Modélisation graphique
Agent Maker — structurer intention, relations et capacités métier sans prompt jetable.
Specificat modélise l'intention métier qui pilote les systèmes agentiques.
Modéliser, versionner et industrialiser cette intention, indépendamment des technologies qui l'exécutent. Agent Maker en est l'atelier de modélisation.
Statut du projet : (bêta fermée — accès sur invitation)
Les projets ne manquent pas d'outils. Ils manquent de mémoire.
Mettre en avant la dette de connaissance, pas seulement la dette technique.
The business must survive technology.
Specificat abstrait l'intention métier de l'implémentation technique — pour que la connaissance survive aux changements d'outils et de modèles.
Aujourd'hui, Agent Maker matérialise cette modélisation en artefacts versionnés et déployables. Demain : intent → architecture → déploiement multi-projets.
Specificat n'est pas un énième constructeur d'agents : c'est une plateforme de modélisation de la connaissance business, de la structuration à la publication d'artefacts industrialisables. Agent Maker en est l'atelier de modélisation graphique ; d'autres modules compléteront la plateforme.
De la modélisation au livrable industrialisable — cinq étapes du cycle livré aujourd'hui.
Modéliser intention, relations et capacités — éditeur structuré et vue Architecture.
Règles métier et critères de conformité — contrôles sans persister le draft.
Snapshots immuables de la connaissance modélisée — draft mutable ≠ version publiée.
YAML, ZIP ou Helm — compilation depuis une version publiée.
Catalogues builders et publishers — artefact déployable, couche d'exécution interchangeable.
L'atelier de modélisation de Specificat : modéliser l'intention, les capacités et l'exposition métier — puis versionner et industrialiser, indépendamment du runtime.
Agent Maker — structurer intention, relations et capacités métier sans prompt jetable.
Modèle versionné qui sépare connaissance business et runtime — traçable et exportable.
Connecter outils et systèmes métier de façon gouvernée — intention → solution.
Présence, verrous, commentaires, partage viewer/editor — RBAC projet par feature.
Export, build et publication — de la modélisation à l'artefact exploitable.
OIDC, CGU, export Git — cloud ou on-premise, modèles IA interchangeables.
| IA jetable & silos | Specificat |
|---|---|
| Produisent du texte | Construit un modèle de connaissance gouverné |
| Dépendent du prompt | Sépare la connaissance des modèles IA |
| Capitalisent peu | Versionne et trace les décisions |
| Perdent le contexte | Structure l'intention et identifie les manques |
| Difficiles à gouverner | Livrables exportables et auditables |
| Optimisés pour la session | Optimisé pour la pérennité métier |
Formaliser intention et arbitrages — livrables structurés, lisibles, testables avant exécution.
Contrats de sortie explicites pour relier la connaissance modélisée à vos systèmes.
Capacités déclarées et gouvernées — GitHub, APIs, connecteurs MCP.
Décomposer une intention en sous-capacités coordonnées — sans spaghetti de prompts.
Intentions métier exécutées de façon planifiée — monitoring, alertes, rapports.
Encapsuler savoir-faire métier — testé, versionné, transmissible aux équipes.
Pensé pour s'intégrer à votre SI, pas pour l'absorber.
Kubernetes est une option d'industrialisation — pas une obligation.
Pour découvrir Specificat.
Pour industrialiser vos projets.
Pour les organisations exigeantes.
Non. Specificat ne part pas du code pour extraire une vérité technique : l'intention métier est modélisée indépendamment de l'implémentation, puis exécutée par les systèmes agentiques. Agent Maker en est l'atelier de modélisation.
Non — et ce n'est pas un agent builder de plus. Specificat modélise la connaissance métier ; la couche d'exécution actuelle se compile en artefacts déclaratifs versionnés. L'IA reste interchangeable.
Non — il structure, capitalise et accélère leur travail sur une connaissance durable et industrialisable.
L'atelier de modélisation de Specificat : un module graphique pour modéliser l'intention métier qui pilote les systèmes agentiques, puis la versionner et l'industrialiser — indépendamment du runtime.
Enregistrer met à jour le draft mutable. Publier une version crée un snapshot immutable — seule source pour export et build.
Oui — les modèles sont interchangeables ; la connaissance modélisée ne dépend pas d'un fournisseur.
Selon le mode de déploiement — cloud ou on-premise selon vos contraintes.
Oui — export YAML/ZIP et publishers vers Gitea, GitHub ou registres compatibles.
Vous voulez modéliser et industrialiser votre connaissance métier ? Demandez un accès à Specificat.
Demander une démo