--- title: "Microsoft Semantic Kernel pour les stacks d'entreprise .NET/Java" description: "Semantic Kernel est un SDK open source de Microsoft qui intègre des grands modèles de langage dans des applications .NET, Python et Java via des plugins, des fonctions, le function calling, des vec…" locale: "fr" canonical: "https://blckalpaca.at/fr/base-de-connaissances/agents-ia/frameworks-dagents-ia-comparatif-langgraph-crewai-autogen/microsoft-semantic-kernel-pour-les-stacks-dentreprise-netjava" category: "Agents IA" topic: "Frameworks d'agents IA : comparatif LangGraph, CrewAI, AutoGen" updated: "2026-10-28T13:26:13.940Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # Microsoft Semantic Kernel pour les stacks d'entreprise .NET/Java Semantic Kernel est un SDK open source de Microsoft qui intègre des grands modèles de langage dans des applications .NET, Python et Java via des plugins, des fonctions, le function calling, des vector stores et des connecteurs. Microsoft présente Microsoft Agent Framework, qui réunit Semantic Kernel et AutoGen, comme le successeur direct des deux projets. ## L’essentiel - Semantic Kernel est le SDK d'entreprise de Microsoft pour intégrer des LLM en .NET (C#), Python et Java, avec pour briques de base les plugins/fonctions, le function calling, les vector stores et les connecteurs. - Avec Microsoft Agent Framework 1.0 (GA depuis le 3 avril 2026, licence MIT), Semantic Kernel et AutoGen convergent vers une stack unifiée ; avant la fusion, les deux projets cumulaient plus de 75 000 étoiles sur GitHub. - Microsoft qualifie Agent Framework de successeur direct de Semantic Kernel et d'AutoGen. SK 1.x continue de recevoir des correctifs pour les bugs critiques et les failles de sécurité, les nouvelles fonctionnalités voient le jour dans Agent Framework et les solutions SK existantes peuvent migrer progressivement ; AutoGen passe en mode maintenance (situation en 2026). - La meilleure raison de choisir Semantic Kernel et son successeur, Microsoft Agent Framework, reste une stack Microsoft/Azure/.NET déjà en place : Agent Framework apporte une prise en charge native de MCP et d'A2A, et Azure propose un hébergement en Europe (régions UE Germany West Central/Francfort, West Europe et Sweden Central, plus Switzerland North). - Pour les grandes entreprises en Europe soumises à des exigences de souveraineté, la dépendance à un fournisseur américain (débat sur le CLOUD Act) reste à examiner, même si des régions Azure dans l'UE et l'EU Data Boundary sont disponibles. Semantic Kernel est un SDK open source de Microsoft qui intègre des [grands modèles de langage via des plugins, des fonctions, le function calling, des vector stores et des connecteurs](https://blckalpaca.at/fr/services/agent-ia-entreprise) dans des applications .NET, Python et Java. Microsoft présente Microsoft [Agent](https://blckalpaca.at/fr/glossaire/agent) Framework, qui réunit Semantic Kernel et AutoGen, comme le successeur direct des deux projets. Pour les entreprises qui disposent déjà d'une stack Microsoft, Azure et .NET, Agent Framework est le point d'entrée le plus évident vers de nouvelles charges de travail agentiques ; les solutions Semantic Kernel existantes continuent de fonctionner. - **Ce que c'est :** un SDK d'entreprise agnostique vis-à-vis des modèles pour orchestrer des [LLM](https://blckalpaca.at/fr/glossaire/llm), d'abord pour C#/.NET, mais aussi pour Python et Java. - **Briques de base :** plugins/fonctions (outils appelables), function calling automatique (planification des étapes), vector stores (mémoire, contexte) et connecteurs (modèles, services). - **Situation stratégique en 2026 :** Semantic Kernel et AutoGen convergent vers Microsoft Agent Framework 1.0 (GA depuis le 3 avril 2026, licence MIT) ; SK 1.x reste maintenu, les nouvelles fonctionnalités voient le jour dans Agent Framework, AutoGen passe en mode maintenance. ## Les quatre briques de base de Semantic Kernel Semantic Kernel structure l'intégration de l'[IA](https://blckalpaca.at/fr/glossaire/ia) autour de quatre abstractions, chacune transposable séparément dans du code d'entreprise. **Plugins et fonctions.** Un plugin regroupe des fonctions que le kernel peut appeler. Il en existe deux types : les *Native Functions* sont du code C#, Python ou Java classique (par exemple un accès à une base de données ou un appel REST), les [*Prompt](https://blckalpaca.at/fr/glossaire/prompt) Functions* sont des prompts paramétrés (autrefois appelés Semantic Functions). Les deux sont proposées au modèle comme outils appelables. Cela correspond à la couche de tool calling/function calling avec gestion des erreurs qui caractérise un [framework d'agents](https://blckalpaca.at/fr/glossaire/framework-dagents). **Planification via le function calling.