OpenAaaS: An Open Agent-as-a-Service Framework for Distributed Materials-Informatics Research

Ce papier présente OpenAaaS, un framework open-source et distribué de type Agent-as-a-Service qui permet une collaboration sécurisée entre plusieurs agents pour l'informatique des matériaux en adhérant au principe « le code circule, les données restent immobiles », permettant ainsi aux institutions d'intégrer des données et des ressources de calcul isolées sans compromettre leur souveraineté des données.

L'essentiel

Imaginez que vous essayez de résoudre un puzzle massif et complexe, comme concevoir un nouveau métal ultra-résistant pour un moteur d'avion. Pour ce faire, vous devez consulter trois experts différents qui siègent dans trois pays distincts :

1. La Bibliothécaire à Pékin, qui a lu tous les articles jamais écrits sur les alliages métalliques mais ne peut quitter sa bibliothèque.
2. Le Gestionnaire de Base de Données à New York, qui détient une collection de formules métalliques secrètes de 17 téraoctets (17 000 gigaoctets) qu'il est légalement interdit de transmettre par Internet.
3. L'Opérateur de Superordinateur à Berlin, qui possède une machine géante capable de simuler le comportement des métaux, mais qui est trop lente pour échanger des données.

Dans l'ancienne méthode, vous devriez demander à ces experts de vous envoyer par courrier l'intégralité de leurs bibliothèques et de leurs disques durs. La Bibliothécaire devrait photocopier des millions de pages, le Gestionnaire de Base de Données devrait expédier un camion plein de disques durs, et l'Opérateur de Superordinateur devrait attendre des semaines que les données soient téléchargées. C'est lent, coûteux, et souvent impossible en raison des règles de sécurité.

OpenAaaS est un nouveau framework open-source qui change les règles du jeu. Au lieu de demander aux experts de vous envoyer leurs données, vous envoyez vos questions à eux.

Voici comment cela fonctionne, en utilisant des analogies simples :

L'Idée Fondamentale : « Envoyez le Chef, pas les Ingrédients »

Imaginez les données (les formules métalliques, les articles, les résultats de simulation) comme des ingrédients frais reposant dans une cuisine.

• L'Ancienne Méthode : Vous demandez au chef de emballer tous les ingrédients et de les expédier chez vous afin que vous puissiez cuisiner. C'est lent, et les ingrédients pourraient se gâter ou se perdre à la douane (pare-feux de sécurité).
• La Méthode OpenAaaS : Vous envoyez un chef numérique (un agent IA) à la cuisine. Le chef entre, prépare le repas en utilisant les ingrédients sur place, puis vous renvoie uniquement le plat fini (la réponse). Les ingrédients ne quittent jamais la cuisine.

Les Trois Parties du Système

1. L'Agent Maître (Le Chef de Projet)
C'est l'IA avec laquelle vous parlez. Vous lui dites : « Je dois trouver un métal qui ne fond pas à 2 000 degrés ». L'Agent Maître ne connaît pas les réponses lui-même. Au lieu de cela, il agit comme un chef de projet intelligent. Il décompose votre grande question en tâches plus petites et les envoie au réseau. Il ne voit jamais les données brutes ; il ne voit que les réponses finales.

2. Le Hub Réseau (Le Centre de Dispatch)
C'est un serveur léger qui agit comme un standard téléphonique. Il maintient une liste de toutes les « cuisines » (nœuds) disponibles et de leurs spécialités. Lorsque le Chef de Projet a besoin d'aide, le Hub achemine la demande vers la bonne cuisine. Crucialement, le Hub ne touche jamais aux ingrédients. Il se contente de transmettre les instructions.

3. Les Cœurs d'Agent (Les Chefs Locaux)
Ce sont les ordinateurs situés juste à côté des données.

• Le Nœud de la Bibliothécaire : Exécute l'IA qui lit les articles. Il trouve la réponse dans la bibliothèque et renvoie un résumé.
• Le Nœud de la Base de Données : Exécute l'IA qui interroge la base de données secrète de 17 To. Il effectue les calculs directement sur le serveur et renvoie un rapport minuscule (peut-être seulement 2 mégaoctets) au lieu de toute la base de données de 17 To.
• Le Nœud du Superordinateur : Exécute la simulation et renvoie le résultat.

