Avec la version 1.0 du Laravel AI SDK, l’intelligence artificielle prend une place plus simple à gérer dans le développement Laravel. Le package propose une interface commune pour connecter différents fournisseurs et créer des fonctionnalités capables de rédiger du texte, d’analyser des messages, de traiter des images ou de travailler avec des données audio. Pour une équipe, cela signifie moins de code spécifique à chaque API et une intégration IA plus cohérente avec les habitudes de Laravel.

La version 1.0 consolide cette approche avec des fonctions pensées pour des applications web prêtes à évoluer : conversations enregistrées, réponses en continu, agents IA équipés d’outils et demandes de validation humaine avant certaines actions. Un exemple permet d’en mesurer l’intérêt : une plateforme de services à domicile pourrait classer les demandes reçues, préparer une réponse ou proposer un créneau, tout en réservant à un responsable la décision finale sur une intervention sensible. Le SDK ne remplace ni le jugement professionnel ni les équipes ; il automatise certaines tâches et leur laisse davantage de temps pour le suivi des personnes. Cette sortie apporte aussi des changements techniques à anticiper, notamment sur le stockage des conversations et les middlewares des agents.

Laravel AI SDK 1.0 en bref : les nouveautés à retenir

• Une API Laravel unifiée pour travailler avec plusieurs fournisseurs et différents types de modèles.
• La classification rapide complète la génération de contenu pour trier des demandes ou orienter un parcours.
• Les protocoles Vercel Chat et AG-UI facilitent la connexion aux interfaces de discussion.
• Les validations humaines et les outils de recherche permettent de mieux encadrer les actions des agents.
• Une migration est à prévoir pour les applications qui reposent sur l’ancien format de stockage des conversations.

Une intégration IA unifiée pour les applications Laravel

Avant cette version, chaque fournisseur impliquait souvent ses propres conventions, paramètres et traitements. Le Laravel AI SDK rassemble ces interactions derrière une interface conçue pour l’écosystème Laravel : une équipe peut ainsi changer de fournisseur ou tester plusieurs modèles de langage sans reconstruire toute son intégration.

Le package couvre la génération de texte, d’images et d’audio, la transcription, les embeddings et la création d’agents dotés d’outils. Pour démarrer, l’installation s’effectue avec Composer en ajoutant le paquet Laravel AI au projet, puis en configurant les identifiants du fournisseur retenu. Le dépôt officiel du Laravel AI SDK donne accès au code et aux informations du package, tandis que la documentation du SDK détaille les usages et les options disponibles.

Dans une application fictive de gestion des demandes d’aide à domicile, l’équipe pourrait utiliser un modèle pour résumer un message, puis transmettre la synthèse à un agent chargé de rechercher une information dans les dossiers autorisés. La valeur de cette architecture tient à la séparation des rôles : l’IA prépare et organise, tandis que les règles métier et les personnes responsables gardent la maîtrise des décisions.

Cette unification ne signifie pas que tous les modèles se valent pour chaque tâche. Le choix dépend notamment du coût, du délai de réponse, des capacités requises et des règles de confidentialité du projet ; le SDK simplifie l’intégration, mais l’équipe doit toujours sélectionner le service adapté.

Classification et agents IA : des tâches ciblées, pas seulement du texte

Classer une demande en quelques instants

La version 1.0 ajoute la classification comme capacité distincte de la génération. Elle convient aux décisions simples et fréquentes : déterminer si un commentaire nécessite une modération, aiguiller un ticket vers le bon service ou reconnaître la catégorie d’une demande. Le SDK prend notamment en charge Jev, un type de modèle conçu pour répondre rapidement à ces questions à moindre coût que les grands modèles généralistes.

Pour un cas binaire, la macro decide de la classe Str permet de poser une question fermée et d’obtenir une réponse booléenne. Un service de prise de rendez-vous pourrait, par exemple, demander si un message concerne une urgence, puis régler le seuil de certitude afin de limiter les faux positifs. La classification est disponible via TypeSafe et OpenRouter ; d’autres fournisseurs pourront être ajoutés à mesure qu’ils proposent des modèles adaptés.

Réserver les actions sensibles à une validation humaine

Un agent devient réellement utile lorsqu’il peut appeler des outils, mais une action comme annuler un rendez-vous ou modifier un dossier ne devrait pas toujours s’exécuter sans contrôle. La version 1.0 permet de marquer un outil comme soumis à approbation : l’agent s’interrompt, expose l’action envisagée et les arguments retenus, puis attend une décision.

La personne responsable peut approuver l’appel, le refuser en fournissant une raison ou corriger ses paramètres avant son exécution. Ce mécanisme fonctionne avec les interactions classiques, le streaming, les tâches en file d’attente et les réponses diffusées. Pour concevoir un agent connecté à des données métier, cet article sur la création d’outils de base de données fiables apporte un éclairage complémentaire.