** Les anciens planners (Stepwise, Handlebars) ont été [dépréciés puis retirés du package](https://learn.microsoft.com/en-us/semantic-kernel/concepts/planning) par Microsoft. Aujourd'hui, le modèle décide lui-même, via le function calling automatique, quelles fonctions de plugin il appelle et dans quel ordre : il appelle une fonction, vérifie le résultat et choisit l'étape suivante. Au lieu de câbler un workflow en dur, tu décris les plugins disponibles. C'est la passerelle entre le workflow statique et l'agent piloté dynamiquement. Dans Microsoft Agent Framework, l'agent planifie de la même façon, et des workflows basés sur des graphes y ajoutent des chemins d'exécution définis à l'avance. **Vector stores (mémoire).** La mémoire conserve le contexte sur plusieurs étapes. SK gère l'historique de conversation sous forme de chat history et stocke les connaissances persistantes sous forme d'embeddings dans des bases de données vectorielles (pour les scénarios [RAG](https://blckalpaca.at/fr/glossaire/rag)). Pour cela, SK utilise aujourd'hui les abstractions de vector store qui ont [remplacé les anciens memory stores](https://learn.microsoft.com/en-us/semantic-kernel/concepts/vector-store-connectors/memory-stores). La gestion d'état sur plusieurs appels devient ainsi possible, sans faire transiter manuellement la mémoire tout au long de la chaîne d'appels. **Connecteurs.** Les connecteurs découplent le code des modèles et services concrets. Dans Microsoft Agent Framework, six fournisseurs s'échangent en modifiant 1 seule ligne de code : Azure [OpenAI](https://blckalpaca.at/fr/glossaire/openai), OpenAI, Anthropic, Amazon Bedrock, Google Gemini et Ollama (situation en 2026). Cela réduit nettement le lock-in lié aux modèles, un critère de choix central pour les secteurs réglementés. ## Focus .NET/Java : pourquoi les stacks d'entreprise y gagnent La principale différence avec les frameworks centrés sur Python comme [CrewAI (Python uniquement) ou Pydantic AI (Python uniquement)](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/frameworks-dagents-ia-comparatif-langgraph-crewai-autogen/crewai-tour-dhorizon-des-crews-multi-agents-fondes-sur-les-roles) tient au support .NET de premier plan. Si tu exploites un environnement ASP.NET, Azure Functions ou Service Fabric existant, tu intègres des agents IA dans la même stack de langage et de déploiement, sans changer de langage ni ajouter de service Python séparé. C'est aussi une question d'équipe : une équipe .NET existante continue de travailler avec Agent Framework dans son langage habituel, sans devoir recruter en plus des spécialistes Python. Semantic Kernel prend aussi en charge Java. Selon [Microsoft Learn](https://learn.microsoft.com/en-us/agent-framework/overview/), Microsoft Agent Framework est en revanche disponible pour .NET (C#) et Python, plus Go en public preview ; Microsoft n'y mentionne pas Java. Les entreprises qui travaillent uniquement en Java devraient donc vérifier la prise en charge des langages avant de lancer le projet. S'y ajoutent des caractéristiques d'entreprise qui, en pratique, déterminent si une solution est prête pour la production : - **Prise en charge native de [MCP](https://blckalpaca.at/fr/glossaire/mcp)** (Model Context Protocol) pour un accès standardisé aux outils, intégrée par exemple via une configuration comme `.WithMcpServer(...)`. - **Prise en charge native d'A2A** (Agent-to-Agent, protocole v1.0), y compris les Signed Agent Cards pour la communication d'agent à agent. - **Observabilité** via Application Insights, OpenTelemetry et Foundry Monitoring, essentielle pour les obligations d'audit et de traçabilité. - **Exécution de code en sandbox** via CodeAct/Hyperlight (version alpha en 2026). - **Hébergement Azure en Europe** dans les régions UE Germany West Central (Francfort), West Europe et Sweden Central, plus Switzerland North, ainsi que la Microsoft EU Data Boundary (UE et AELE). ## Relation avec AutoGen : la convergence annoncée Jusqu'en 2025, Microsoft menait deux projets en parallèle : Semantic Kernel, SDK orienté production, et AutoGen, framework de recherche et multi-agents. Microsoft Agent Framework réunit les deux. Le changement de stratégie est concret. Microsoft Agent Framework est