Ce que vous allez apprendre
- Comment tracer des workflows d’agents en plusieurs étapes (par exemple : classifier → enrichir → répondre) et visualiser, pour chaque étape, les appels aux outils et aux bases de connaissances.
- Comment analyser la consommation de tokens et la latence par fournisseur et par agent, afin d’identifier des pistes d’optimisation, comme la mise en cache.
- Comment réaliser des évaluations en continu (données personnelles, injections de prompt, qualité) et vous appuyer sur les données de production pour améliorer vos prompts et faire évoluer vos agents.
Visualisez en temps réel les conversations et les traces de vos agents IA, leur consommation de tokens et les contrôles qualité, et mettez ces données en perspective avec celles de vos applications et de votre infrastructure dans Grafana Cloud.
Vos équipes Support et Platform utilisent déjà des workflows basés sur des agents IA. Mais à mesure que leur utilisation augmente, le volume de tickets, la satisfaction client (CSAT) et les coûts liés aux LLM peuvent rapidement devenir difficiles à maîtriser.
Au cours de cette session, vous découvrirez comment Grafana Agent Observability offre une vue unifiée sur le comportement de vos agents (conversations et graphes d’agents), leurs coûts (consommation de tokens et fournisseurs), leur qualité et leur sécurité (évaluations en continu), aux côtés des métriques, logs et traces que vous collectez déjà dans Grafana Cloud.
Nous nous appuierons sur un cas concret de support multi-agents pour voir comment maîtriser les coûts selon les fournisseurs, détecter les risques de fuite de données personnelles et les tentatives d’injection de prompt, retracer les erreurs à travers les différents agents et outils, et améliorer vos prompts grâce à l’évaluation des différentes versions et aux recommandations générées par IA, avec Grafana Assistant pour aller encore plus loin.