{"id":155054,"date":"2025-04-22T08:01:36","date_gmt":"2025-04-22T12:01:36","guid":{"rendered":"https:\/\/www.applause.com\/blog\/what-is-agentic-ai\/"},"modified":"2026-04-21T10:37:17","modified_gmt":"2026-04-21T14:37:17","slug":"what-is-agentic-ai","status":"publish","type":"post","link":"https:\/\/www.applause.com\/fr\/blog\/what-is-agentic-ai\/","title":{"rendered":"Qu&rsquo;est-ce que l&rsquo;IA agentique ?"},"content":{"rendered":"\r\n\r\n<div class=\"et_pb_section_0 et_pb_section et_section_regular et_block_section\">\r\n\r\n<div class=\"et_pb_row_0 et_pb_row et_block_row\">\r\n\r\n<div class=\"et_pb_column_0 et_pb_column et_pb_column_4_4 et-last-child et_block_column et_pb_css_mix_blend_mode_passthrough\">\r\n\r\n<div class=\"et_pb_text_0 et_pb_text et_pb_bg_layout_light et_pb_module et_block_module preset--group--divi-text--divi-font-body--default preset--module--divi-text--default\"><div class=\"et_pb_text_inner\"><h1>Qu'est-ce que l'IA agentique ?<\/h1>\n<p>Il semble que du jour au lendemain, tout le monde parle de l'IA agentique, mais personne ne comprend vraiment ce que cela signifie. Dans cet article, nous d\u00e9finirons ce terme et examinerons l'impact de cette technologie pour les \u00e9quipes de d\u00e9veloppement logiciel et les entreprises qui souhaitent tirer parti de cette technologie en pleine \u00e9volution.\u00a0<\/p>\n<h2>Alors, qu'est-ce que l'IA agentique exactement ?<\/h2>\n<p>L\u2019IA agentique est un syst\u00e8me d\u2019intelligence artificielle autonome capable de raisonner, de planifier et d\u2019ex\u00e9cuter des t\u00e2ches en plusieurs \u00e9tapes pour atteindre un objectif pr\u00e9cis. Contrairement \u00e0 l'IA g\u00e9n\u00e9rative, qui se contente de r\u00e9pondre \u00e0 des invites, l'IA agentique agit comme un \u00ab\u00a0agent\u00a0\u00bb num\u00e9rique\u00a0: elle utilise des outils, apprend \u00e0 partir des retours et prend des d\u00e9cisions de mani\u00e8re autonome afin de mener \u00e0 bien des workflows complexes avec un minimum de supervision humaine.<\/p>\n<p>L'IA agentique d\u00e9signe des syst\u00e8mes autonomes con\u00e7us pour effectuer des t\u00e2ches pour le compte d'un utilisateur ou d'un autre syst\u00e8me. Ces agents sont capables de prendre des d\u00e9cisions et d'agir de mani\u00e8re ind\u00e9pendante, souvent en s'appuyant sur des technologies telles que les grands mod\u00e8les linguistiques (LLM), le traitement du langage naturel (NLP) et le machine learning (ML). Leur nature agentique leur permet de planifier, de raisonner et de s'adapter pour atteindre leurs objectifs, souvent avec un minimum de supervision humaine.<\/p>\n<h2>Quels sont les principaux composants d'un syst\u00e8me d'IA agentique ?<\/h2>\n<p>Les syst\u00e8mes d\u2019IA agentique doivent inclure les capacit\u00e9s suivantes :<\/p>\n<ul>\n<li><strong>Gestion des objectifs :<\/strong> le syst\u00e8me doit \u00eatre capable de comprendre et de poursuivre un objectif. Cet objectif peut \u00eatre g\u00e9n\u00e9r\u00e9 en interne ou fourni par l\u2019utilisateur. Un agent sait ce qu\u2019il cherche \u00e0 accomplir et peut diviser de grands objectifs en t\u00e2ches plus petites et g\u00e9rables.<\/li>\n<li><strong>Prise de d\u00e9cision et planification :<\/strong> il doit \u00eatre capable de faire des choix de mani\u00e8re autonome, de d\u00e9cider comment atteindre un objectif, m\u00eame si cela implique de le diviser en \u00e9tapes ou de s\u2019adapter en chemin. L\u2019IA agentique d\u00e9termine les meilleures \u00e9tapes \u00e0 suivre en utilisant la logique, le raisonnement ou des strat\u00e9gies apprises.<\/li>\n<li><strong>Boucle de r\u00e9troaction (cycle perception-action) :<\/strong> l'agent doit agir en fonction de ses d\u00e9cisions, observer les r\u00e9sultats et s'ajuster en cons\u00e9quence. C'est cette boucle qui lui conf\u00e8re son caract\u00e8re autonome, plut\u00f4t que d'\u00eatre un outil ponctuel. Un syst\u00e8me d'IA autonome apprend des r\u00e9sultats, en ajustant son comportement en fonction de ce qui fonctionne et de ce qui ne fonctionne pas. Cela lui permet de devenir plus intelligent et plus utile \u00e0 chaque ex\u00e9cution.