Le prompt engineering a porté l’industrie jusqu’ici. Il ne la portera pas plus loin. Dès qu’un projet d’IA dépasse le prototype — plusieurs agents, plusieurs équipes, plusieurs fournisseurs de modèles, un cadre réglementaire — les fichiers .md de consignes deviennent un actif technique aussi fragile qu’un script shell copié-collé entre serveurs.
C’est le constat qui a donné naissance à PCL, Persona Control Language : un langage de programmation dédié à la définition, la gouvernance et l’orchestration de personas IA. Publié en open source sous licence Apache 2.0, PCL propose ce que Terraform a apporté à l’infrastructure et ce qu’OPA a apporté à l’autorisation — mais pour les comportements d’agents IA.
D’un prompt à une persona
Une persona n’est pas un prompt. C’est le contrat complet qui régit un agent IA : son identité, ses capacités, ses limites, sa mémoire, son mode de coordination avec d’autres agents, les modèles qu’elle peut ou ne peut pas appeler, les standards auxquels elle est conforme.
Quand on empile ces éléments dans un prompt système, quatre problèmes apparaissent simultanément :
- L’imprévisibilité — une modification mineure peut changer subtilement le comportement sans qu’aucun test automatique ne le détecte
- L’invérifiabilité — impossible de prouver formellement qu’une persona respecte une politique donnée
- L’incompatibilité — le même comportement migrera mal d’un fournisseur à l’autre (le prompt est codé pour un modèle donné)
- L’incontrôlable — l’audit post-incident devient archéologique, sans provenance ni versionnage sémantique
PCL adresse les quatre.
Le paradigme : déclarer plutôt qu’implorer
Voici à quoi ressemble une persona en PCL :
// analyst.pcl
persona FinancialAnalyst {
identity {
name: "Analyst"
description: "Senior financial analyst specialised in risk assessment"
version: "2.1.0"
}
capabilities {
allowed: [financial_modelling, risk_scoring, report_generation]
forbidden: [client_advice, trade_execution]
}
behaviour {
tone: measured, factual
hedge_quantitative_claims: true
cite_sources: required
}
compliance {
standards: [ISO_42001, EU_AI_ACT, OWASP_LLM_TOP10]
data_residency: EU
retention_days: 90
}
providers {
primary: anthropic.claude_opus_4_7
fallback: [openai.gpt_5, mistral.large_3]
routing: cost_optimised
}
}Ce n’est plus un prompt. C’est une spécification compilée. Le compilateur PCL l’analyse, vérifie la cohérence sémantique, et génère le runtime — en TypeScript, Python, JSON ou YAML selon la cible. Le même fichier .pcl produit le même comportement sur Claude, GPT-5, Gemini, Llama ou Mistral, sans réécrire une ligne.
L’orchestration multi-agents, native
Un agent seul rend service. Une équipe d’agents règle des problèmes. PCL intègre nativement la composition :
team DueDiligenceTeam {
members: [FinancialAnalyst, LegalReviewer, TechnicalAuditor]
strategy: debate {
rounds: 3
convergence_threshold: 0.85
tie_breaker: consensus_with_quorum(2)
}
audit {
record_exchanges: true
provenance: cryptographic
}
}Cette équipe peut délibérer en trois tours, exiger un consensus pondéré, et produire une trace cryptographique de chaque échange. En temps réel, chaque contribution est signée par la persona auteur — la provenance n’est plus une option, c’est une propriété du langage.
Six modes de coordination sont disponibles : blend, chain, debate, consensus, override, parallel. Chacun correspond à une façon éprouvée de faire collaborer des experts humains, traduite en primitive exécutable.
La gouvernance comme code
C’est ici que PCL montre sa parenté avec OPA (Open Policy Agent). Les politiques ne sont pas des commentaires dans un PDF — elles sont vérifiées au build :
policy "no_pii_in_financial_reports" {
applies_to: persona.FinancialAnalyst
rule: output must not contain [email, phone, national_id]
violation: block
}
policy "require_source_citation" {
applies_to: capability.report_generation
rule: every quantitative_claim must have citation
violation: reject_output
}Ces règles sont évaluées à deux moments :
- Au build : le compilateur refuse une persona qui viole structurellement une politique
- À l’exécution : le runtime PCL intercepte les réponses et applique la remédiation définie
Résultat : un auditeur peut demander « démontrez-moi que vos agents ne peuvent pas exfiltrer de PII » et recevoir en réponse un fichier .pcl signé, daté, traçable dans un registre PostgreSQL. Cela n’existait pas hier.
Cinq fournisseurs, zéro enfermement
PCL s’exécute aujourd’hui avec huit backends : Anthropic Claude, OpenAI GPT, Google Gemini, DeepSeek, Mistral via Bedrock ou Azure, Ollama pour le self-hosted, et un mock pour les tests déterministes. Une persona définie une fois peut :
- fonctionner en développement sur Ollama local pour la rapidité
- basculer en production sur Claude pour la qualité
- se replier sur GPT-5 pour la disponibilité
- être routée vers Mistral quand la souveraineté l’exige
Le même fichier .pcl, les mêmes tests de régression, le même comportement audité. La portabilité est le cheval de Troie de l’indépendance technologique.
L’écosystème qui suit
Autour du compilateur, PCL livre :
- Un Language Server Protocol qui alimente VS Code avec IntelliSense, navigation, diagnostics en temps réel
- Un registre multi-backend (mémoire, JSON, SQLite, PostgreSQL) pour versionner et distribuer les personas comme on distribuerait des conteneurs Docker
- Une intégration MCP (Model Context Protocol) pour exposer les personas comme services IA standardisés, consommables par Claude Code, ChatGPT, Gemini et les prochains runtimes
- Une couverture de 5 720 tests et une conformité vérifiée sur ISO 27001, ISO 42001, OWASP LLM Top 10, EU AI Act et RGPD
Score de prêt-à-production actuel : 78/100. Les 22 points manquants sont publics dans la roadmap — c’est aussi ça, la gouvernance ouverte.
Pour qui, pour quoi
PCL cible les organisations dont l’IA a passé le stade du POC et rencontre au moins l’un de ces signaux :
- plusieurs agents en production avec besoin de coordination
- exigence de conformité (régulé, public, santé, banque, défense)
- volonté de souveraineté ou de portabilité cross-provider
- équipes multiples qui doivent éditer, versionner, revoir le comportement des agents comme du code
Le tropisme « programmer la gouvernance » n’est pas neutre : il consacre un changement de métier. La personne qui écrit les personas demain ne sera pas celle qui écrit les prompts aujourd’hui. Elle ressemblera davantage à un ingénieur plateforme qu’à un copywriter.
PCL est publié sous Apache 2.0 sur github.com/personamanagmentlayer/pcl. IBIFACE contribue activement au projet et accompagne ses clients dans la transition d’une IA artisanale vers une IA de plateforme.
Pour aller plus loin
- Le détail des trois projets open source IBIFACE : Paracle · PCL · ARAL
- Le service d’intégration et d’exploitation : Solutions IA
- Pourquoi la gouvernance programmable protège de la rupture fournisseur : Continuité d’accès IA
- Les cinq exigences pour déployer de l’IA régulée : Sous souveraineté
Vous explorez une architecture multi-agents dans un cadre régulé ? Écrivez-nous, nous revenons sous 24 h ouvrées avec une lecture argumentée de votre contexte.