Microsoft Foundry transforme les appels API de modèles en opérations d’IA gérées.
Microsoft Foundry transforme les appels API uniques de modèles en opérations gérées : catalogues de modèles, agents, RBAC, suivi, observabilité et évaluation en un seul endroit.
Sources: Why Use Microsoft Foundry: From Model API Calls to Enterprise AI Operations
De l’utilisation d’un modèle POST aux opérations d’IA d’entreprise
Une seule réponse de chat peut répondre à une demande. Elle ne permettra pas de gérer un grand catalogue de modèles, de piloter des agents à plusieurs étapes, d’appliquer un contrôle d’accès au niveau de l’équipe, d’enregistrer chaque appel à une outil, ni de bloquer les mises en production en fonction de contrôles de qualité. L’écart entre une réponse ponctuelle et un système pouvant être exploité à l’échelle de l’entreprise est précisément ce que vise à combler une plateforme Azure AI unifiée.
Microsoft Foundry (ainsi que l’ensemble de la stack Azure AI associée) a pour objectif de transformer des expériences fragmentées avec les LLM en systèmes gérés, observables et adaptés à la production. La valeur réside non pas dans un simple wrapper SDK, mais dans le modèle opérationnel : catalogues, déploiements, gestion des identités, suivi, évaluation et interconnexion des agents sous un même toit.
Que vous apporte réellement « l’appel à l’API »
Les appels directs au fournisseur conviennent bien pour les prototypes :
| Dimension | Previous | Current |
| - - | - - | - - |
| Brand | Azure AI Studio / Azure AI Foundry | Microsoft Foundry |
| Brand | Azure AI Services | Foundry Tools |
| Agent API | Assistants API (Agents v0.5/v1) | Responses API (Agents v2) |
| API versioning | Monthly `api-version` params | v1 stable routes (`/openai/v1/`) |
| Resource model | Hub + Azure OpenAI + Azure AI Services | Foundry resource (single, with projects) |
| SDKs & endpoints | Multiple packages against 5+ endpoints | Unified project client (`azure-ai-projects` 2.x) + `OpenAI()` against one project endpoint |
| Surface | Best for |
| - - | - - |
| Foundry portal | Exploring models, prototyping prompts, building prompt agents without code. |
| SDKs (Python, C#, JavaScript, Java) | Building applications with `azure-ai-projects` 2.x and `OpenAI()` against one project endpoint. |
| Azure Developer CLI (azd) | Scaffolding, running, testing, and deploying hosted agent projects from the command line. |
| VS Code extension | Building and debugging agents in your editor. |
| Foundry Skill + MCP | Driving Foundry from coding agents (GitHub Copilot, Claude Code). |
| Dimension | Azure OpenAI / Raw API | Microsoft Foundry |
| - - | - - | - - |
| Scope | Model inference (GPT and OpenAI models) | Full AI lifecycle: models, agents, tools, eval, governance |
| Model catalog | OpenAI models only | 10,000+ models from multiple providers |
| Agent orchestration | Roll your own (LangChain, custom code) | Built-in prompt agents and hosted agents |
| Observability | Application Insights (manual setup) | Built-in tracing, evaluation, dashboards |
| Governance | Per-resource RBAC | Unified RBAC, Entra, content filters, Azure Policy |
| API stability | Monthly `api-version` changes | v1 stable routes (`/openai/v1/`) |
| Best for | Single-model, latency-critical, stable apps | Multi-model, agentic, governed, evolving AI products |
Ils échouent aux tests de production lorsque vous avez besoin de :
- des noms de déploiement cohérents dans tous les environnements
- une isolation réseau et des points de terminaison privés
- des quotas par équipe ainsi qu’une attribution des coûts
- des traces d’appels aux outils que la sécurité peut auditer
- des contrôles d’évaluation avant qu’un changement ne parvienne aux clients
Les couches opérationnelles de Foundry
Pensez en termes de couches plutôt que de fonctionnalités :
- Catalogue de modèles et déploiements — sélectionnez, versionnez et identifiez les modèles au lieu d’encoder manuellement des noms de base dans le code de l’application.
- Interface d’agent/orchestration — associez des outils, des sources de connaissances et des instructions dotées d’une identité fiable.
- Identité et RBAC — identités gérées et rôles à privilèges limités au lieu de clés divulguées sur des ordinateurs portables.
Lorsque Foundry est le choix idéal
Optez pour cette plateforme lorsque plusieurs équipes doivent partager des modèles, lorsque la résidence des données est importante, lorsque des agents appellent des outils qui manipulent des données clients, ou encore lorsque le service financier a besoin d’une seule facture avec attribution claire. Préférez les API brutes tant que vous explorez encore si le produit correspond au marché, et lorsque l’expérience se limite à un ingénieur et un notebook.
Habitudes de migration qui évitent les problèmes
- Tenez pour règle absolue dans chaque client que le nom de déploiement ≠ le nom du modèle.
- Mettez les secrets dans Key Vault / l’identité gérée dès le début — même pour des démonstrations qui « ne dureront pas ».
Conclusion
L’IA d’entreprise est un problème opérationnel déguisé en modèle. L’approche de Foundry consiste à rendre ces aspects opérationnels de première classe : catalogues, agents, identité, traçabilité et évaluation. L’utiliser lorsque ces aspects font déjà partie du plan d’action — et non comme une plateforme décorative pour une boîte de dialogue basique.
Liste de contrôle opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir rempli d’éléments obsolètes sans identification.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Checklist opérationnelle : désigner des responsables pour les déploiements de modèles, les instructions des agents et les ensembles de données d’évaluation. Sans responsables, le catalogue se transforme en un tiroir à ordures non étiqueté rempli d’extrémités obsolètes.
Ajoutez un examen hebdomadaire des déploiements orphelins et des points de terminaison d’agent non utilisés. L’éparpillement de la plateforme est le moyen par lequel les équipes recréent les expériences fragmentées que Foundry était censé remplacer.
Ajoutez un examen hebdomadaire des déploiements orphelins et des points de terminaison d’agent non utilisés. L’éparpillement de la plateforme est le moyen par lequel les équipes recréent les expériences fragmentées que Foundry était censé remplacer.