<\/li>\n<\/ul>\n<p>Certains composants suppl\u00e9mentaires sont g\u00e9n\u00e9ralement pr\u00e9sents, mais ne sont pas essentiels. Ils incluent :<\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><strong>Comp\u00e9tences linguistiques (LLM et NLP) :<\/strong> l\u2019IA agentique, propuls\u00e9e par les LLM, utilise le langage naturel pour comprendre les instructions, poser des questions et communiquer les r\u00e9sultats.<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><strong>Utilisation des outils :<\/strong> le syst\u00e8me peut interagir avec d\u2019autres outils, sites web, API ou logiciels pour accomplir une t\u00e2che.<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><strong>M\u00e9moire :<\/strong> les agents se souviennent d'actions, de conversations ou de faits pass\u00e9s pour rester coh\u00e9rents et s'am\u00e9liorer au fil du temps. Cette m\u00e9moire peut \u00eatre \u00e0 court terme (pour la t\u00e2che en cours) ou \u00e0 long terme (pour une utilisation future).<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><strong>Consignes de s\u00e9curit\u00e9 et d'alignement :<\/strong> les agents disposent g\u00e9n\u00e9ralement de certains moyens pour respecter les limites \u00e9thiques, l\u00e9gales ou op\u00e9rationnelles de leurs actions. Il peut s'agir de m\u00e9canismes d'alignement des valeurs, de garde-corps ou de syst\u00e8mes impliquant l'intervention humaine.<\/li>\n<\/ul>\n<h2>En quoi l'IA agentique diff\u00e8re-t-elle de l'IA g\u00e9n\u00e9rative (Gen AI) et de l'IA traditionnelle ?<\/h2>\n<p>L'IA traditionnelle est g\u00e9n\u00e9ralement entra\u00een\u00e9e \u00e0 exceller dans un domaine pr\u00e9cis. Elle r\u00e9agit aux donn\u00e9es mais ne planifie pas et ne prend pas de d\u00e9cisions. Elle d\u00e9pend de messages humains ou d'une logique fixe pour fonctionner. L\u2019intelligence artificielle (IA) traditionnelle est excellente pour la reconnaissance de mod\u00e8les et pour des t\u00e2ches comme le filtrage des spams, la recommandation de produits connexes ou la reconnaissance d\u2019images. Elle suit des r\u00e8gles statiques et n'agit pas de mani\u00e8re autonome ni ne cr\u00e9e quoi que ce soit de nouveau.<\/p>\n<p>L'IA g\u00e9n\u00e9rative cr\u00e9e quelque chose en r\u00e9ponse \u00e0 une demande de l'utilisateur, comme un texte, une image, un code logiciel, une vid\u00e9o ou un fichier audio. Poussant plus loin la puissance de reconnaissance de mod\u00e8les de l'IA traditionnelle, la Gen AI s'appuie sur des mod\u00e8les d'apprentissage profond, des donn\u00e9es d\u2019entra\u00eenement \u00e9tendues et la compr\u00e9hension du langage naturel pour interpr\u00e9ter les invites des utilisateurs et g\u00e9n\u00e9rer la sortie demand\u00e9e. Une fois qu'elle aura r\u00e9pondu \u00e0 la demande initiale, elle ne prendra aucune autre mesure sans demande suppl\u00e9mentaire. L'IA g\u00e9n\u00e9rative, un LLM par exemple, peut faire partie d'un syst\u00e8me d'IA agentique.<\/p>\n<p>L'IA traditionnelle et l'IA g\u00e9n\u00e9rative sont g\u00e9n\u00e9ralement r\u00e9actives, d\u00e9pendant des instructions ou des donn\u00e9es fournies par l'\u00eatre humain. L'IA agentique est plus proactive, capable d'atteindre un objectif et de mener \u00e0 bien des processus en plusieurs \u00e9tapes de mani\u00e8re autonome. Elle effectuera des boucles, r\u00e9essaiera, r\u00e9visera et s'adaptera jusqu'\u00e0 ce qu'elle atteigne son objectif, en utilisant divers outils pour guider ses d\u00e9cisions.<\/p>\n<h2>Quelles sont les diff\u00e9rences dans les donn\u00e9es et les m\u00e9thodes d'entra\u00eenement n\u00e9cessaires pour les diff\u00e9rents types d'intelligence artificielle (IA) ?