Pourquoi C'est Important (Le Problème du « Dernier Kilomètre »)

L'article soutient que nous disposons déjà de modèles d'IA incroyables et de quantités massives de données. Le problème est que nous ne pouvons pas les connecter de manière sécurisée entre différentes organisations (comme des universités, des entreprises et des gouvernements) en raison de la souveraineté des données (la règle selon laquelle les données doivent rester là où elles appartiennent).

OpenAaaS résout ce problème en créant un « Service de Livraison Sécurisé » pour l'IA.

• Pas de Migration de Données : Les données brutes ne quittent jamais leur domicile.
• Zéro Contrainte de Format : Les « chefs » locaux peuvent gérer n'importe quel format de fichier (Excel, PDF, fichiers binaires étranges) car ils sont déjà sur place. Ils n'ont pas besoin que les données soient nettoyées avant de commencer à travailler.
• Sécurité : Comme les données ne bougent pas, elles n'ont pas à traverser de pare-feux ni à craindre d'être piratées pendant le transit.

Deux Exemples Concrets Tirés de l'Article

1. La Bibliothécaire « Lecture Profonde » (AlphaAgent)
Les chercheurs ont construit un « chef » spécial pour lire des articles sur la science des matériaux. Lorsqu'on lui pose une question complexe comme « Comment le traitement thermique affecte-t-il cet alliage spécifique ? », une IA normale pourrait simplement deviner ou trouver un article qui ressemble mais qui n'est pas tout à fait exact.
Ce chef AlphaAgent :

• Lit les articles attentivement.
• Vérifie si les preuves correspondent réellement au métal et aux conditions spécifiques.
• Rédige un rapport citant exactement quelles pages soutiennent la réponse.
• Résultat : Il a obtenu 4,66 sur 5 pour des questions d'analyse approfondie, battant les modèles d'IA standards qui se contentent de survoler la surface.

2. La Base de Données « Coffre-Fort Secret » (HEA-Executor)
Ils se sont connectés à une base de données massive d'Alliages à Haute Entropie (métaux complexes contenant 6 éléments ou plus). La base de données fait 17,4 téraoctets.

• Le Problème : Si vous essayiez de télécharger cela sur votre ordinateur portable pour le rechercher, il faudrait 17 jours juste pour transférer les données.
• La Solution OpenAaaS : Le chef IA est allé au serveur de la base de données. Il a demandé : « Quelles combinaisons de Molybdène, Niobium, Tantale et Tungstène sont les plus ductiles ? » Le serveur a effectué les calculs instantanément et a renvoyé une réponse minuscule (2,3 Mo).
• Résultat : L'utilisateur a obtenu une réponse spécifique sur l'optimisation de la plasticité du métal en quelques secondes, sans jamais voir ni télécharger la massive base de données secrète.

Résumé

OpenAaaS est comme la construction d'un réseau mondial de cuisines spécialisées où vous pouvez commander un repas personnalisé sans jamais avoir besoin de posséder les ingrédients. Il permet aux scientifiques de collaborer sur des problèmes complexes (comme concevoir de nouveaux matériaux pour des environnements hostiles) en envoyant des agents IA vers les données, plutôt que de déplacer les données vers l'IA. Cela garde les secrets en sécurité, économise du temps et permet à différentes organisations de travailler ensemble sans enfreindre leurs règles de sécurité.

Résumé technique

Résumé Technique : OpenAaaS

1. Énoncé du Problème

Le développement de matériaux structurels et fonctionnels pour des environnements hostiles (par exemple, alliages à haute température, aciers résistants aux radiations) se heurte à un goulot d'étranglement critique de « dernier kilomètre ». Alors que l'Initiative Génome des Matériaux (MGI) a réussi à établir des plateformes centralisées (SaaS, PaaS, IaaS) et que les Modèles de Langage de Grande Taille (LLM) ont introduit des capacités de raisonnement autonome, les architectures existantes échouent à soutenir la collaboration inter-organisationnelle dans le cadre de contraintes strictes de souveraineté des données.