Vercel Chat, AG-UI et middleware : mieux contrôler les échanges

Le SDK peut lire des requêtes et diffuser des réponses selon les protocoles Vercel Chat et AG-UI. Cela facilite la création d’interfaces de conversation avec des outils front-end compatibles. Une route peut recevoir le nouveau message, actualiser l’historique de la conversation en base et traiter les décisions d’approbation envoyées par l’utilisateur.

Cette prise en charge est aussi utile après un rechargement de page : les messages sauvegardés peuvent être convertis dans le format attendu par le client, afin de restaurer une conversation sans repartir de zéro. Pour une équipe qui développe un tableau de bord d’assistance, le protocole sert ainsi de passerelle entre le backend Laravel et une interface conversationnelle plus riche.

Les middlewares évoluent également. Ils ne s’appliquent plus uniquement une fois par requête : ils peuvent entourer chaque étape de génération. Si un agent consulte plusieurs outils avant de répondre, chaque étape devient inspectable et modifiable. Il est alors possible de retirer un outil coûteux après sa première utilisation, de résumer un historique trop long, de changer de modèle ou de renvoyer une réponse mise en cache.

Cette souplesse aide à maîtriser le contexte envoyé aux modèles et les coûts associés. Un middleware peut, par exemple, limiter le nombre de jetons ou ajuster les instructions avant une nouvelle étape ; le contrôle porte donc sur le déroulement de l’agent, pas seulement sur sa réponse finale.

Conversations, outils et suivi des coûts : les changements techniques de la version 1.0

Le stockage des conversations a été repensé pour mieux conserver le déroulement des interactions. Chaque message dispose désormais d’un champ steps en JSON, qui associe les appels d’outils à leurs résultats au fil des différentes étapes. Cette structure évite de perdre le lien entre une action demandée par l’agent et le résultat réellement obtenu, ce qui améliore la reconstruction de l’historique pour les fournisseurs.

Les conversations restent organisées en une ligne par tour, et les accesseurs habituels consacrés aux appels et aux résultats d’outils continuent de fonctionner. En revanche, les applications qui lisent directement les anciennes colonnes SQL tool_calls ou tool_results doivent adapter leurs requêtes. Une migration de reprise des données est à exécuter avant le déploiement de la version 1.0 : cette étape est essentielle pour préserver l’historique existant.

Deux autres évolutions répondent à des besoins concrets. Les outils rarement utilisés peuvent être placés derrière ToolSearch afin de ne les charger que lorsque le contexte le justifie, ce qui réduit le volume de descriptions transmis au modèle. Quant à l’exécution de code en environnement isolé, elle permet aux agents d’effectuer des calculs ou des analyses de données ; elle est prise en charge par plusieurs fournisseurs, dont Anthropic, OpenAI, Azure, Gemini et xAI.

Le suivi des usages est harmonisé : les propriétés de comptage distinguent désormais les jetons d’entrée et de sortie, avec les données de mise en cache et de raisonnement intégrées aux totaux. Cette cohérence facilite la comparaison des consommations entre fournisseurs et rend les tableaux de bord de coût plus lisibles.

Mettre à niveau une application et préparer un usage responsable

La mise à niveau vers Laravel AI SDK 1.0 comporte des changements incompatibles avec certaines versions précédentes, en particulier pour le stockage, les middlewares, les compteurs de jetons et les protocoles de streaming. L’équipe gagnera à vérifier d’abord ses migrations, ses accès SQL directs et ses traitements personnalisés, puis à tester les conversations et les outils dans un environnement de préproduction.

Laravel Boost, le serveur MCP officiel du framework, propose des consignes guidées pour accompagner cette transition avec un assistant de développement. L’outil peut parcourir les modifications une par une, mais le résultat doit rester relu et testé par l’équipe : une mise à niveau assistée ne dispense ni des tests automatisés ni de la vérification des règles métier. Les détails de la sortie sont également présentés dans l’annonce officielle de Laravel AI SDK 1.0.

Un exemple dans les services à la personne

Une structure d’aide à domicile pourrait utiliser la classification pour répartir les demandes entrantes, puis proposer un résumé à la coordinatrice. Une validation humaine resterait nécessaire avant toute modification de planning ou transmission d’une information sensible ; l’automatisation soutient l’organisation sans se substituer à l’écoute et à l’accompagnement.

Cette distinction compte aussi pour les métiers du soin et du service à la personne, où les compétences relationnelles et la connaissance des besoins restent centrales. Les parcours spécialisés, comme le titre professionnel d’assistant de vie aux familles ou le diplôme d’État d’accompagnant éducatif et social, ouvrent des débouchés dans l’aide à domicile et l’accompagnement ; une formation adaptée permet d’acquérir les gestes professionnels avant de rejoindre ces secteurs. Les outils numériques peuvent ensuite faciliter certaines tâches de coordination, tandis que les professionnels formés consacrent leur attention aux personnes.

Pour approfondir la construction d’agents dans cet écosystème, le guide consacré à la création d’agents IA avec Laravel explore les possibilités du framework. La version 1.0 fournit ainsi une base plus structurée pour expérimenter l’innovation logicielle, à condition de garder les données, les coûts et les validations humaines au cœur de la conception.