Centaur, le runtime open source d’agents IA collaboratifs conçu pour les équipes

Ses caractéristiques principales incluent :

• Collaboration multijoueur : plusieurs utilisateurs peuvent interagir avec le même agent et les mêmes outils.
• Interface native Slack : les agents peuvent être appelés directement dans des conversations Slack.
• Accès via API : les entreprises peuvent intégrer les agents dans leurs systèmes existants.
• Déploiement auto‑hébergé : l’exécution se fait dans l’infrastructure de l’organisation plutôt que sur un service externe.

La plateforme agit comme un plan de contrôle pour agents IA : elle orchestre l’exécution des tâches, la mémoire persistante, l’accès aux outils internes et la gestion des workflows afin que les agents puissent accomplir de véritables opérations métier.

Un modèle d’agent « collaboratif » plutôt qu’individuel

La plupart des assistants IA actuels reposent sur un modèle simple : un utilisateur, une conversation, une réponse.

Centaur adopte une approche différente. Les agents sont conçus comme des collaborateurs partagés au sein d’une équipe.

Dans une discussion Slack ou via une API, l’agent peut :

• interpréter les instructions des utilisateurs
• appeler des outils internes ou externes
• exécuter des workflows en plusieurs étapes
• publier des mises à jour directement dans la conversation

Comme l’agent est partagé, plusieurs membres de l’équipe peuvent observer, corriger ou prolonger son travail dans le même fil de discussion. Ce fonctionnement rapproche les agents de ce que certains décrivent comme des « coéquipiers virtuels » intégrés aux outils de communication quotidiens.

Centaur permet également d’exposer les services internes d’une entreprise — bases de données, API internes ou tableaux de bord — sous forme d’outils typés, que les agents peuvent utiliser dans leurs tâches.

Des workflows capables de durer des heures ou des jours

Un autre objectif de Centaur est de permettre des processus IA longue durée, au‑delà de simples échanges conversationnels.

Les agents peuvent notamment :

• exécuter des workflows pendant plusieurs heures ou jours
• poursuivre leur tâche même après un redémarrage du système
• coordonner plusieurs étapes et outils au cours d’un processus

Ces fonctionnalités rendent la plateforme adaptée à des scénarios d’automatisation complexes où une tâche nécessite suivi, étapes intermédiaires et progression sur la durée.

Le système enregistre chaque étape du processus — de la requête utilisateur jusqu’à la réponse finale — afin de pouvoir reprendre l’exécution ou analyser un incident si nécessaire.

Une mémoire persistante basée sur PostgreSQL

Pour suivre l’activité des agents, Centaur stocke son état opérationnel dans PostgreSQL.

La base de données enregistre notamment :

• la requête initiale de l’utilisateur
• l’agent ou runtime assigné
• les événements d’exécution et flux de sortie
• l’état final et la réponse délivrée

Cette persistance permet aux workflows de survivre aux redémarrages et de conserver un historique complet des interactions et des tâches exécutées.

Sécurité : comment Centaur protège les identifiants

Un défi majeur des systèmes d’agents est la gestion des identifiants et clés d’accès.

Centaur adopte une architecture où les agents n’ont jamais accès directement aux secrets.

Les identifiants sont injectés au niveau réseau lors de l’exécution d’une requête, ce qui signifie que l’agent peut appeler une API ou un service interne sans jamais voir la clé API ou le jeton d’authentification.

Cette approche vise à réduire plusieurs risques fréquents dans les systèmes d’agents :

• attaques par injection de prompt
• instructions malveillantes provenant de contenus externes
• fuite accidentelle de clés ou de secrets

Le runtime suppose que les agents peuvent manipuler du code ou des entrées non fiables. Il isole donc les environnements d’exécution et limite strictement l’accès aux outils sensibles.

Comment Paradigm utilise Centaur en interne

Avant sa publication en open source, Paradigm déployait déjà Centaur au sein de plusieurs équipes.

Selon l’entreprise, la plateforme est utilisée pour des activités telles que :

• la recherche et l’analyse d’investissement
• les workflows d’ingénierie
• le design
• le recrutement
• l’organisation d’événements
• le support client

Paradigm indique que l’introduction d’agents partagés dans ces domaines a modifié la manière dont certaines tâches sont organisées et exécutées dans l’entreprise.

Un système extensible avec outils et extensions

Les organisations peuvent adapter Centaur à leurs besoins en ajoutant leurs propres outils et workflows.

La plateforme permet notamment :

• d’exposer des services internes comme outils Python structurés
• d’ajouter des extensions spécifiques à l’entreprise
• de définir des prompts, compétences ou workflows personnalisés

Ces extensions peuvent être distribuées sous forme d’« overlays », ce qui évite de modifier directement le dépôt principal du projet.

Une pièce de plus dans l’écosystème des agents open source

Centaur arrive dans un écosystème en pleine expansion d’outils dédiés aux agents IA. Sa particularité est de se concentrer sur l’utilisation en production dans des environnements d’entreprise.

Plutôt que de privilégier l’autonomie expérimentale des agents, la plateforme met l’accent sur des garanties opérationnelles :

• mémoire persistante
• orchestration de workflows
• gestion sécurisée des identifiants
• collaboration multi‑utilisateurs

Avec son intégration Slack et son déploiement auto‑hébergé, Centaur cible les organisations qui souhaitent intégrer des agents IA directement dans leurs processus de travail quotidiens, plutôt que de les limiter à des chatbots isolés.

Pourquoi ce type d’infrastructure apparaît maintenant

À mesure que les entreprises déploient des agents IA dans des environnements réels, les enjeux de fiabilité, sécurité et gouvernance deviennent centraux.

Des plateformes comme Centaur cherchent à fournir l’infrastructure partagée permettant de gérer ces agents à grande échelle. Au lieu de construire un système différent pour chaque automatisation, les équipes peuvent s’appuyer sur un runtime commun qui standardise :

• l’exécution des agents
• le stockage de l’état
• la gestion des identifiants
• la collaboration entre utilisateurs

Dans cette vision, les agents ne sont plus seulement des assistants ponctuels. Ils deviennent des systèmes logiciels persistants intégrés au fonctionnement quotidien des équipes.

La publication open source de Centaur suggère que cette couche de runtime pour agents — comparable au rôle joué par Kubernetes pour les conteneurs — pourrait devenir un élément central des futures architectures logicielles alimentées par l’IA.