Semantic Kernel : le SDK d'IA de Microsoft, relayé par Agent Framework

D’où vient Semantic Kernel

Microsoft a lancé Semantic Kernel en 2023 pour aider les développeurs d’applications classiques, notamment en C#, à brancher un modèle d’IA dans leur code sans tout réinventer. Le principe : un « noyau » qui orchestre des plugins, c’est-à-dire des fonctions de votre application, des modèles de prompts ou des API décrites en OpenAPI, que le modèle peut appeler grâce à l’appel d’outils. Le SDK a ensuite ajouté des agents IA, l’orchestration multi-agents, la prise en charge de MCP, des connecteurs vers des bases vectorielles et un « Process Framework » pour modéliser des processus métier.

Le statut en octobre 2026

Le README officiel l’annonce sans détour : « Semantic Kernel est désormais Microsoft Agent Framework ». Ce successeur, construit par la même équipe, reprend les fonctions d’entreprise de Semantic Kernel et les abstractions multi-agents d’AutoGen.

Concrètement, selon le blog officiel d’octobre 2025 :

• la version 1.x reste maintenue pour les bugs critiques et la sécurité ;
• cette maintenance est promise au moins un an après la disponibilité générale d’Agent Framework (version 1.0 publiée le 2 avril 2026) ;
• la majorité des nouvelles fonctionnalités est développée pour Agent Framework.

Au moment du relevé, de nouvelles versions de Semantic Kernel paraissent encore, pour Python comme pour .NET.

Si vous démarrez ou si vous l’utilisez déjà

Vous partez de zéro : suivez la recommandation de Microsoft et commencez par Agent Framework, qui offre des workflows explicites et un engagement de support à long terme.

Vous avez une application Semantic Kernel : elle continue de fonctionner et de recevoir les correctifs importants. Profitez de cette période pour lire le guide de migration officiel, repérer les plugins et agents à porter, et prévoir le passage avant la fin de l’engagement de maintenance.

Forces et limites

Forces : maturité côté .NET, approche par plugins claire, nombreux connecteurs de modèles et de bases vectorielles, déploiement possible avec des modèles locaux.

Limites : c’est un projet en fin de cycle ; investir massivement dessus aujourd’hui expose à une migration plus tard. Les nouveautés du domaine (workflows en graphe, agent « harness ») arrivent dans Agent Framework, pas ici. Si vous n’êtes pas lié à Microsoft, LangChain est une autre option répandue pour relier modèles, outils et données.