<\/h2>\n<p><span>Les besoins <a href=\"https:\/\/www.applause.com\/fr\/entrainement-tests-ia\/\">en donn\u00e9es d\u2019entra\u00eenement pour l\u2019IA<\/a><\/span> varient en termes de structure, de sp\u00e9cificit\u00e9 et d\u2019\u00e9chelle selon le cas d\u2019utilisation pr\u00e9vu. Diff\u00e9rents types d\u2019IA tirent profit de diff\u00e9rentes m\u00e9thodes d\u2019entra\u00eenement\u00a0; l\u00e0 encore, la meilleure m\u00e9thode d\u00e9pend souvent du cas d\u2019utilisation ou du r\u00e9sultat souhait\u00e9.<\/p>\n<p>L\u2019IA traditionnelle repose sur des ensembles de donn\u00e9es structur\u00e9s et \u00e9tiquet\u00e9s. Les donn\u00e9es doivent \u00eatre propres et bien annot\u00e9es ; elles sont g\u00e9n\u00e9ralement sp\u00e9cifiques \u00e0 un domaine et ont une port\u00e9e limit\u00e9e. La m\u00e9thode d'apprentissage la plus courante est l'apprentissage supervis\u00e9\u00a0: le mod\u00e8le apprend \u00e0 partir de paires d'entr\u00e9es-sorties. Les syst\u00e8mes non supervis\u00e9s, bas\u00e9s sur des r\u00e8gles, sont \u00e9galement courants, car l'IA traditionnelle est g\u00e9n\u00e9ralement con\u00e7ue pour effectuer une t\u00e2che sp\u00e9cifique qui suit un flux de travail r\u00e9p\u00e9titif.<\/p>\n<p><span><a href=\"https:\/\/www.applause.com\/fr\/tests-ia-generative\/\">L'IA g\u00e9n\u00e9rative<\/a><\/span> n\u00e9cessite des ensembles de donn\u00e9es non structur\u00e9s beaucoup plus volumineux et plus larges. Pensez aux livres, aux sites web, aux biblioth\u00e8ques, aux images ou au code... le volume est important. Selon le cas d'utilisation, la diversit\u00e9 peut \u00e9galement \u00eatre un facteur. Pour certaines applications internes, la diversit\u00e9 n'est peut-\u00eatre pas une priorit\u00e9, mais si l'application est destin\u00e9e \u00e0 un large public, les donn\u00e9es d'entra\u00eenement doivent refl\u00e9ter cette diversit\u00e9 afin de r\u00e9duire le risque de biais. L'IA g\u00e9n\u00e9rative s'appuie g\u00e9n\u00e9ralement sur l'apprentissage auto-supervis\u00e9 pour l'entra\u00eenement initial, puis l'intervention humaine guide l'ajustement et l'apprentissage par renforcement. Les humains classent les r\u00e9sultats du mod\u00e8le, lui apprenant \u00e0 s'optimiser pour fournir des r\u00e9ponses utiles, s\u00fbres et de haute qualit\u00e9.<\/p>\n<p>L'IA agentique apprend \u00e0 partir de donn\u00e9es structur\u00e9es et orient\u00e9es vers des objectifs, telles que les journaux de t\u00e2ches, les flux de travail et les enregistrements d'actions historiques. Elle peut \u00e9galement s'entra\u00eener sur des donn\u00e9es synth\u00e9tiques ou interactives provenant d'environnements simul\u00e9s, ainsi que sur des avis. L'entra\u00eenement combine l'ajustement pr\u00e9cis des mod\u00e8les g\u00e9n\u00e9ratifs avec l'apprentissage par renforcement, le clonage comportemental et l'entra\u00eenement \u00e0 l'utilisation d'outils. Le clonage comportemental enseigne \u00e0 l'IA par l'exemple, en copiant ce que font les experts, plut\u00f4t que de le d\u00e9couvrir par essais et erreurs. Il s'agit souvent de la premi\u00e8re \u00e9tape dans la construction de syst\u00e8mes agentiques qui peuvent ensuite s'am\u00e9liorer gr\u00e2ce \u00e0 des techniques plus avanc\u00e9es telles que l'apprentissage par renforcement ou les avis en temps r\u00e9el. Les avis it\u00e9ratifs et l'\u00e9valuation bas\u00e9e sur les objectifs sont \u00e9galement essentiels dans la formation de l'IA agentique.<\/p>\n<\/div><\/div><\/div><\/div>\r\n\r\n<div class=\"et_pb_row_1 et_pb_row et_block_row\">\r\n\r\n<div class=\"et_pb_column_1 et_pb_column et_pb_column_4_4 et-last-child et_block_column et_pb_css_mix_blend_mode_passthrough\">\r\n\r\n<div class=\"et_pb_text_1 et_pb_text et_pb_bg_layout_light et_pb_module et_block_module preset--module--divi-text--4564d33f-bb24-4931-8445-a739e42249ca\"><div class=\"et_pb_text_inner\"><h2>Quelle est la diff\u00e9rence entre l\u2019IA agentique, un agent et un flux de travail agentique ?