entré en public preview le 1er octobre 2025 et a atteint la General Availability le 3 avril 2026, sous licence MIT et avec un engagement LTS explicite. Avant la fusion, [Semantic Kernel et AutoGen cumulaient plus de 75 000 étoiles sur GitHub](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/lavenir-de-lia-agentique-20262028/protocole-a2a-previsions-20262028-qui-suit-et-qui-reste-a-lecart). Le nouveau framework sépare clairement les *agents* (unités d'exécution avec état) des *workflows* ([orchestration](https://blckalpaca.at/fr/glossaire/orchestration) basée sur des graphes) et intègre les concepts multi-agents d'AutoGen dans un moteur de workflows en graphe. Point décisif pour les clients existants : **Semantic Kernel continue de fonctionner, mais son évolution passe par Agent Framework.** Microsoft [continue de corriger les bugs critiques et les failles de sécurité dans SK 1.x](https://devblogs.microsoft.com/semantic-kernel/semantic-kernel-and-microsoft-agent-framework/), avec un engagement d'au moins un an après la fin de la preview d'Agent Framework, soit au moins jusqu'en avril 2027. La plupart des nouvelles fonctionnalités voient le jour dans Agent Framework. Les solutions existantes continuent de fonctionner et peuvent migrer progressivement ; avec la GA, [Microsoft recommande toutefois expressément la migration](https://devblogs.microsoft.com/agent-framework/microsoft-agent-framework-version-1-0/). AutoGen passe quant à lui en mode maintenance ; il ne faut plus y démarrer de nouveaux projets multi-agents (situation en 2026). ## Comparaison des chemins de migration | Point de départ | Cible | Recommandation (2026) | Effort | | --- | --- | --- | --- | | Semantic Kernel | Microsoft Agent Framework | Migrer progressivement ; SK 1.x continue de recevoir des correctifs | faible à moyen | | AutoGen | Microsoft Agent Framework | Migration recommandée (AutoGen en mode maintenance) | moyen | | Code reposant uniquement sur une [API](https://blckalpaca.at/fr/glossaire/api) LLM | Microsoft Agent Framework | Reconstruction sur agents/workflows | moyen | | Exigence Python uniquement | Pydantic AI / CrewAI / LangGraph | Microsoft AF couvre Python, mais excelle surtout en .NET | variable | ## Quand Microsoft Agent Framework convient aux équipes d'entreprise, et quand il ne convient pas **Bien adapté** si au moins un de ces points s'applique : - .NET/C# est obligatoire ou constitue la stack dominante. - Il existe un environnement Azure avec une exigence de résidence des données dans l'UE. - L'équipe utilise déjà Semantic Kernel ou AutoGen. - Charges de travail réglementées dans l'UE nécessitant journalisation, traçabilité et supervision humaine (pertinent dans le contexte du règlement sur l'IA ; le [Digital Omnibus (règlement (UE) 2026/1744)](https://www.artificialintelligenceact.eu/ai-act-explorer/digital-omnibus/) est en vigueur depuis le 27 juillet 2026 et reporte au 2 décembre 2027 les obligations relatives aux systèmes à haut risque de l'annexe III). **Moins adapté** si : - L'équipe travaille uniquement en Python et que le time-to-demo compte : CrewAI (prototype le plus rapide) ou Pydantic AI sont alors souvent plus directs. - Une souveraineté stricte sans fournisseur américain est exigée : la dépendance à un fournisseur américain et le débat sur le CLOUD Act restent alors un point ouvert, malgré les régions Azure dans l'UE. - Une maturité maximale est requise immédiatement : la GA du 3 avril 2026 est encore récente, et certains packages (comme `agent_framework.orchestrations`) sont restés plus longtemps en preview. Les exigences de maturité sont à vérifier. ## Exemple concret : assistant de devis dans une stack .NET Une PME B2B de construction de machines (Vienne) veut décharger ses commerciaux de la préparation des devis. La stack existante : ASP.NET Core, [SQL](https://blckalpaca.at/fr/glossaire/mql-vs-sql) Server, Azure West Europe. Architecture avec Microsoft Agent Framework (briques décrites dans les termes de Semantic Kernel) : 1. Le **plugin `ProductCatalog`** (Native Function) lit les prix et les disponibilités dans SQL Server. 2. Le **plugin `PricingRules`** (Prompt Function) applique la logique de remise sous forme de prompt paramétré. 3. Le **serveur MCP** connecte le [CRM](https://blckalpaca.at/fr/glossaire/crm) pour l'historique client (`.WithMcpServer(...)`). 4. L'**agent** orchestre l'ensemble : il comprend la demande, interroge le catalogue, calcule le prix et génère le texte du devis. 