OPINION. Les agents révolutionnent les entreprises en automatisant des tâches complexes grâce à l’IA générative. Dès 2023, Princeton et Google ont dévoilé des technologies qui permettent de repenser les processus métiers et d’optimiser le Data Management. Par Stéphane Roder, fondateur d'AI Builders (*).
L'Agentic AI est une révolution pour nos entreprises. Les possibilités de traitement offertes par cette nouvelle utilisation de l'IA Générative ouvrent de nouveaux horizons permettant de repenser l'entreprise dans son intégralité, « AI by Design ».
L'Agentic AI, de l'IA générative au raisonnement actionnable
Par construction, les modèles d'IA Générative ont capté statistiquement le raisonnement humain et infèrent sur les règles qu'ils en ont déduit pour fournir un résultat. Dès mars 2023, quelques mois après la sortie de ChatGPT, les laboratoires de Princeton et Google, dans une publication appelée ReAct Reasoning and Acting, démontrent que les modèles d'IA Générative sont aussi capables de décomposer le raisonnement et d'affecter à chaque sous-tâches un outil qu'on aura pris soin préalablement de décrire au LLM, fonctionnalité native que l'on appelle « l'orchestration ».
Princeton et Google venaient d'inventer « l'Agent Autonome » capable de créer son propre raisonnement et d'exécuter les outils à sa disposition pour exécuter la tâche demandée. Les premières versions utilisant des LLM « sur étagère » pré-entrainés sur des datasets génériques avaient beaucoup de peine à « raisonner » correctement jusqu'au bout et partaient souvent dans des hallucinations qui les faisaient se perdre en conjectures.
Au fur et à mesure, ces deux dernières années, les éditeurs de LLM ont compris qu'ils devaient choisir plus finement les données du pré-entrainement pour améliorer chacune des capacités cognitives dont bien sûr le raisonnement. Dès septembre 2024 avec OpenAI o1 qui décomposait le raisonnement pour donner une réponse qui s'avérait être bien meilleure que ses prédécesseurs, les LLM ayant une excellente capacité de raisonnement foisonnent. La série des GPT4o chez Open AI et bien d'autres sont d'excellents orchestrateurs et dès l'Automne 2024 apparaissent les premières expérimentations suivies de nombreux déploiements.
Une capacité à réaliser des traitements complexes
En effet, cette capacité à utiliser des outils, qui en l'occurrence peuvent être des systèmes d'information de l'entreprise ou des outils bureautiques comme un tableur, permet de reproduire des traitements complexes réalisés par des collaborateurs de l'entreprise. Un assureur français par exemple a déployé à l'échelle pour tous ses gestionnaires un Agent Autonome pour le traitement des dossiers d'indemnisation. L'agent va consulter de lui-même le contrat de l'assuré pour savoir s'il a effectivement souscrit à ce service, consulte les justificatifs envoyés par l'assuré et croise avec la politique d'indemnisation correspondant au sinistre et au contrat pour ensuite donner toutes les informations avec une recommandation au gestionnaire qui in fine prendra la décision. Un cas typique de traitement dans lequel l'agent prend tout son sens avec un grand nombre de sources d'information/systèmes d'information à consulter et une synthèse à effectuer.
Newsletter
Ma Tribune
L’actualité qui compte pour vous, chaque jour dans votre boîte mail.
Les traitements manuels sont encore légion dans nos entreprises et particulièrement dans l'administration des ressources humaines, parent pauvre de la digitalisation. Un grand groupe français a mis en production un Agent Autonome pour réconcilier les déclarations de congés maladie des collaborateurs dans le SIRH avec le retour de la Sécurité sociale qui jamais n'étaient alignés. Dans ce cas d'usage, au-delà de cette capacité à interroger des systèmes d'information, il est aussi possible d'utiliser les capacités abstractives de l'IA générative pour réaliser de la réconciliation. Une capacité utilisable dans de nombreux métiers comme la comptabilité et l'audit, les achats et leurs référentiels et bien d'autres encore.
L'Agentic DAMA, la révolution dans la révolution
De la même manière, les Agents Autonomes permettent pour la première fois de réellement opérationnaliser le Data Management. En effet, après avoir défini les rôles de chacun décrit dans le DAMA-DMBBOK, puis mis en place un cadre conceptuel cible avec le Data Mesh, il n'en reste pas moins que les collaborateurs ont un métier et n'ont pas le temps ni le financement pour faire ce Data Management.
Ce travail, ne serait-ce que dans la mise en qualité de la donnée, correspond à des règles métiers que des Agents Autonomes sont en mesure de mettre en œuvre de manière exhaustive ou au moins en partie. Une révolution dans la révolution qui permet pour la première fois d'espérer une vraie opérationnalisation du Data Management comme le laisse penser les premières mises en œuvre. La qualité de la donnée restait jusqu'ici un vrai frein à la mise en œuvre de l'Intelligence artificielle dans l'entreprise. La quasi-automatisation du Data Management à des coûts très inférieurs à ce que nous connaissions facilitera la transformation Data IA de nos organisations.
Une généralisation en marche du déploiement des Agents
Des entreprises comme Bank Of New York ont d'ores et déjà pris la mesure du potentiel de gain de productivité de ces Agents Autonomes et réalisé des déploiements massifs allant jusqu'à proposer à leurs collaborateurs de créer leurs propres Agents pour en accélérer leur déploiement. Ces agents d'un nouveau type sont une vraie révolution pour l'entreprise.
Au-delà, du fait qu'il soit « programmable » juste de manière descriptive en langage naturel et donc très facilement déployables et maintenables, ils donnent un accès uniforme et transversal à toutes les données de l'entreprise à travers les systèmes d'information auxquels ils ont accès. Cette transversalité de l'accès à la donnée permet pour la première fois de désiloter l'entreprise et de repenser ses processus « AI by Design » pour une plus grande efficacité.
_____
(*) Créateur de trois start-up à succès après avoir travaillé dans l'industrie des Télécoms, Stéphane Roder est ingénieur Telecom ParisTech 92 et diplômé de Stanford et Coursera en Machine Learning et Deep Learning. Auteur du livre de référence le « Guide pratique de l'intelligence artificielle dans l'entreprise » qu'il publie en 2019, Stéphane Roder est professeur à l'Essec et expert auprès de la Fondation Jean Jaurès. Il intervient régulièrement aussi bien dans les médias à la TV que dans la presse.