<\/h2>\n<p>Bien que ces termes soient \u00e9troitement li\u00e9s, ils d\u00e9crivent diff\u00e9rents niveaux d'autonomie et de structure au sein des syst\u00e8mes d'IA.<\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><strong>L'IA agentique<\/strong> est le concept global, elle fait r\u00e9f\u00e9rence \u00e0 un type de syst\u00e8me d'IA qui pr\u00e9sente des comportements et des capacit\u00e9s sp\u00e9cifiques. Les syst\u00e8mes d'IA agentique sont autonomes, proactifs et orient\u00e9s vers un objectif. Ils comprennent souvent des composants tels que la planification, la m\u00e9moire, l'utilisation d'outils et des boucles d'avis qui leur permettent de fonctionner de mani\u00e8re ind\u00e9pendante et adaptative.<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Un <strong>agent d'IA<\/strong> est une unit\u00e9 individuelle au sein d'un tel syst\u00e8me, une entit\u00e9 autonome unique con\u00e7ue pour atteindre un objectif sp\u00e9cifique. Les agents effectuent des t\u00e2ches telles que la g\u00e9n\u00e9ration de contenu, la r\u00e9cup\u00e9ration de donn\u00e9es ou l'ex\u00e9cution d'actions. Un chatbot, un assistant de code ou un bot de workflow sont tous des exemples d'agents. Vous pouvez consid\u00e9rer les agents comme les \u00e9l\u00e9ments constitutifs de syst\u00e8mes d'IA plus complexes.<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Un <strong>flux de travail agentique<\/strong> est le processus structur\u00e9 ou la s\u00e9quence d'actions que le syst\u00e8me (ou plusieurs agents) entreprend pour atteindre un objectif plus large. Les flux de travail agentiques relient souvent plusieurs agents entre eux, leur permettant ainsi de collaborer, de se r\u00e9partir des sous-t\u00e2ches et de s'adapter de mani\u00e8re dynamique \u00e0 des circonstances changeantes.<\/li>\n<\/ul>\n<h2>Quel est l\u2019impact de l\u2019IA agentique ?<\/h2>\n<p>L\u2019IA agentique ne se contente pas de g\u00e9n\u00e9rer du contenu, elle accomplit des t\u00e2ches. En permettant aux syst\u00e8mes de r\u00e9fl\u00e9chir, de planifier et d'agir de mani\u00e8re autonome, l'IA agentique a le potentiel de transformer notre fa\u00e7on de travailler, de construire et d'interagir avec la technologie. En automatisant des flux de travail complexes et multi-\u00e9tapes, l'intelligence artificielle agentique peut stimuler la productivit\u00e9 tout en r\u00e9duisant le besoin de coordonner manuellement les t\u00e2ches. Cela peut lib\u00e9rer du temps aux humains pour une r\u00e9flexion plus cr\u00e9ative ou strat\u00e9gique.<\/p>\n<p>Les syst\u00e8mes agentiques peuvent encha\u00eener des t\u00e2ches sans n\u00e9cessiter une intervention humaine constante. Cela permet l'automatisation de bout en bout. Les syst\u00e8mes autonomes capables de collaborer dynamiquement ont un potentiel \u00e9norme pour une r\u00e9solution de probl\u00e8mes plus adaptative et flexible. Cependant, comme pour tout syst\u00e8me, il y a des risques. L'IA agentique soul\u00e8ve de nouvelles questions sur la confiance, la s\u00e9curit\u00e9 et le contr\u00f4le. Par exemple, un agent charg\u00e9 d'optimiser les d\u00e9penses li\u00e9es au d\u00e9veloppement de logiciels pourrait \u00e9laborer un excellent plan, mais il pourrait \u00e9galement r\u00e9affecter les budgets d'une mani\u00e8re qui, en fin de compte, r\u00e9duirait la qualit\u00e9 globale et nuirait \u00e0 l'exp\u00e9rience utilisateur.<\/p>\n<h2>Quels sont les risques de l'IA agentique ?<\/h2>\n<p>Si l'IA agentique est incroyablement puissante, sa capacit\u00e9 \u00e0 agir de mani\u00e8re autonome introduit une nouvelle cat\u00e9gorie de risques qui vont bien au-del\u00e0 des syst\u00e8mes d'IA traditionnels ou g\u00e9n\u00e9ratifs. \u00c9tant donn\u00e9 que les syst\u00e8mes d'IA agentique peuvent fonctionner de mani\u00e8re autonome, il existe un risque qu'ils prennent des d\u00e9cisions sans contr\u00f4le humain ou qu'ils agissent plus rapidement que ce que les humains peuvent surveiller. Ils peuvent \u00e9galement fonctionner d'une mani\u00e8re non pr\u00e9vue, en particulier si les objectifs sont mal d\u00e9finis ou mal compris.