Harrison Chase, CEO de LangChain, publie un article conceptuel établissant un changement de paradigme fondamental dans la compréhension des systèmes d'IA agentique : dans le logiciel traditionnel, le code documente l'application ; pour les agents IA, ce sont les traces qui jouent ce rôle.
Dans le développement logiciel classique, les développeurs comprennent le fonctionnement d'une application en examinant son code - la logique décisionnelle existe explicitement dans la codebase. Les systèmes à base d'agents fonctionnent différemment. Bien que les développeurs orchestrent les appels LLM, "les décisions réelles - quel outil appeler, comment raisonner à travers le problème, quand s'arrêter, quoi prioriser - tout cela se passe dans le modèle au runtime."
Chase affirme que le code d'orchestration reste débuggable, mais l'intelligence qui pilote les décisions réside dans le modèle lui-même, pas dans le repository. Le code devient un simple "échafaudage" autour de la véritable logique.
Les traces enregistrent la séquence d'étapes que les agents effectuent, documentant les patterns de raisonnement, les sélections d'outils, les résultats et le timing. Ce changement reconfigure les pratiques opérationnelles : "debugging, testing, profiling, monitoring - tout cela passe de l'opération sur le code à l'opération sur les traces."
Contrairement au logiciel déterministe où des inputs identiques produisent des outputs identiques, les agents IA génèrent des chaînes de raisonnement différentes à partir du même input. La comparaison des traces devient essentielle pour comprendre les différences comportementales.
L'article détaille les impacts sur chaque pratique de développement. Le debugging passe de l'examen du code à l'inspection des traces pour identifier où le raisonnement a échoué. Le testing nécessite des approches "eval-driven" capturant les traces pendant l'exécution avec validation continue en production. L'optimisation des performances se concentre sur les patterns de décision dans les traces - identification des appels d'outils inutiles et des chemins de raisonnement inefficaces.
Le monitoring évolue de la surveillance de l'uptime vers l'évaluation de la qualité, mesurant le succès des tâches et l'efficacité du raisonnement. Les plateformes d'observabilité deviennent les espaces de collaboration principaux où les équipes discutent des décisions des agents. L'analytics produit s'intègre à l'analyse comportementale des agents.
Chase conclut avec un avertissement : "Construire des agents sans observabilité robuste signifie opérer sans accès à la documentation de la logique centrale."