Les systèmes actuels font face à quatre limitations spécifiques :

1. Horizon à long terme : Les cycles de R&D s'étendent sur plusieurs années, dépassant les fenêtres de contexte et la persistance des agents de session unique.
2. Complexité mécanistique : Les problèmes nécessitent une synthèse interdisciplinaire (structure électronique, chimie des défauts, etc.) que des outils isolés ne peuvent traiter.
3. Expertise de domaine élevée : Les agents à usage général manquent de profondeur pour raisonner de manière fiable à travers des disciplines spécialisées.
4. Contraintes de données sensibles : Les compositions propriétaires, les résultats non publiés et les modèles restreints ne peuvent pas être migrés vers des plateformes centralisées en raison de la confidentialité, des contrôles à l'exportation ou des pare-feu institutionnels.

Le défi central réside dans l'absence d'une infrastructure organisationnelle permettant de composer des modèles de classe mondiale et de vastes dépôts de données de manière sécurisée à travers les frontières institutionnelles sans violer la souveraineté des données.

2. Méthodologie : Le Cadre OpenAaaS

Pour répondre à ce problème, les auteurs proposent OpenAaaS (Open Agent-as-a-Service), un cadre hiérarchique et distribué fondé sur le principe de base : « Le code circule, les données restent immobiles. » Au lieu de migrer les données brutes vers un emplacement central, OpenAaaS distribue les nœuds d'exécution d'agents là où résident les données, ne transmettant que les descriptions de tâches, les artefacts de raisonnement intermédiaires et les résultats finaux.

2.1 Architecture à Trois Niveaux

Le système se compose de trois couches distinctes :

• Couche Agent Maître (Niveau 1) : Agents LLM à usage général (par exemple, Kimi CLI, Claude Code, Codex) qui comprennent les intentions des utilisateurs, décomposent les problèmes de recherche complexes et orchestrent les capacités distantes. Crucialement, l'Agent Maître n'accède jamais aux données brutes ; il raisonne uniquement sur les descriptions de tâches et les métadonnées de service.
• Hub Réseau / Serveur OpenAaaS (Niveau 2) : Un serveur HTTP léger, binaire unique (implémenté en Rust avec SQLite intégré) qui agit comme registre et routeur. Il maintient une liste des services disponibles, achemine les tâches vers des nœuds qualifiés, gère l'authentification et relaie les petits artefacts de fichiers. Il n'accède jamais ni ne stocke les données scientifiques brutes.
• Nœud Réseau / Cœur d'Agent (Niveau 3) : Nœuds d'exécution spécifiques au domaine déployés localement sur les sites de données (laboratoires, clusters). Chaque nœud fonctionne dans un bac à sable Docker isolé, conservant la pleine souveraineté sur les jeux de données locaux, les algorithmes propriétaires et le matériel. Les nœuds exposent les ressources locales sous forme de services composites via une API auto-descriptive.

2.2 Mécanismes de Conception Clés

• Exécution proche des données : Le calcul a lieu à la source des données. Pour une base de données de 10 To, seuls les résultats de requête (échelle Ko–Mo) traversent le réseau, éliminant les goulots d'étranglement de bande passante et les examens de conformité pour la sortie des données.
• Découverte progressive des capacités : Pour éviter le débordement de la fenêtre de contexte dans les Agents Maîtres, la découverte de services se fait en trois étapes :
  1. Résumé léger : Nom, tag de domaine et capacité.
  2. Utilisation à la demande : Documentation complète (schémas, exemples) chargée uniquement pour les candidats actifs.
  3. Affinement interactif : Prompts préliminaires pour clarifier les paramètres.
• Modèle de sécurité : Utilise une défense en profondeur incluant la communication HTTPS, des connexions uniquement sortantes (sondage inverse) pour contourner les pare-feu, l'authentification HMAC-SHA256 et le bac à sable des conteneurs.
• Compatibilité des protocoles : Le cadre s'intègre au Protocole de Contexte de Modèle (MCP), permettant aux clients MCP standards (par exemple, Cursor, Cline) de se connecter via un adaptateur dédié, tout en fournissant des plugins personnalisés pour des agents spécifiques.

