Pendant deux jours, les 23 et 24 avril 2026, la conférence SymfonyLive Berlin a rassemblé la communauté autour des évolutions majeures de l’écosystème Symfony.

Parmi les talks, un en particulier marque un tournant :

👉 Symfony AI in Action, présenté par Christopher Hertel.

• 🎥 Slides : https://speakerdeck.com/chr_hertel/symfony-ai-in-action-symfonylive-berlin-2026

• 🧠 Symfony AI : https://ai.symfony.com

• 🛠️ Support utilisé pour cet article : https://slidewire.dev

Cet article ne résume pas la conférence. Il propose une lecture Darkwood de ce qui est en train de se passer.

Aujourd’hui, beaucoup d’intégrations IA se limitent à ça :

écrire un prompt → appeler un modèle → afficher une réponse

C’est insuffisant.

Le problème réel, en production, est ailleurs :

• orchestrer plusieurs modèles

• gérer le contexte et la mémoire

• exposer des actions (tools)

• contrôler les coûts et les logs

• intégrer le tout dans une architecture métier

👉 Symfony AI ne propose pas un chatbot. 👉 Symfony AI propose une stack complète.

L’objectif est clair :

“Enable AI features, not only LLMs.”

Symfony AI introduit plusieurs briques fondamentales :

• Platform → abstraction des modèles

• Agent → boucle LLM + tools

• Store → embeddings & RAG

• AI Bundle → intégration Symfony

• MCP Bundle / SDK → exposition de tools

👉 On passe d’un appel API… à une architecture IA complète.

Premier problème classique :

OpenAI, Claude, Gemini, Mistral → APIs différentes

Symfony AI introduit une abstraction unique.

$platform->invoke('gpt-5-mini', $input);

Même code, différents providers.

• changer de modèle sans refactor

• optimiser les coûts

• fallback multi-provider

• intégrer local + remote

👉 Symfony devient une couche d’orchestration des modèles.

Symfony AI va plus loin que le simple texte :

• streaming de tokens en temps réel

• audio, image, PDF

• output binaire

Exemples :

• analyser un PDF

• décrire une image

• traiter un audio

• générer des fichiers

👉 L’IA devient une brique applicative multimodale.

Problème classique :

les LLM retournent du texte… pas des données fiables

Symfony AI introduit des réponses typées :

$response_format => MyDTO::class

Résultat :

• objets PHP exploitables

• validation stricte

• intégration directe au métier

👉 On passe de “texte généré” à données contrôlées.

Un agent, c’est :

un modèle qui peut appeler ton code

Avec Symfony AI :

#[AsTool('create_recipe')]

Tu exposes ton métier comme un tool.

Avant :

• LLM isolé

Après :

• LLM + accès à ton système

👉 L’IA devient exécutable.

Point critique souvent oublié :

une IA ne doit pas tout faire automatiquement

Symfony AI permet de :

• intercepter un tool call

• demander validation

• bloquer ou autoriser

Exemple :

• publier un article

• déclencher une action critique

👉 Tu gardes le contrôle.

Les agents ne fonctionnent pas sans contexte.

Symfony AI permet de :

• injecter des données utilisateur

• gérer des profils

• stocker de l’historique

• contrôler les permissions

👉 L’IA devient contextuelle et personnalisée.

Pipeline :

1. loading

2. filtering

3. transforming

4. vectorizing

👉 Tu construis une base vectorielle.

Ensuite :

• requête utilisateur

• recherche dans le store

• enrichissement du prompt

👉 C’est le RAG (Retrieval Augmented Generation).

• FAQ intelligente

• moteur de recherche métier

• copilote interne

• assistant documenté

👉 Tu branches l’IA sur ta connaissance métier.

Architecture avancée :

• agent principal

• sub-agents spécialisés

• orchestration

• partage ou isolation de contexte

Exemple :

• agent support

• agent technique

• agent billing

👉 Chaque agent a un rôle.

Symfony AI s’inscrit dans un mouvement plus large :

👉 le protocole MCP

Objectif :

• exposer tes tools

• rendre ton système interrogeable

• standardiser les interactions IA

👉 Ton application devient un serveur d’intelligence.

Le point le plus important n’est pas :

• les modèles

• les prompts

• les agents

👉 Le vrai sujet est l’orchestration.

Questions clés :

• qui appelle quoi ?

• avec quel contexte ?

• sous quelles permissions ?

• avec quelle traçabilité ?

• comment reprendre la main ?

Chez Darkwood, la réponse est claire :

• Symfony AI → briques IA

• MCP → exposition des tools

• Flow → orchestration

• Navi → exécution + tracing

• Uniflow → interface

Symfony AI donne :

• les modèles

• les agents

• les tools

• le RAG

Mais il manque :

• orchestration métier

• contrôle global

• visibilité complète

👉 C’est là qu’interviennent Flow et Navi.

Avant :

• scripts IA isolés

• prompts fragiles

• peu de contrôle

Après :

• système orchestré

• exécution traçable

• logique métier intégrée

👉 On passe de “jouer avec l’IA” à construire des systèmes fiables.

Symfony AI marque une évolution majeure :

tu ne construis plus un chatbot tu construis une feature IA complète

Aujourd’hui, tu as :

• une abstraction des modèles

• des agents connectés à ton code

• un système de mémoire

• du RAG intégré

• une base pour orchestrer

👉 Tu n’as plus d’excuse.

• Symfony AI : https://ai.symfony.com

• Slides de Christopher Hertel : https://speakerdeck.com/chr_hertel/symfony-ai-in-action-symfonylive-berlin-2026

• Le support technique qui m'a permis de générer les slides - Slidewire : https://slidewire.dev

• Navi → exécution & tracing

• Flow → orchestration

• Uniflow → interface

👉 Articles à venir pour implémentations concrètes.