: simple: "Analyse ce ticket support. Classifie la sévérité (P1-P4), identifie le sujet, détecte le sentiment client." - to: uri: openai:chat-completion parameters: jsonSchema: > resource:classpath: ticket-triage.schema.json - choice: when: - jsonpath: $[?(@.severity == 'P1')] steps: - to: slack:urgent-support - jsonpath: $[?(@.severity == 'P2')] steps: - to: jira:team-backend otherwise:
9. L’IA peut raisonner dans vos workflows. Mais peut-elle aussi les créer ?
10. Créer : l’IA comme développeur d’intégrations Et si un agent IA pouvait concevoir vos workflows d'intégration ? 💬 Décrire 🔍 Chercher ⚡ Générer
11. Exemple : le Camel MCP Server Interroge le catalogue Retourne composants, options, exemples Génère une route Camel valide Valide les routes avant exécution Compatible tout client MCP MCP Génère 🤖 Agent IA Claude Code / Codex / ... 🐪 Camel MCP Server 📚 Catalogue 300+ composants 📖 Documentation & exemples ✅ Validation des routes 📄 Route Came valide
12. On peut aller encore plus loin. L'IA crée des workflows pour les développeurs. Et si elle pouvait aussi rendre les logiciels métier extensibles par leurs utilisateurs ?
13. Les logiciels métier cachent de l’intégration Ce que l'utilisateur voit : 📝 Formulaire de demande ↓ ✅ Approbation manager ↓ 📧 Notification email ↓ 📊 Mise à jour du dashboard Ce qui tourne vraiment : 📥 HTTP endpoint + validation ↓ 🔄 Workflow engine + routing ↓ 📨 SMTP connector ↓ 🔗 REST API call + DB write Le problème ? Ces workflows sont figés. Ajouter une intégration = développement custom.
14. Use case 2 : Rendre les workflows configurables par l’IA Des agents IA qui configurent et étendent les workflows automatiquement 🛠️ Agent Configurateur 🧠 Agent Développeur
15. MCP : Le pont entre les agents IA et vos systèmes Langage naturel MCP MCP MCP MCP MCP 👤 Utilisateur métier 🤖 Agent IA 📧 Connecteur Email 📊 Connecteur DB ☁️ Connecteur Cloud 📡 Connecteur AP 🆕 Nouveau connecteur généré par l'IA MCP = Model Context Protocol — conçu pour les devs, utile pour tous
16. L’intégration autonome en action MCP Servers Couche IA Logiciel métier Je veux connecter X Existe ? Oui Configure A2A Non Comment coder ? Couche bas niveau Couche bas niveau Crée le connecteur Interface utilisateur Workflow Engine Intégrations existantes 🤖 Agent Configurateur 🤖 Agent Codeur 🔌 MCP interne conventions du logiciel 🐪 Camel MCP Server 🔧 Autres MCP Servers
17. La vision : l’intégration à 3 niveaux d’autonomie 🔧 Niveau 1 Assisté 🤖 Niveau 2 Délégué 🧠 Niveau 3 Autonome
18. Les défis à relever 🔒 Sécurité & Gouvernance 🎯 Context engineering 🤝 Human in the loop 📏 Standardisation
19. Ce qui existe déjà aujourd’hui Apache Camel + composants OpenAI / LangChain4j = IA dans vos workflows Apache Camel comme pont entre vos process existants et des agents externes Camel MCP Server = l'IA crée et valide vos routes d'intégration Kaoto Editor pour visualiser et éditer les routes générées Tout est open source — prêt à expérimenter
20. Merci ! L'intégration n'est pas morte. Elle devient intelligente et autonome. X @ZinebBendhiba Bluesky @zinebbendhiba.com Web zinebbendhiba.com Questions ?