3. Contributions Clés

L'article formalise et implémente quatre contributions principales :

1. Formalisation Architecturale : Identifie la tension entre l'intégration interdisciplinaire et la souveraineté des données comme une contrainte de conception centrale, proposant une architecture multi-agents hiérarchique qui comble cette lacune.
2. Implémentation OpenAaaS : Un cadre open-source (licence MIT) à trois niveaux réalisant l'exécution proche des données, la découverte progressive et des protocoles standardisés.
3. Étude de cas AlphaAgent : Un exécuteur d'analyse de littérature sur les matériaux qui ancre les réponses dans des preuves de récupération validées, surpassant les bases de référence RAG en passage unique.
4. Étude de cas Base de données HEA : Un service de base de données de descripteurs d'alliages hexa-hauts-entropies sécurisé et ultra-à grande échelle (17,4 To) démontrant une exécution sécurisée proche des données et des flux de travail spécifiques au domaine sans migration de données brutes.

4. Résultats et Évaluation

4.1 Étude de cas I : AlphaAgent (Analyse de Littérature)

AlphaAgent a été évalué par rapport à une base de référence RAG en passage unique et à des modèles à usage général (GPT-5.5, Kimi-K2.6) sur 40 questions métallurgiques (20 d'analyse approfondie, 20 générales).

• Performance : AlphaAgent a obtenu un score moyen de 4,66/5,0 sur les questions d'analyse approfondie, surpassant significativement la base de référence RAG en passage unique (2,67) et les modèles généraux (4,05 et 3,96).
• Mécanisme : Le système utilise un « Contrat d'Exécution Scientifique » pour imposer la validation des preuves. Il réécrit les intentions pour préserver les entités spécifiques aux matériaux, effectue une reformulation de requête bornée si les preuves sont insuffisantes, et valide que les extraits récupérés correspondent au système matériel et à l'objectif mécanistique avant de générer des rapports.

4.2 Étude de cas II : Base de données de descripteurs HEA

Le cadre a été testé sur une base de données de 17,4 To contenant environ 5,4 × 10¹⁰ compositions candidates d'alliages hexa-hauts-entropies.

• Efficacité : La tâche consistait à optimiser la plasticité à température ambiante pour des HEA réfractaires MoNbTaW. L'exécuteur HEA a filtré les données, entraîné des modèles d'apprentissage automatique et généré des rapports entièrement au niveau du nœud distant.
• Transfert de données : Le volume total de données retournées était d'environ 2,3 Mo (compositions candidates, prédictions et rapports), comparé au jeu de données brut de 17,4 To. Cela représente une réduction d'environ sept ordres de grandeur dans le transfert de données.
• Latence : La surcharge de routage des tâches OpenAaaS était d'environ 550 ms, négligeable par rapport aux ~17,7 jours nécessaires pour transférer l'ensemble du jeu de données sur une connexion standard de 100 Mbps.
• Résultat : Le système a identifié un système Al–Mo–Nb–Ta–W–Hf avec 9,80 % de configurations hautement ductiles, soit une amélioration de 10,7 fois par rapport à une base de référence contenant du titane.

5. Signification et Revendications

L'article affirme qu'OpenAaaS établit une voie principielle vers la « recherche organisée » via des collectifs d'agents. Sa signification réside dans :

• Résolution du goulot d'étranglement de la souveraineté des données : Il permet l'intégration sécurisée de silos isolés d'intelligence sur les matériaux (académiques, industriels, laboratoires nationaux) sans nécessiter de migration de données, respectant ainsi la confidentialité et les contraintes réglementaires.
• Changement de paradigme : Il passe de « les données se déplacent vers le calcul » à « le calcul se déplace vers les données », rendant le coût marginal du mouvement des données négligeable pour des jeux de données à l'échelle du To.
• Fondation évolutive : Il fournit un substrat réutilisable pour les plateformes de conception intelligente de matériaux de nouvelle génération où des agents spécialisés, persistants et auto-améliorants peuvent collaborer au-delà des frontières institutionnelles.
• Confiance progressive : L'architecture prend en charge un modèle de fédération où la confiance est construite de manière incrémentale (service par service) plutôt que de nécessiter une adhésion au réseau tout ou rien.

Les auteurs concluent que, bien que des défis subsistent concernant l'échelle du réseau, la découverte sémantique et les garanties de qualité de service, OpenAaaS offre une fondation évolutive pour la transition d'infrastructures numériques isolées vers un réseau interconnecté de « Science Agentique ».