Construire et interroger en ligne, gouverné par le runtime
Construire et interroger en ligne.
Vos données restent les vôtres.
Décrivez à l’AI Builder intégré ce dont votre métier a besoin — un helpdesk, un flux de validation, un CRM — et l’application tourne : Console générée, API REST, SSO, permissions et journaux d’audit. En dessous, toute l’application reste une métadonnée ObjectStack compacte — un CRM complet fait moins de 2 000 lignes, environ 16k tokens — assez petite pour être relue, gouvernée à chaque appel. Vous préférez votre propre agent de code ? Construisez et interrogez avec Claude Code sur ObjectStack open source.
- AI Builder
- Décrivez — ça tourne
- Relisible par conception
- Un CRM entier : ~16k tokens
- Vos données, jamais les nôtres
- Notre cloud ou vos serveurs
Pour le logiciel d’entreprise écrit par l’AI
Conservez les systèmes efficaces.
Ajoutez un runtime gouverné pour agents.
L’AI en entreprise n’a pas besoin d’un nouveau chantier de reconstruction ni d’une nouvelle pile de code généré. Elle a besoin d’un format cible compact que les agents peuvent écrire, que les humains peuvent relire, et qu’un runtime gouverne à travers systèmes existants, nouvelles applications et agents AI.
Capacités de la plateforme
Partez de la structure métier,
pas d’une base de code vide
- 01
Donnez aux agents un modèle métier
Modélisez clients, commandes, équipements, dossiers et validations comme des objets que les agents peuvent lire, relier et modifier.
- 02
Étendez sans remplacer
Ajoutez API, permissions, workflows et intelligence aux bases de données, ERP, CRM et systèmes internes.
- 03
Générez des métadonnées, pas du code applicatif
Pour les logiciels CRUD et workflow typiques, les agents écrivent la définition ObjectStack compacte tandis qu’ObjectOS fournit tables, API, UI, outils, permissions et audit. Moins de code à générer, moins de code à relire.
- 04
Appliquez la gouvernance au runtime
Réutilisez identité d’entreprise, permissions, files de validation et journaux d’audit afin que chaque action d’agent ait des limites définies.
Construction AI et opérations d’agents
Laissez les agents créer le logiciel.
Gardez les humains dans la boucle de revue.
ObjectOS transforme objets, champs, workflows, permissions et actions en métadonnées déclaratives que les agents peuvent lire et mettre à jour via des outils gouvernés. Dans l’édition open source, vous apportez votre propre AI : un agent de code écrit les métadonnées comme fichiers source — le CRM fourni fait 1 792 lignes réparties sur 31 fichiers, tout le système métier tient donc dans le contexte de l’agent ; vous relisez le diff, et n’importe quel client MCP peut interroger vos données. Le runtime fournit tout le répétitif en dessous : tables, API, UI, contrôle des permissions, audit. Les assistants intégrés Build et Ask fonctionnent sur Cloud et Enterprise.
Voir le modèle de sécurité AI →AI Builder
Cloud et Enterprise : décrivez un changement en langage naturel. Le Builder intégré génère objets, champs, vues et workflows, puis envoie les changements structurants en validation. En open source, votre agent de code écrit le même diff compact de métadonnées au lieu d’une base de code complète.
AI Ask
Cloud et Enterprise : posez des questions dans le produit, analysez le contexte métier et déclenchez des actions approuvées dans les permissions de l’utilisateur connecté. En open source, interrogez les mêmes objets via MCP avec votre propre AI.
Tools / MCP
Toutes éditions : @objectstack/mcp expose objets, requêtes et actions comme outils sensibles aux politiques pour Claude, Cursor, tout client MCP ou un modèle local.
Fonctionnement
Transformez les opérations métier en
une structure utilisable par les agents
ObjectOS décrit objets, relations, permissions, workflows et actions dans des métadonnées unifiées. Les agents modifient une couche de définition compacte au lieu de régénérer du code applicatif, ce qui garde les itérations métier rapides, relisibles et gouvernées.
Sécurité et gouvernance
Les données restent dans votre réseau.
L’AI agit dans les permissions.
ObjectOS s’exécute comme runtime auto-hébergé sur votre infrastructure. Données métier, identités, journaux d’audit et fichiers restent sous votre contrôle ; les agents AI accèdent aux objets via des outils gouvernés et héritent des permissions de l’utilisateur connecté.
Voir sécurité et gouvernance →Résidence des données
Connectez vos bases de données et stockages. Sans service externe configuré, ObjectOS ne rappelle pas, ne vérifie pas de serveur de licence et ne collecte pas de télémétrie.
AI portée par l’utilisateur
Les agents agissent comme l’utilisateur connecté et respectent les permissions d’objet, d’enregistrement et de champ.
Approbation et audit
Les changements structurants passent par une file de validation humaine ; lectures, écritures, appels d’outils et changements de droits peuvent être audités.
Prêt pour l’isolement
Exécutez en VPC, sur serveurs locaux ou en réseau isolé avec modèles locaux, identité interne et votre gestion des secrets.
Modèles d’applications
Partez de modèles opérationnels,
pas d’un système vide
Modèle Helpdesk
Support client AI-first avec tickets, SLA, résumés, réponses suggérées et recherche dans la base de connaissances.
Voir le code source →Modèle Contracts
Cycle de vie contractuel avec extraction de métadonnées, validation, rappels de renouvellement et audit.
Voir le code source →Modèle Procurement
Demandes d’achat, fournisseurs, PO, réception et rapprochement à trois pièces dans une application gouvernée.
Voir le code source →Comparatif
Différent des outils
que vous connaissez
vs Airtable
Une vraie base de données avec logique serveur et gouvernance au runtime — pas un workspace de type tableur.
Lire le comparatif →vs Retool
La logique métier est une métadonnée relisible — pas du JavaScript éparpillé entre les écrans.
Lire le comparatif →vs Lovable & Bolt
Les agents génèrent des métadonnées gouvernées avec schéma et permissions — pas une base de code jetable.
Lire le comparatif →Dernières analyses
Réflexions pratiques sur les logiciels AI-native
Combien de tokens fait une application métier ? Un CRM complet en 16k
Mesuré dans l’unité où travaille l’AI, un CRM complet fait ~16k tokens de métadonnées typées — 8 % d’une fenêtre de contexte. Le logiciel qui tient entier dans le contexte d’un agent se maintient autrement.
Quand votre agent IA supprime la base de production : le cas des garde-fous à l'exécution
L'incident Replit rappelle une leçon structurelle : le rayon d'impact d'un agent ne doit pas dépendre d'un prompt. Permissions, approbations et audit doivent être imposés par le runtime.
Retool vs. plateforme native IA : gouverne qui ouvre l'appli, pas ce que fait la logique
Retool offre une gouvernance d'accès solide : RBAC, audit, SSO, auto-hébergement. Mais la logique métier reste du JavaScript éparpillé qu'un humain ou une IA ne relit pas facilement comme un diff d'autorité.
Étape suivante
Commencez par les données métier que vous connaissez le mieux.
Connectez un système existant, définissez ses objets clés et laissez votre agent livrer la première application gouvernée écrite par l’AI sous forme de petit diff de métadonnées.
Connecter les systèmes existants →