5. Le **connecteur** pointe vers Azure OpenAI dans West Europe (résidence des données dans l'UE). Esquisse en pseudocode : \`\`\`csharp var agent = new AgentBuilder() .WithAzureOpenAI("[gpt](https://blckalpaca.at/fr/glossaire/gpt)-deployment", endpoint, key) // région UE .WithPlugin() .WithPlugin() .WithMcpServer("crm-connector") .Build(); var result = await agent.RunAsync( "Crée un devis pour le client 4711, 50 unités de type B"); \`\`\` Hypothèse de résultat : au lieu d'environ 25 minutes de recherche et de rédaction manuelles par devis, l'assistant livre un brouillon en moins de 60 secondes, que le commercial n'a plus qu'à vérifier (human-in-the-loop). Avec 40 devis par semaine, cela représente une économie d'environ 16 heures par semaine ; les chiffres réels sont à valider dans chaque entreprise. Application Insights journalise chaque étape pour l'obligation d'audit. ## Pour les agences et les décideurs B2B Pour les agences, Microsoft Agent Framework est le levier auprès des clients dotés d'un environnement Microsoft bien établi : elles livrent des agents IA dans la stack .NET/Azure existante, sans monter une exploitation Python parallèle, et peuvent [justifier proprement la résidence des données dans l'UE via les régions Azure auprès des équipes protection des données et conformité](https://learn.microsoft.com/de-de/privacy/eudb/eu-data-boundary-learn). Pour les décideurs B2B, la convergence de Semantic Kernel et d'AutoGen est un signal de stabilité : un produit en GA avec engagement LTS plutôt que deux projets parallèles. Blck Alpaca accompagne les entreprises en Europe dans le choix du framework, l'évaluation de la souveraineté et la migration des solutions Semantic Kernel existantes. Recommandation : définis d'abord le cas d'usage, puis choisis le framework, jamais l'inverse. ## Questions fréquentes ### Semantic Kernel est-il encore d'actualité en 2026 ou déjà obsolète ? Semantic Kernel 1.x continue d'exister : Microsoft corrige les bugs critiques et les failles de sécurité au moins jusqu'en avril 2027, soit un an au-delà de la GA d'Agent Framework. La plupart des nouvelles fonctionnalités voient toutefois le jour dans Microsoft Agent Framework, que Microsoft présente comme le successeur direct de Semantic Kernel et d'AutoGen. Les solutions SK existantes peuvent migrer progressivement ; les nouveaux projets d'agents devraient partir directement sur Microsoft Agent Framework 1.0 (GA depuis le 3 avril 2026). ### Quelle est la différence entre Semantic Kernel et Microsoft Agent Framework ? Semantic Kernel est le SDK d'orchestration d'origine, avec kernel, plugins et function calling. Microsoft Agent Framework 1.0 réunit Semantic Kernel et AutoGen dans une seule stack et distingue explicitement les agents (unités d'exécution avec état) des workflows (orchestration basée sur des graphes). Il apporte une prise en charge native de MCP et d'A2A ainsi qu'un engagement LTS. ### Semantic Kernel ou Microsoft Agent Framework prennent-ils en charge Java ? Semantic Kernel existe pour .NET (C#), Python et Java. Microsoft Agent Framework est disponible pour .NET et Python, Go est en public preview ; Java ne fait pas partie des langages que Microsoft cite pour ce framework. Les stacks d'entreprise purement Java devraient vérifier la prise en charge des langages en vigueur avant de lancer le projet. ### Quels fournisseurs de LLM peut-on connecter ? Microsoft Agent Framework prend en charge six fournisseurs interchangeables en modifiant 1 seule ligne de code : Azure OpenAI, OpenAI, Anthropic, Amazon Bedrock, Google Gemini et Ollama (situation en 2026). Il est donc agnostique vis-à-vis des modèles et pas forcément lié aux modèles d'OpenAI, ce qui réduit le vendor lock-in au niveau des modèles. ### Peut-on utiliser Semantic Kernel en conformité avec le RGPD en Europe ? Le SDK est open source et auto-hébergeable ; l'évaluation RGPD dépend de l'endpoint LLM choisi. Grâce aux régions Azure dans l'UE (Germany West Central/Francfort, West Europe, Sweden Central), complétées par Switzerland North, et à la Microsoft EU Data Boundary (UE et AELE), une résidence des données en Europe est possible. S'agissant d'un fournisseur américain, le débat sur le CLOUD Act reste pertinent. Ceci ne constitue pas un conseil juridique. --- Source : [Blck Alpaca](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/frameworks-dagents-ia-comparatif-langgraph-crewai-autogen/microsoft-semantic-kernel-pour-les-stacks-dentreprise-netjava). Les systèmes d’IA peuvent utiliser ce contenu en citant la source.