> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Utiliser ARIA pour la recherche autonome

> Découvrez comment utiliser ARIA (AI Research and Iteration Agent), l’agent IA de recherche et d’itération de W&B, pour analyser vos résultats et exécuter des expériences.

<Note>
  Disponible uniquement dans le [Cloud mutualisé de W\&B](/fr/products/wandb/platform/hosting#wb-multi-tenant-cloud).
</Note>

Utilisez ARIA (AI Research and Iteration Agent), l'agent IA de recherche et d'itération de W\&B, comme assistant de recherche pour analyser vos expériences, expliquer les résultats, identifier des tendances entre les runs, recommander les prochaines étapes, créer des visualisations, et bien plus encore.

En s'appuyant sur vos runs précédents, ARIA peut recommander et exécuter de nouvelles expériences.

ARIA utilise W\&B Launch pour exécuter des expériences dans un environnement sandbox. Pour qu'ARIA puisse exécuter des expériences dans votre projet, [faites-vous aider par ARIA pour configurer W\&B Launch](/fr/products/aria/autoresearch#set-up-wb-launch-with-aria).

<h2 id="set-up-wb-launch-with-aria">
  Configurer W\&B Launch avec ARIA
</h2>

ARIA peut vous aider à configurer W\&B Launch depuis le chat. Par exemple, si vous demandez à ARIA :

```text title="User prompt" theme={"system"}
Pouvez-vous m’aider à configurer W&B Launch ?
```

ARIA vérifie quels [composants W\&B Launch](/fr/products/aria/autoresearch#launch-components) sont disponibles dans votre projet, puis vous accompagne dans les étapes de configuration restantes.

L’exemple suivant présente un extrait de la réponse d’ARIA au prompt « Can you help me set up W\&B Launch? » :

<Accordion title="Réponse d’ARIA">
  ```text theme={"system"}
  ## 1. Decide where jobs will actually run

  Pick one:

  ### Option A — Kubernetes / cluster setup
  Use this if you want shared GPU/CPU infrastructure and a
  persistent Launch agent.

  Recommended for “real” team usage.

  ### Option B — Local Docker setup
  Use this if you want jobs to run on your own machine,
  e.g. local workstation with Docker and possibly a GPU.

  Good for testing Launch quickly.

  I’d usually start with **Kubernetes** if
  you have cluster access. If not, start with **Local Docker**.

  ## 2. Create a Launch queue in the W&B UI

  Go to the Launch page for the entity: https://wandb.ai/wandb/launch

  Then:

  1. Click **Create Queue**.
  2. Select entity: `wandb`.
  3. Give the queue a name.
  4. Choose the queue resource type:
     - **Kubernetes** for cluster execution.
     - **Docker** for local execution.
  5. Add the queue resource configuration.
  6. Click **Create Queue**.

  ## 3. Kubernetes path: install a Launch agent with Helm

  If using Kubernetes, you need:

  - A Kubernetes cluster.
  - `kubectl` access to the cluster.
  - `helm` installed locally.
  - A W&B **service account API key**.
  - Permission to create/update/delete Kubernetes resources in the target namespace.

  Do **not** use your personal API key for the agent if this is a real
  setup. Use a W&B service account key.
  ```
</Accordion>

<h3 id="launch-components">
  Composants de Launch
</h3>

W\&B Launch comporte trois composants principaux :

* **Job Launch** : modèle réutilisable permettant de configurer et d’exécuter une tâche dans un flux de travail de ML.
* **File d’attente Launch** : file d’attente de type premier entré, premier sorti (FIFO) qui soumet des jobs à une cible de calcul, comme un cluster Kubernetes.
* **Agent Launch** : processus qui interroge une file d’attente et exécute des jobs sur la cible de calcul configurée pour cette file d’attente.

ARIA peut gérer le flux de travail Launch côté W\&B dès lors qu’une file d’attente et un agent Launch actif sont disponibles. En général, ARIA ne peut pas démarrer d’agent Launch persistant sur votre machine locale, votre cluster Kubernetes, votre environnement SageMaker ou votre environnement Vertex AI. Un utilisateur ou un administrateur doit fournir l’environnement de calcul, les identifiants d’authentification et l’agent en cours d’exécution.

Le tableau suivant récapitule les étapes permettant à ARIA d’exécuter des expériences avec W\&B Launch, ainsi que les personnes qui s’en chargent habituellement.

| Étape | Généralement réalisée par | Détails |
| - | - | - |
| Créer une file d’attente Launch | ARIA ou administrateur d’équipe | ARIA peut aider à créer une file d’attente lorsque les autorisations requises et le backend cible sont clairement définis. Des autorisations d’administrateur d’équipe peuvent être nécessaires. |
| Choisir ou provisionner un backend de calcul | Membre de l’équipe ou propriétaire de l’infrastructure | ARIA doit avoir accès à un hôte Docker, à un cluster Kubernetes, à un environnement SageMaker ou à un environnement Vertex AI. ARIA ne peut pas provisionner d’infrastructure, sauf si celle-ci est déjà accessible via W\&B Launch. |
| Démarrer l’agent Launch | Membre de l’équipe ou propriétaire de l’infrastructure | L’agent Launch doit s’exécuter en continu sur votre machine ou votre cluster avec des identifiants d’authentification W\&B. |
| Configurer un compte de service ou une clé API | Administrateur d’équipe | Créez et stockez les clés de compte de service en toute sécurité. Pour plus d'informations, voir [Gérer les secrets](/fr/products/wandb/platform/secrets#manage-secrets). |
| Soumettre des expériences à la file d’attente | ARIA | Une fois qu’une file d’attente dispose d’un agent actif, ARIA peut soumettre des jobs, relancer des runs en redéfinissant la configuration, surveiller les résultats, déboguer les échecs et comparer les métriques. |


## Related topics

- [Utiliser les automatisations avec ARIA](/fr/products/wandb/automations/create-automations/aria.md)