<\/p>\n<p>Parce qu'ils s'int\u00e8grent souvent \u00e0 d'autres outils, les syst\u00e8mes d'intelligence artificielle (IA) agentique soul\u00e8vent des inqui\u00e9tudes quant \u00e0 ce qui pourrait se produire s'ils acc\u00e8dent, modifient ou exposent des donn\u00e9es sensibles. Ils pourraient \u00e9galement apporter des modifications au mauvais syst\u00e8me ou utiliser des outils de mani\u00e8re non s\u00e9curis\u00e9e. De plus, \u00e9tant donn\u00e9 leur capacit\u00e9 \u00e0 travailler rapidement, lorsque les probl\u00e8mes sont d\u00e9tect\u00e9s, les dommages peuvent \u00eatre consid\u00e9rables.<\/p>\n<p>Pour att\u00e9nuer les risques, les entreprises devraient se concentrer sur :<\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Clear task boundaries and permissions<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Human-in-the-loop oversight<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Audit trails and decision logs<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Safe defaults and sandboxed environments<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Strong access control and rate limiting for tools\/APIs<\/span><\/li>\n<\/ul>\n<p>Avec un <span><a href=\"https:\/\/www.marketresearchreports.com\/blog\/2024\/11\/07\/agentic-ai-systems-transforming-autonomous-decision-making-and-industry-potential#:~:text=The%20agentic%20AI%20market%20size,expected%20to%20reach%20%24126.89%20billion.\">march\u00e9 de l\u2019IA agentique<\/a><\/span> qui devrait atteindre 126,89\u00a0milliards de dollars d'ici 2029, il n'est pas surprenant que de nombreuses organisations investissent dans cette technologie. La supervision humaine et les tests approfondis lors du d\u00e9veloppement de ces applications restent essentiels. D\u00e9couvrez comment Applause peut vous aider. <span><a href=\"https:\/\/www.applause.com\/fr\/contactez-nous\/\">Contactez-nous d\u00e8s aujourd\u2019hui<\/a><\/span>.<\/p>\n<\/div><\/div><\/div><\/div><\/div>","protected":false},"excerpt":{"rendered":"<p>D\u00e9couvrez ce qui diff\u00e9rencie l&rsquo;IA agentique de l&rsquo;IA g\u00e9n\u00e9rative et de l&rsquo;IA traditionnelle, et comment l&rsquo;IA agentique augmente les enjeux pour les d\u00e9veloppeurs. <\/p>\n","protected":false},"author":25,"featured_media":139422,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[281],"tags":[],"resource-industry":[],"resource-solution":[1186],"resources\/types":[1242],"class_list":["post-155054","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-non-classifiee","resource-solution-entrainement-tests-ia","resource-type-blogues"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/posts\/155054","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/users\/25"}],"replies":[{"embeddable":true,"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/comments?post=155054"}],"version-history":[{"count":5,"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/posts\/155054\/revisions"}],"predecessor-version":[{"id":155061,"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/posts\/155054\/revisions\/155061"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/media\/139422"}],"wp:attachment":[{"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/media?parent=155054"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/categories?post=155054"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/tags?post=155054"},{"taxonomy":"resource-industry","embeddable":true,"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/resource-industry?post=155054"},{"taxonomy":"resource-solution","embeddable":true,"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/resource-solution?post=155054"},{"taxonomy":"resource-type","embeddable":true,"href":"https:\/\/www.applause.com\/fr\/wp-json\/wp\/v2\/resources\/types?post=155054"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}