Aligner avec un agent IA

Un agent est un assistant à qui vous demandez, en langage courant, d’aligner une partie de votre projet. Il tourne dans un client de conversation open source — LibreChat, dans un onglet à côté de Linkr, ou OpenCode — et agit sur Linkr par le serveur MCP, avec votre clé API personnelle et donc vos droits. Il travaille sur le projet lui-même : pas d’export, pas de fichier à réimporter.

Ce qu’il faut

• Une installation avec backend, et le serveur MCP de Linkr lancé par l’administrateur — voir Serveur MCP.
• Votre clé API, créée dans Linkr et collée dans le client de conversation.
• Le skill concept-mapping, installé dans le client — voir Skills.
• Des vocabulaires OMOP pour le projet — voir Concepts cibles. Sans eux, l’agent ne peut chercher aucune cible et vous le dit.
• Un modèle autorisé à voir les données — voir l’encadré plus bas.

Le déroulé

1. Vous demandez, par exemple : « Aligne les concepts non alignés de la catégorie Gaz du sang du projet MIMIC-IV Demo. »
2. L’agent situe le projet — combien de concepts sont alignés, quels vocabulaires sont disponibles — puis vous pose ses questions une fois pour la séance : faut-il déposer des suggestions (le choix par défaut) ou créer des alignements ; quel périmètre traiter — une catégorie, les plus fréquents, des codes précis ; combien de candidats par concept.
3. Il travaille par lots d’une dizaine de concepts. Pour chacun, il lit le concept source et ses métadonnées, cherche dans le vocabulaire OMOP, examine les finalistes, puis dépose ses propositions.
4. Après chaque lot, il résume ce qu’il a écrit, ce qu’il a laissé de côté et pourquoi, et combien il en reste. Vous décidez de continuer, de changer de périmètre ou d’arrêter.

Un code dont ni le libellé ni les métadonnées ne disent rien d’interprétable — une lettre isolée, un code anonymisé — n’est pas aligné : l’agent le signale dans son résumé.

Ce que l’agent écrit dans le projet

• Des suggestions IA, par défaut. Chacune porte une cible, un score, une équivalence SKOS et un commentaire obligatoire qui justifie le choix. Elles rejoignent le fichier de scores du projet sous la méthode ai/<modèle>, et s’affichent dans l’onglet Suggestions dans la catégorie Agentique.
• Des alignements, seulement si vous l’avez demandé, et seulement pour les choix que vous avez confirmés un par un dans la conversation. Ils sont créés avec le statut Non vérifié, et passent donc par l’évaluation comme les autres.

Linkr vérifie ce que l’agent écrit : un code source inconnu, une cible inexistante, invalide ou non standard, un commentaire manquant ou une équivalence hors SKOS font refuser le lot entier. Rien n’est jamais écrasé — ni une suggestion, ni un alignement existant.

Suivre son travail dans Linkr

Linkr se met à jour pendant que l’agent travaille. Chaque lot s’inscrit aussi dans la cloche des Notifications, en haut de l’écran : « 12 suggestions IA ajoutées », ou « 3 alignements ajoutés », avec la mention Ajout par MCP.

Le bouton Voir le détail de la notification ouvre un tableau du lot, une ligne par proposition : Concept source, Code, Concept cible, ID concept, Équivalence, Score, Statut (pour les alignements) et Commentaire. On y relit le raisonnement de l’agent sans quitter l’écran en cours. Le bouton Ouvrir l’onglet Éditeur d’alignement — ou Ouvrir l’onglet Évaluation, pour des alignements — mène au projet.

Dans l’éditeur, le filtre A une suggestion de type du tableau des concepts source, réglé sur Agentique, ne garde que les concepts sur lesquels l’agent a déposé quelque chose.

Retirer des suggestions

Si un lot est mauvais, demandez à l’agent de le retirer : il peut effacer ses suggestions, toutes ou celles de quelques concepts, puis recommencer. Vous pouvez aussi le faire vous-même : Gérer les suggestions → Méthodes du fichier, corbeille à côté de la méthode ai/<modèle> (voir Le score combiné).

Aligner sur un dictionnaire de données

Si vous le lui demandez, l’agent aligne d’abord sur un dictionnaire de données — les concept sets importés dans l’espace de travail, comme l’INDICATE Data Dictionary — et ne se rabat sur le vocabulaire OMOP complet que lorsqu’aucun concept set ne convient. Il prend ses cibles parmi les concepts résolus de chaque set, et suit les Mapping Notes de sa description : la cible par défaut, les règles selon le prélèvement ou la méthode, les concepts exclus.

Il vous propose deux sens de parcours :

• Depuis les concepts source (par défaut) — il passe en revue vos codes et cherche pour chacun la meilleure cible. Chacun de vos codes est examiné.
• Depuis le dictionnaire — il passe en revue les concept sets, catégorie par catégorie, et rassemble pour chacun tous les concepts source qui lui correspondent. Chaque concept set est rempli à son tour, et vous savez lesquels restent vides.

Les suggestions prises dans un concept set gardent le lien vers ce set — colonne Concept Set du panneau — et comptent dans la catégorie Dictionnaire de données.

Le skill concept-mapping

Un skill est une procédure écrite en langage courant que l’agent lit et applique. Celui-ci, fourni avec Linkr, lui donne la méthode d’alignement — c’est lui qui fait qu’un modèle quelconque travaille de la même façon rigoureuse d’une séance à l’autre. Ses règles principales :

• Lire les métadonnées de chaque code avant de choisir — unité, distribution des valeurs, services, fréquence de mesure. Ce sont elles qui départagent deux cibles proches : une distribution qui ne colle pas à la cible est un signal fort d’erreur, même avec un libellé très ressemblant.
• Être strict sur l’équivalence : exactMatch seulement quand rien n’est perdu ; closeMatch par défaut dès qu’un qualificatif diffère — prélèvement, méthode, site, moment.
• Justifier chaque proposition par un commentaire écrit pour le relecteur, dans votre langue, en une ou deux phrases complètes, qui cite ce qui a décidé et dit précisément ce qui est perdu pour toute équivalence inexacte.
• Ne jamais inventer d’identifiant de concept : chaque cible vient d’une recherche dans le vocabulaire, d’une suggestion ou d’un concept set, et doit être standard et valide.
• Ne jamais valider à votre place : sans votre accord explicite, concept par concept, l’agent dépose des suggestions, pas des alignements.

Le skill suit le format ouvert Agent Skills : il fonctionne avec n’importe quel modèle, dans tout client qui lit ce format. Il se trouve dans le dépôt de Linkr, sous packages/linkr-mcp/skills/concept-mapping/ ; la page Skills explique comment l’installer dans LibreChat ou OpenCode.

Pour aller plus loin

• Suggestions — l’onglet où arrivent les propositions de l’agent, et les scores précalculés.
• Agents — ce qu’un agent peut faire dans Linkr, et comment vous gardez la main.
• Serveur MCP — créer sa clé API et brancher LibreChat ou OpenCode.
• Évaluation — relire et valider les alignements, y compris ceux créés par un agent.